php爬取天猫和淘宝商品数据

php  /  管理员 发布于 7年前   165

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：

function crawlUrl($url){import('PhpQuery.Curl'); $curl=new \Curl(); $result = $curl->read($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", $content, $match);  $sellet_id=$match[1];  preg_match("||isU",$content,$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', $content, $match);  preg_match_all('/(.*)|isU",$content,$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×tamp=1500562172109&isg=AiUlDZFWmP/sMgVurQSILU3Ytet/Zdis&isg2=Ajk51JIhRFqKzxmiNPP6dkYxSKXT7iySkzSTeVtu9WDf4ll0o5Y9yKdyEtHu';  //价格库存信息  $ch = curl_init();  curl_setopt ($ch, CURLOPT_URL, $myurl);  $opt[CURLOPT_HEADER]=false;  $opt[CURLOPT_CONNECTTIMEOUT]=15;  $opt[CURLOPT_TIMEOUT]=300;  $opt[CURLOPT_AUTOREFERER]=true;  $opt[CURLOPT_USERAGENT]='Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.47 Safari/536.11';  curl_setopt_array($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 = mb_convert_encoding( $out_put, 'UTF-8', 'UTF-8,GBK,GB2312,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('|
(.*)
|isU',$content, $match);  preg_match_all('/
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《python爬取功能汇总》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。
您可能感兴趣的文章:
PHP 爬取网页的主要方法
php记录搜索引擎爬行记录的实现代码
php与python实现的线程池多线程爬虫功能示例
php实现简单爬虫的开发
php实现爬取和分析知乎用户数据
PHP爬虫之百万级别知乎用户数据爬取与分析
PHP实现简单爬虫的方法
浅析php如何实现爬取数据原理