用Python爬取天猫内衣售卖数据，得到你想知道的信息！

大家好，希望各位能怀着正直、严谨、专业的心态观看这篇文章。ヾ(๑╹◡╹)ﾉ"

　　接下来我们尝试用 Python 抓取天猫内衣销售数据，并分析得到中国女性普遍的罩杯数据、最受欢迎的内衣颜色是什么、评论的关键字。

　　希望看完之后你能替你女朋友买上一件心怡的内衣。

　　我们先看看分析得到的成果是怎样的？（讲的很详细，推荐跟着敲一遍）

（买个内衣这么开心）

图片看不清楚的话，可以把图片单独拉到另一个窗口。

这里是分析了一万条数据得出的结论，可能会有误差，但是还是希望单身的你们能找到 0.06%那一批妹纸。

　　下面我会详细介绍怎么抓取天猫内衣销售数据，存储、分析、展示。

研究天猫网站

抓取天猫评论数据

存储、分析数据

可视化

研究天猫网站

我们随意进入一个商品的购买界面（能看到评论的那个界面），F12 开发者模式 -- Network 栏 -- 刷新下界面 -- 在如图的位置搜索 list_会看到一个 list_detail_rate.htm?itemId= ....

如下图：【单击】这个url能看到返回的是一个 Json 数据 ，检查一下你会发现这串 Json 就是商品的评论数据['rateDetail']['rateList'] 

【双击】这个url 你会得到一个新界面，如图 

　　看一下这个信息

　　这里的路径 就是获取评论数据的 url了。这个 URL 有很多参数你可以分析一下每个值都是干嘛的。

itemId对应的是商品id，sellerId对应的是店铺id，currentPage 是当前页。这里sellerId  可以填任意值，不影响数据的获取。

 

抓取天猫评论数据

写一个抓取天猫评论数据的方法。getCommentDetail 

# 获取商品评论数据

def getCommentDetail(itemId,currentPage):

   url = 'https://rate.tmall.com/list_detail_rate.htm?itemId=' + str(

       itemId) + '&sellerId=2451699564&order=3&currentPage=' + str(currentPage) + '&append=0callback=jsonp336'

   # itemId 产品id ； sellerId 店铺id 字段必须有值，但随意值就行

   html = common.getUrlContent(url)  # 获取网页信息

   # 删掉返回的多余信息

   html = html.replace('jsonp128(','') #需要确定是不是 jsonp128

   html = html.replace(')','')

   html = html.replace('false','"false"')

   html = html.replace('true','"true"')

   # 将string 转换为字典对象

   tmalljson = json.loads(html)

   return tmalljson

　　这里需要注意的是 jsonp128 这个值需要你自己看一下，你那边跟我这个应该是不同的。

还有几十 common 这我自己封装的一个工具类，主要就是上一篇博客里写的一些功能，想requests 和 pymysql 模块的功能。在文章最后我会贴出来。

在上面的方法里有两个变量，itemId 和currentPage这两个值我们动态来控制，所以我们需要获得 一批 商品id号 和 评论的最大页数 用来遍历。

写个获取商品评论最大页数的方法getLastPage 

# 获取商品评论最大页数

def getLastPage(itemId):

   tmalljson = getCommentDetail(itemId,1)

   return tmalljson['rateDetail']['paginator']['lastPage'] #最大页数

　　那现在怎么获取 产品的id 列表呢？ 我们可以在天猫中搜索商品关键字 用开发者模式观察

这里观察一下这个页面的元素分布，很容易就发现了 商品的id 信息，当然你可以想办法确认一下。

如果需要Python方面的学习资料可以点击这个链接获取入门资料

现在就写个 获取商品id 的方法getProductIdList

# 获取商品id

def getProductIdList():

   url = 'https://list.tmall.com/search_product.htm?q=内衣' # q参数 是查询的关键字

   html = common.getUrlContent(url)  # 获取网页信息

   soup = BeautifulSoup(html,'html.parser')

   idList = []

   # 用Beautiful Soup提取商品页面中所有的商品ID

   productList = soup.find_all('div', {'class': 'product'})

   for product in productList:

       idList.append(product['data-id'])

   return idList

现在所有的基本要求都有了，是时候把他们组合起来。

在 main 方法中写剩下的组装部分 

if __name__ == '__main__':

   productIdList = getProductIdList() #获取商品id

   initial = 0

   while initial < len(productIdList) - 30:  # 总共有60个商品，我只取了前30个

       try:

           itemId = productIdList[initial]

           print('----------', itemId, '------------')

           maxPage = getLastPage(itemId) #获取商品评论最大页数

           num = 1

           while num <= maxPage and num < 20: #每个商品的评论我最多取20 页，每页有20条评论，也就是每个商品最多只取 400 个评论

               try:

                   # 抓取某个商品的某页评论数据

                   tmalljson = getCommentDetail(itemId, num)

                   rateList = tmalljson['rateDetail']['rateList']

                   commentList = []

                   n = 0

                   while (n < len(rateList)):

                       comment = []

