【实战】Ozon产品列表页及产品详情页nodejs爬虫

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

{

"name": "1",

"version": "1.0.0",

"description": "",

"main": "index.js",

"dependencies": {

"fs": "^0.0.1-security",

"https": "^1.0.0",

"iconv-lite": "^0.4.21",

"jsdom": "^11.7.0"

},

"devDependencies": {},

"scripts": {

"test": "echo "Error: no test specified" && exit 1"

},

"author": "",

"license": "ISC"

}

代码

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

74

75

76

77

78

79

80

81

82

83

84

85

86

87

88

89

90

91

92

93

94

95

96

97

98

99

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198
// config/index.js

module.exports = {

options: {

hostname: 'www.ozon.ru',

port: 443,

path: '/context/detail/id/144054492/',

method: 'GET',

headers: {

'accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',

'if-modified-since':'Fri, 08 Jun 2018 03:42:08 GMT',

'referer':'https://www.ozon.ru/catalog/1133763/?type=48856',

'upgrade-insecure-requests':1,

'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.139 Safari/537.36'

}

},

baseURL: 'https://www.ozon.ru',

timeout: 3000

}

// tool/generateExcel.js

// fs 文件系统模块

var fs = require('fs')

// 读取json中的数据,用String的concat函数拼接

var datas = require('../tmp/mid_output.json')

var culs = new Object()

// 数据处理函数,将数据中的','和'n'替换成','和';'

var prepare = str => {

if (str === undefined) {

return null

}

else {

// 这里的/,/g和/n/g是正则表达式

return str.replace(/,/g,',').replace(/n/g, ';')

}

}

// 删除没有params的数据

var num = 0;

for(var i = 0;i<datas.length;i++){

if(datas[i].params === undefined){

datas.splice(i,1);

}

}

var num1 = 0;

for(var i = 0;i<datas.length;i++){

if(datas[i].params == undefined){

num1 ++;

}

}

datas.splice(datas.length-num1,num1);

for (var data of datas) {

// console.log(data)

for (var param of data.params) {

// 将datas中的所有的params的key,添加到culs中

if (culs[param.key] === undefined) culs[param.key] = true

// 将datas中的params[i].key和params[i].value变成data[param.key] = param.value

data[param.key] = param.value

}

// 删除data中的params

delete data.params

}

// console.log(datas[0].prototype === datas[1].prototype)

// console.log(culs)

// console.log(datas)

var columnsName = 'number,href,img,name,price,cnum'

for (var key in culs) {

columnsName += ',' + prepare(key)

}

columnsName += 'n'

fs.writeFileSync(__dirname + '/../output/output.csv', columnsName, {flag: 'a'}, err => console.log(err))

var cnt = 1

for (var data of datas) {

var str = ''

str += cnt++

str += ',' + prepare(data.href)

str += ',' + prepare(data.img)

str += ',' + prepare(data.name)

str += ',' + prepare(data.price)

str += ',' + prepare(data.cnum)

for (var key in culs) {

str += ',' + prepare(data[key])

}

str += 'n'

// 同步的写文件,将str写到'output.txt',将flag设置为'a',即append,将数据追加到源文件结尾

fs.writeFileSync(__dirname + '/../output/output.csv', str, {flag: 'a'}, err => console.log(err))

}

console.log(cnt)

// tool/get.js

const https = require('https')

const fs = require('fs')

const iconv = require('iconv-lite')

const jsdom = require('jsdom')

const { JSDOM } = jsdom

var config = require('../config')

var items = new Array()

var getInput = () => {

var result = fs.readFileSync(__dirname + '/../input/input.txt')

const dom = new JSDOM(result.toString())

// const dom = new JSDOM('<div><div class="a">1<div/><div class="a"><div>2<div/><div/><div/>')

var lines = dom.window.document.getElementsByClassName('bOneTile inline')

var i = 1

for (var line of lines) {

// console.log(line['href'])

var href = line.getElementsByClassName('eOneTile_link')[0].href

//链接找整个div参数data-itemid的值

//var id = line.getAttribute('data-itemid')

//图片找第一个eOneTile_image_link的参数data-image-src

var img = line.getElementsByClassName('eOneTile_image_link')[0].getAttribute('data-image-src')

//商品名找整个div参数的data-name

var name = line.getAttribute('data-name')

//价钱找整个div参数的data-price

var price = (line.getAttribute('data-price') !== undefined) ? line.getAttribute('data-price') : 'null'

//评论数找eOneTile_ReviewsCount的innerhtml

var cnum = (line.getElementsByClassName('eOneTile_ReviewsCount')[0] === undefined ? '0' : line.getElementsByClassName('eOneTile_ReviewsCount')[0].innerHTML)

items.push({

href: href,

img: img,

name: name,

price: price,

cnum: cnum

})

// console.log(i++ + ' ' + href + '  ' + cnum)

}

}

var getDetail = idx => {

var item = items[idx]

config.options.path = item.href

const req = https.get(config.options, res => {

var datas = []

var size = 0

res.on('data', data => {

datas.push(data)

size += data.length

// console.log(data)

})

res.on('end', () => {

var buff = Buffer.concat(datas, size)

var result = iconv.decode(buff, 'win1251')

// console.log(result)

// fs.writeFile('out',result, err => console.log(err))

const dom = new JSDOM(result.toString())

// const dom = new JSDOM('<div><div class="a">1<div/><div class="a"><div>2<div/><div/><div/>')

var lines = dom.window.document.getElementsByClassName('eItemProperties_line')

item.params = new Array()

for (var line of lines) {

var key = line.childNodes[1].innerHTML

var value = line.childNodes[3].innerHTML

item.params.push({

key: key,

value: value

})

}

})

