• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    php爬取天猫和淘宝商品数据

    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("|title>(.*)/title>|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,tradeContractcallback=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('|ul id="J_UlThumb" class="tb-thumb tb-clearfix">(.*)/ul>|isU', $content, $match);
      preg_match_all('/img data-src="(.*?)" \//', $match[1], $images);
    
      $myres['title']=str_replace('-淘宝网','',$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,$start+4,$end-$start-4);
      }
      preg_match("|title>(.*)/title>|isU",$content,$match);
      $title=$match[1];
      $myurl='https://mdskip.taobao.com/core/initItemDetail.htm?cachedTimestamp=1500562177777queryMemberRight=truecartEnable=trueofflineShop=falseaddressLevel=2itemId='.$item_id.'tryBeforeBuy=falseisAreaSell=falsetmallBuySupport=trueisPurchaseMallPage=falsehousehold=falseisForbidBuyItem=falseservice3C=falseisRegionLevel=falseshowShopProm=falseisSecKill=falsesellerPreview=falseisUseInventoryCenter=falseisApparel=truecallback=setMdskiptimestamp=1500562172109isg=AiUlDZFWmP/sMgVurQSILU3Ytet/Zdisisg2=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('|ul id="J_UlThumb" class="tb-thumb tm-clear">(.*)/ul>|isU',$content, $match);
      preg_match_all('/img src="(.*?)" \//',$match[1],$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《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脚本之家。

    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
    上一篇:Laravel如何使用Redis共享Session
    下一篇:Docker搭建自己的PHP开发环境
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    php爬取天猫和淘宝商品数据 php,爬取天,猫,和,淘宝,商品,