首页爬取
1.首页获取各个目录的url 如所有优惠all_offers的其中urlhttps://www.snapdeal.com/products/men-apparel-shirts?sort=plrty
2.访问他的url获取bcrumbLabelId是由于js简单渲染出来的在id="labelId" value="(.*?)
中,如果取不到值该页面为一个优惠卷页面或者其他页面
3.url重新拼接http://www.snapdeal.com/acors/json/product/get/search/{bcrumbLabelId}/0/20
,0为起始,20为取的条数(固定)
4.会获得一个商品的页面非json,其中<div class="jsNumberFound hidden">(.*?)</div>
获取他的总条数
如果起始页码<总条数,起始页码+20>总条数 获得总条数-起始页码
如果起始页码>总条数 返回的html页面其中一个标签内值为
5.可以通过正则或者xpath获取他的详情页的url
6.访问详情页url,返回的数据与页面显示的内容相同
如果是关键字搜索
1.访问https://www.snapdeal.com/search?keyword={搜索的内容}
2.批量http://www.snapdeal.com/acors/json/product/get/search/0/10/20?keyword={搜索的内容}
其中/0/20/20,0为固定,10为起始,20为取的条数(固定),
3.会获得一个商品的页面非json,其中<div class="jsNumberFound hidden">(.*?)</div>
获取他的总条数
如果起始页码<总条数,起始页码+20>总条数 获得总条数-起始页码
如果起始页码>总条数 返回的html页面其中一个标签内值为
4.可以通过正则或者xpath获取他的详情页的url
5.访问详情页url,返回的数据与页面显示的内容相同
思路都有了代码还难吗
原文地址:https://www.cnblogs.com/pythonywy/p/12111169.html