})

req.end()

config.options.headers.referer = config.baseURL + item.href // 这里修正了他的referer,模拟浏览器

}

var getAllDetail = (idx, end) => () => {

if (idx < end) {

console.log(idx)

getDetail(idx)

setTimeout(getAllDetail(idx + 1, end), config.timeout)

}

else {

// console.log(items)

setOutput()

}

}

var setOutput = () => {

fs.writeFile(__dirname + '/../tmp/mid_output.json',JSON.stringify(items), err => console.log(err))

}

getInput()

setOutput()

getAllDetail(0, items.length)()

使用说明

1.打开Qzon产品列表

2.按F12,选择列表div,右键copy->copy element

3.打开input.txt,将数据删除后粘贴新的数据

4.Ozon.ru点击页面左上角安全Cookies全部禁用,点击一个产品刷新,F12点击Network找到第一个(数字串),复制request headers

5.粘贴到index.js,对比上下修改

6.运行 node toolget.js和node toolgenerateExcel.js

7.注意完成后将页面的cookies屏蔽解除

原文:大专栏  【实战】Ozon产品列表页及产品详情页nodejs爬虫

原文地址:https://www.cnblogs.com/chinatrump/p/11601740.html

时间: 2024-08-13 21:07:33

【实战】Ozon产品列表页及产品详情页nodejs爬虫的相关文章

微信小程序 项目实战(三)list 列表页 及 item 详情页

1.项目结构 2.list 列表页 (1)数据(逻辑) list.js // pages/list/list.js Page({ /** * 页面的初始数据 */ data: { title: '加载中...', // 状态 list: [], // 数据列表 type: '', // 数据类型 loading: true // 显示等待框 }, /** * 生命周期函数--监听页面加载 */ onLoad: function (options) { // options 为 board页传来的

抓取58同城二手手机一个列表页的对应详情页的内容

本来是根据教程上的是区分个人和商家的,但是教程是15年的58同城网站进行了改版,个人的二手物品时跳转转转的,商家的还在58,所以两个详情页面的标签不再通用,没有实现个人和商家页面的跳转.代码如下: from bs4 import BeautifulSoupimport requestsimport timeurl = 'http://zhuanzhuan.58.com/detail/883905856824967177z.shtml'def get_links_from(who_sells):

Meteor 从一个列表页进入详情页如何快速显示详情

不管是做android开发,还是做网页web开发,都 会有列表,都需要点击列表进入列表项的详情页面,查看详细信息,能常情况下,我们都是将这一列表项的id传到详情页,由详情页再到数据库查询详细信息. 在用Meteor开发网站中,除了用传id的方法,外还提供了一种简单的方法,极大的方便了我们的开发,节省时间. 原文:http://blog.csdn.net/casun_li/article/details/46371811 1. 创建详情页的route  并传数据: (1)如可按传id的方法,则这样

让ECSHOP商品列表页和商品详细页分类树跟首页一样

如何让商品列表页或商品详情页的分类树都跟首页一样,也是显示全部所有的分类呢?修改方法:1.商品列表页修改方法:打开category.php 文件将$smarty->assign('categories',       get_categories_tree($cat_id));修改为$smarty->assign('categories',       get_categories_tree());2.商品详情页修改方法:将$smarty->assign('categories',   

Asp.net MVC 3实例学习之ExtShop(四)——完成产品列表页

在完成产品列表页前要做一些准备功夫.首先是去下载MvcPager用了为产品列表分页.下载的可能是基于MVC 2的,没关系,可以用在MVC 3上.如果有担心,下载源代码重新编译一次好了.下载后将DLL添加到引用里. 接着是要修改一下路由以实现"Catalog/List/[id]/[page]"的访问.打开"Global.asax.cs"文件,然后在默认路由之前添加以下代码: 1                          routes . MapRoute (

aspcms产品详情页调取相关产品

产品详情页调用相关产品最常见的应用就是装饰公司网站,设计师页面要求调取设计师做过的案例.aspcms本身有这个功能,但不能完全符合要求,看代码 {aspcms:content sort={aspcms:sortid} num=10 order=order} <a href='[content:link]' > <img src='[content:pic]' /> </a> <a href="[content:link]">[conten

夺命雷公狗ThinkPHP项目之----企业网站23之网站前台二级分类的跳转(URL跳转到列表页或产品页)

我们现在开始做实现我们的二级菜单如何跳转到指定的列表页或者产品也呢?? 我们分享下数据库情况: 我们的数据库里提前给我们预留了一个cate_type的字段,那么我们可以让这个字段进行判断,从而遍历出指定的数据: 顶级栏目判断出结果后二级栏目也可以从而判断出结果........

如何设计一个优秀的电子商务产品详情页

http://c.jinhusns.com/cms/c-3256/?type=xcj 如何设计一个优秀的电子商务产品详情页 电子商务网站的产品详情页面无疑是设计师和开发人员关注的最重要的网页之一.产品详情页面是客户作出“加入购物车”决定的页面,也是搜索引擎的结果页面.和我们一起去探索什么样的伟大元素可以设计出一个成功的产品详细页吧. 电子商务产品详情页设计(E-commerce Website Design) 设计,可用性和搜索引擎营销的工作对于一个电子商务项目是紧密相联的.是时候开始了,让我们

产品列表页分类筛选、排序的算法实现(PHP)

一.简单的单条件查询 工作都是从简单的开始,先从最简单的单表查询开始,这个一般用在首页以及一些比较独立的页面,只需要查找几个符合条件的产品展示出来即可,可以使用分页或者不使用分页.下面这个是产品控制器 ProductController 中的一个函数,用于简单的查询,比如199元专区就可以使用 getTypeSimPro('price=199'); /**简单的筛选条件分类产品,单表查询 * @param string $sql 单表查询的SQL * @param int $countPerPa