php爬取天猫和淘宝商品数据

开发技术 作者: 2024-08-18 19:30:01
这篇文章主要为大家详细介绍了php爬取天猫和淘宝商品数据的方法,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

一、思路

最近做了一个网站用到了从网址爬取天猫和淘宝的商品信息,首先看了下手机端的网页发现用的react,不太了解没法搞,所以就考虑从PC入口爬取数据,但是当爬取URL获取数据时并没有获取价格,库存等的信息,仔细研究了下发现是异步请求了另一个接口,但是接口要使用refer才能获取数据,于是就通过以下方式写了一个简单的爬虫,用于爬取商品预览图和商品的第一个分类的价格、库存等。

二、实现

代码如下:

read($url); $content = mb_convert_encoding( $result['content'],'UTF-8','UTF-8,GBK,GB2312,BIG5' ); $myres=array(); if(strrpos($url,'taobao.com')!=false) { //匹配是否下架 if(strpos($content,'此宝贝已下架')!==false){ return false; } preg_match("|itemId : '(.*)'|isU",$content,$match); $item_id=$match[1]; preg_match("|sellerId : '(.*)'|isU",$match); $sellet_id=$match[1]; preg_match("|(.*)|isU",$match); $title=$match[1]; //价格库存信息 $ch = curl_init(); curl_setopt ($ch,CURLOPT_URL,'https://detailskip.taobao.com/service/getData/1/p1/item/detail/sib.htm?itemId='.$item_id.'&sellerId='.$sellet_id.'&modules=dynStock,qrcode,viewer,price,duty,xmpPromotion,delivery,upp,activity,fqg,zjys,amountRestriction,couponActivity,soldQuantity,originalPrice,tradeContract&callback=onSibRequestSuccess'); $opt[CURLOPT_HEADER]=false; $opt[CURLOPT_CONNECTTIMEOUT]=15; $opt[CURLOPT_TIMEOUT]=300; $opt[CURLOPT_AUTOREFERER]=true; $opt[CURLOPT_USERAGENT]='Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.11 (KHTML,like Gecko) Chrome/20.0.1132.47 Safari/536.11'; curl_setopt_array($ch,$opt); curl_setopt ($ch,CURLOPT_RETURNTRANSFER,1); curl_setopt ($ch,CURLOPT_REFERER,$url); curl_setopt($ch,CURLOPT_SSL_VERIFYPEER,false); $out_put=curl_exec ($ch); curl_close ($ch); $res=str_replace('onSibRequestSuccess(',"",$out_put); $res=rtrim($res,');1'); $result=json_decode($res,true); //查询出图片信息 preg_match('|
    |isU',$match); preg_match_all('/$myres['title']=str_replace('-淘宝网','',$title);

    $myres['price']=current($result['data']['originalPrice']);

    $myres['act_price']=current($result['data']['promotion']['promoData']);

    $myres['stock']=$result['data']['dynStock']['stock'];

    $myres['banners']=$images[1];
    }else{
    //匹配是否下架
    if(strpos($content,'此宝贝已下架')!==false){
    return false;
    }
    $start=strpos($url,'&id=');
    $item_id=substr($url,$start+4,12);
    if(!is_numeric($item_id)){
    $start=strpos($url,'?id=');
    $end=strpos($url,'&spm');
    $item_id=substr($url,$end-$start-4);
    }
    preg_match("|(.*)|isU",$match);
    $title=$match[1];
    $myurl='https://mdskip.taobao.com/core/initItemDetail.htm?cachedTimestamp=1500562177777&queryMemberRight=true&cartEnable=true&offlineShop=false&addressLevel=2&itemId='.$item_id.'&tryBeforeBuy=false&isAreaSell=false&tmallBuySupport=true&isPurchaseMallPage=false&household=false&isForbidBuyItem=false&service3C=false&isRegionLevel=false&showShopProm=false&isSecKill=false&sellerPreview=false&isUseInventoryCenter=false&isApparel=true&callback=setMdskip&timestamp=1500562172109&isg=AiUlDZFWmP/sMgVurQSILU3Ytet/Zdis&isg2=Ajk51JIhRFqKzxmiNPP6dkYxSKXT7iySkzSTeVtu9WDf4ll0o5Y9yKdyEtHu';
    //价格库存信息
    $ch = curl_init();
    curl_setopt ($ch,$myurl);
    $opt[CURLOPT_HEADER]=false;
    $opt[CURLOPT_CONNECTTIMEOUT]=15;
    $opt[CURLOPT_TIMEOUT]=300;
    $opt[CURLOPT_AUTOREFERER]=true;
    $opt[CURLOPT_USERAGENT]='Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.11 (KHTML,false);
    $out_put=curl_exec ($ch);
    curl_close ($ch);
    $res = mb_convert_encoding( $out_put,BIG5' );
    $res=str_replace('setMdskip',$res);
    $res=str_replace('(',$res);
    $res=str_replace(')',$res);
    $result=json_decode($res,true);
    $nowk="";
    $nowstore="";
    foreach($result['defaultModel']['inventoryDO']['skuQuantity'] as $k=>$val){
    $nowk=$k;
    $nowstore=$val;
    break;
    }

    $myres['title']=str_replace('-tmall.com天猫',$title);

    $myres['price']=$result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk]['price'];

    $myres['act_price']=isset($result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk]['suggestivePromotionList'])?$result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk]['suggestivePromotionList']:$result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk];

    $myres['stock']=$result['defaultModel']['inventoryDO']['totalQuantity']?$result['defaultModel']['inventoryDO']['totalQuantity']:$nowstore['quantity'];
    //查询出图片信息
    preg_match('|<ul id="J_UlThumb" class="tb-thumb tm-clear">(.)

|isU',$match);
preg_match_all('/<img src="(.
?)" \//',$images);
$myres['banners']=$images[1];
}
return $myres;
}

上述代码用到PHPquery的库,但是其实没啥用,直接用Curl就行,具体爬取的数据可以穿参查看结果,方法不区分淘宝和天猫链接,但是前提是必须是PC端链接,另外正则写的不规范,所以可以自己重写正则来匹配数据。

更多内容请参考专题功能汇总》进行学习。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持编程之家。

原创声明
本站部分文章基于互联网的整理,我们会把真正“有用/优质”的文章整理提供给各位开发者。本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
本文链接:http://www.jiecseo.com/news/show_64529.html