采集淘宝，找不到促销价格。。。

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 3047 天前的主题，其中的信息可能已经有所发展或是发生改变。

促销价格目测是用的折扣的方式，应该是原价*折扣但是找遍了整个页面都找到这个折扣的比例在哪有老司机采集过的能指导下吗

折扣

采集

促销

目测

28 条回复 • 2016-07-10 23:08:44 +08:00

ufo22940268

2016-07-08 08:30:36 +08:00

你可以通过商品 id 去一淘上抓

javaluo

2016-07-08 08:33:20 +08:00 via Android

这年头还采淘宝做啥

c7898585

2016-07-08 09:01:26 +08:00

@ufo22940268
请教下，用火车头 sku_properties 这个参数与 price 和 title 对应的话有什么好方法吗？
还是必须单独再写一个 php ？

c7898585

2016-07-08 09:01:39 +08:00

@javaluo 做一个论坛

aeshfawre

2016-07-08 09:02:10 +08:00

作为一个老司机,
比如这个:https://item.taobao.com/item.htm?spm=a219r.lm874.14.9.0Y2qEA&id=530963237947&ns=1&abbucket=16
你说的折扣价就是这个 39.00 吧.
如果是那就是没错.打开这个页面的时候,你会发现有个 get 发出
https://detailskip.taobao.com/service/getData/1/p2/item/detail/sib.htm?itemId=530963237947&modules=qrcode,viewer,price,contract,duty,xmpPromotion,dynStock,delivery,upp,sellerDetail,activity,fqg,zjys,coupon&callback=onSibRequestSuccess
这里面就有促销价格:
{"cart":true,"loginPromotion":false,"price":"39.00","start":false,"type":"\u7279\u4EF7\u6D3B\u52A8"}

话说有人收掉我这个快 30 岁的爬虫司机么,无业游民啊.

Allianzcortex

2016-07-08 09:27:54 +08:00

我为什么这么闲……不应该赶紧滚去看书吗……

看完我大概明白 LZ 是什么意思了。这样啊，不是所有在网页上看到的信息都是写在源代码里的（是，可以通过审查元素来看到，但 ctrl+u 打开网页源码是找不到的，而网页源码是你用 requests 得到的内容）。

去 W3C 看看 AJax 的内容，然后打开 Chrome 的开发者模式，进入 Network 那一栏，刷新网页，看看页面都向服务器请求了哪些东西）。最主要的就是模拟访问请求（然而按照淘宝那么 BT 的反爬虫，总有一些东西是不能完全模拟的，京东爬的话会好很多）

laoyuan

2016-07-08 09:27:57 +08:00

我就看到了 PHP

gdtv

2016-07-08 09:31:05 +08:00

@Allianzcortex 请教一下,打开 Chrome 的开发者模式，进入 Network 那一栏，刷新网页, 然后能不能从所有请求里搜索文本?

Allianzcortex

2016-07-08 09:41:04 +08:00

@gdtv 能说的再详细一些嘛？我就暂时理解为是搜索 response 里的文字内容了。我没有尝试过，因为基本上你需要的就是一些 AJax 请求，就可以直接过滤掉单纯的 js 文件和图片了（这占了很大的一部分），直接看 response 就能发现需要什么样的内容了。

pyengwoei

2016-07-08 09:44:08 +08:00

@aeshfawre 你地理位置在哪里？

aeshfawre

2016-07-08 10:19:47 +08:00

@pyengwoei 江西宜春

zichen0422

2016-07-08 10:26:31 +08:00

@aeshfawre 在这里能看到老乡. 卧槽,

gdtv

2016-07-08 10:36:33 +08:00

@Allianzcortex 就是在该 html 页面以及该页面引用的所有 js/css 的 response 里面搜索文字内容. 例如 www.a.com/test.html 引用了
www.a.com/1.js
www.a.com/2.js
www.a.com/3.js
某个 js 里有个关键字'helloworld',但我不知道具体在哪个 js 里,当然我可以一个一个 js 打开去找,但有没有什么办法批量搜索这些 js 呢?

Allianzcortex

2016-07-08 10:46:16 +08:00

@gdtv 是这个？ http://stackoverflow.com/questions/4145266/how-to-search-all-loaded-scripts-in-chrome-developer-tools/7970237#7970237

aeshfawre

2016-07-08 10:47:09 +08:00

@gdtv 玩爬虫必备工具 burpsuite , 直接在 filter 里面填上你的词,就过滤出来了

aeshfawre

2016-07-08 10:52:40 +08:00

@Allianzcortex 感谢,一直没用过 chrome 这个搜索功能. 最新版本是用快捷键 CTRL+SHIFT+F

gdtv

2016-07-08 11:06:10 +08:00

@Allianzcortex 正是这个 http://stackoverflow.com/questions/4145266/how-to-search-all-loaded-scripts-in-chrome-developer-tools/7970237#7970237 ,非常感谢

gdtv

2016-07-08 11:06:26 +08:00

@aeshfawre 谢谢

c7898585

2016-07-08 14:18:55 +08:00

@aeshfawre 这个 403 forbidden 的怎么获得返回值的？

aeshfawre

2016-07-08 14:56:37 +08:00

@c7898585 这个..., 你直接点击连接当然是 forbidden 了. 我只是将链接发出来,指明价格在哪个链接. 你自己在 chrome 的网络数据中找这链接, 只能帮到这里了,剩下的你再研究研究.

luojing

2016-07-08 20:11:38 +08:00 via Android

淘宝的采集不容易，有些好像是需要 cookie 等才能打开你要的数据，总之，是要模拟真实访问的才行

c7898585

2016-07-08 22:05:18 +08:00

@luojing 大部分没问题啊，标题，商品详情之类的都可以直接采集，就是跳转页加了一个

@aeshfawre 我在 chrome 中查看，确实没找到这个饿，是在 element ， source ，还是 network 里找？都看了下好像都没有啊，另外这玩意能读取到吗？用的火车头采集

＠全体成员　　为什么这个帖子那么多人收藏。。。。

redhatping

2016-07-08 23:15:31 +08:00 via iPhone

@aeshfawre 做 soho 吗我们要采取数据

c7898585

2016-07-09 08:35:20 +08:00

@redhatping 你们也采集淘宝？

x8888k

2016-07-09 12:06:11 +08:00

@aeshfawre 宜春哪里的

aeshfawre

2016-07-09 12:14:53 +08:00

@x8888k 万载县黄茅镇

GeekGao

2016-07-10 18:37:06 +08:00

@aeshfawre 杭州招人，要考虑嘛？

aeshfawre

2016-07-10 23:08:44 +08:00

@GeekGao Sorry,远了点.