Python 爬虫实战指南：获取淘宝商品详情

爬虫程序猿

于 2025-07-23 14:16:52 发布

阅读量472

点赞数 10

CC 4.0 BY-SA版权

文章标签： python 爬虫开发语言

本文链接：https://blog.youkuaiyun.com/wanbangAPI01/article/details/149570247

在电商领域，淘宝作为中国最大的在线零售平台之一，拥有海量的商品信息。对于开发者、市场分析师以及电商研究者来说，能够从淘宝获取商品详情信息，对于市场分析、价格比较、商品推荐等应用场景具有重要价值。本文将详细介绍如何使用 Python 编写爬虫程序，以合法合规的方式获取淘宝商品的详情信息，并提供详细的代码示例。

一、准备工作

（一）安装必要的库

确保你的开发环境中已经安装了以下库：

requests：用于发送 HTTP 请求。
BeautifulSoup：用于解析 HTML 文档。
Selenium：用于模拟浏览器行为，处理动态加载的内容。

可以通过以下命令安装这些库：

bash

pip install requests beautifulsoup4 selenium

（二）注册淘宝开放平台账号

访问淘宝开放平台官网，注册并登录开发者账号。创建应用项目后，会获得专属的 App Key 和 App Secret，这是调用 API 所必需的凭证。

二、编写爬虫代码

（一）发送 HTTP 请求

使用 requests 库发送 GET 请求，获取商品页面的 HTML 内容。

Python

import requests

def get_html(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
    }
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        return response.text
    else:
        print("Failed to retrieve the page")
        return None

（二）解析 HTML 内容

使用 BeautifulSoup 解析 HTML 内容，提取商品详情。

Python

from bs4 import BeautifulSoup

def parse_html(html):
    soup = BeautifulSoup(html, 'html.parser')
    product_info = {}
    product_name = soup.find('h1', class_='product-title').text.strip()
    product_info['product_name'] = product_name
    product_price = soup.find('span', class_='price').text.strip()
    product_info['product_price'] = product_price
    product_description = soup.find('div', class_='product-description').text.strip()
    product_info['product_description'] = product_description
    product_image = soup.find('img', class_='main-image')['src']
    product_info['product_image'] = product_image
    return product_info

（三）处理动态加载的内容

如果页面内容是通过 JavaScript 动态加载的，可以使用 Selenium。

Python

from selenium import webdriver
import time

def get_html_dynamic(url):
    options = webdriver.ChromeOptions()
    options.add_argument('--headless')
    driver = webdriver.Chrome(options=options)
    driver.get(url)
    time.sleep(3)
    html = driver.page_source
    driver.quit()
    return html

（四）整合代码

将上述功能整合到主程序中，实现完整的爬虫程序。

Python

def main():
    url = "https://detail.1688.com/offer/123456789.html"
    html = get_html_dynamic(url)
    if html:
        product_info = parse_html(html)
        print("商品名称:", product_info['product_name'])
        print("商品价格:", product_info['product_price'])
        print("商品描述:", product_info['product_description'])
        print("商品图片:", product_info['product_image'])

if __name__ == "__main__":
    main()