                       # 商品描述

                       colorSize = rateList[n]['auctionSku']

                       m = re.split('[:;]', colorSize)

                       rateContent = rateList[n]['rateContent']

                       dtime = rateList[n]['rateDate']

                       comment.append(m[1])

                       comment.append(m[3])

                       comment.append('天猫')

                       comment.append(rateContent)

                       comment.append(dtime)

                       commentList.append(comment)

                       n += 1

                   print(num)

                   sql = "insert into bras(bra_id, bra_color, bra_size, resource, comment, comment_time)  value(null, %s, %s, %s, %s, %s)"

                   common.patchInsertData(sql, commentList) # mysql操作的批量插入

                   num += 1

               except Exception as e:

                   num += 1

                   print(e)

                   continue

           initial += 1

       except Exception as e:

           print(e)

所有的代码就这样完成了，我现在把 common.py 的代码，还有 tmallbra.py 的代码都贴出来

# -*- coding:utf-8 -*-

# Author: zww

import requests

import time

import random

import socket

import http.client

import pymysql

import csv

# 封装requests

class Common(object):

   def getUrlContent(self, url, data=None):

       header = {

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

           'Accept-Encoding': 'gzip, deflate, br',

           'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8',

           'user-agent': "User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36",

           'cache-control': 'max-age=0'

       }  # request 的请求头

       timeout = random.choice(range(80, 180))

       while True:

           try:

               rep = requests.get(url, headers=header, timeout=timeout)  # 请求url地址，获得返回 response 信息

               # rep.encoding = 'utf-8'

               break

           except socket.timeout as e:  # 以下都是异常处理

               print('3:', e)

               time.sleep(random.choice(range(8, 15)))

           except socket.error as e:

               print('4:', e)

               time.sleep(random.choice(range(20, 60)))

           except http.client.BadStatusLine as e:

               print('5:', e)

               time.sleep(random.choice(range(30, 80)))

           except http.client.IncompleteRead as e:

               print('6:', e)

               time.sleep(random.choice(range(5, 15)))

       print('request success')

       return rep.text  # 返回的 Html 全文

   def writeData(self, data, url):

       with open(url, 'a', errors='ignore', newline='') as f:

           f_csv = csv.writer(f)

           f_csv.writerows(data)

       print('write_csv success')

   def queryData(self, sql):

       db = pymysql.connect("localhost", "zww", "960128", "test")

       cursor = db.cursor()

       results = []

       try:

           cursor.execute(sql)    #执行查询语句

           results = cursor.fetchall()

       except Exception as e:

           print('查询时发生异常' + e)

           # 如果发生错误则回滚

           db.rollback()

       # 关闭数据库连接

       db.close()

       return results

       print('insert data success')

   def insertData(self, sql):

       # 打开数据库连接

       db = pymysql.connect("localhost", "zww", "000000", "zwwdb")

       # 使用 cursor() 方法创建一个游标对象 cursor

       cursor = db.cursor()

       try:

           # sql = "INSERT INTO WEATHER(w_id, w_date, w_detail, w_temperature) VALUES (null, '%s','%s','%s')" % (data[0], data[1], data[2])

           cursor.execute(sql)    #单条数据写入

           # 提交到数据库执行

           db.commit()

       except Exception as e:

           print('插入时发生异常' + e)

           # 如果发生错误则回滚

           db.rollback()

       # 关闭数据库连接

       db.close()

       print('insert data success')

   def patchInsertData(self, sql, datas):

       # 打开数据库连接

       db = pymysql.connect("localhost", "zww", "960128", "test")

       # 使用 cursor() 方法创建一个游标对象 cursor

       cursor = db.cursor()

       try:

           # 批量插入数据

           # cursor.executemany('insert into WEATHER(w_id, w_date, w_detail, w_temperature_low, w_temperature_high) value(null, %s,%s,%s,%s)',datas)

           cursor.executemany(sql, datas)

           # 提交到数据库执行

           db.commit()

       except Exception as e:

           print('插入时发生异常' + e)

           # 如果发生错误则回滚

           db.rollback()

       # 关闭数据库连接

       db.close()

       print('insert data success')

上面需要注意，数据库的配置。

# -*- coding:utf-8 -*-

# Author: zww

from Include.commons.common import Common

from bs4 import BeautifulSoup

import json

import re

import pymysql

common = Common()

# 获取商品id

def getProductIdList():

   url = 'https://list.tmall.com/search_product.htm?q=内衣' # q参数 是查询的关键字，这要改变一下查询值，就可以抓取任意你想知道的数据

   html = common.getUrlContent(url)  # 获取网页信息

   soup = BeautifulSoup(html,'html.parser')

   idList = []

   # 用Beautiful Soup提取商品页面中所有的商品ID

   productList = soup.find_all('div', {'class': 'product'})

   for product in productList:

       idList.append(product['data-id'])

   return idList

# 获取商品评论数据

def getCommentDetail(itemId,currentPage):

   url = 'https://rate.tmall.com/list_detail_rate.htm?itemId=' + str(

       itemId) + '&sellerId=2451699564&order=3&currentPage=' + str(currentPage) + '&append=0callback=jsonp336'

   # itemId 产品id ； sellerId 店铺id 字段必须有值，但随意值就行

   html = common.getUrlContent(url)  # 获取网页信息

   # 删掉返回的多余信息

   html = html.replace('jsonp128(','') #需要确定是不是 jsonp128

   html = html.replace(')','')

   html = html.replace('false','"false"')

   html = html.replace('true','"true"')

   # 将string 转换为字典对象

   tmalljson = json.loads(html)

   return tmalljson

# 获取商品评论最大页数

def getLastPage(itemId):

   tmalljson = getCommentDetail(itemId,1)

   return tmalljson['rateDetail']['paginator']['lastPage'] #最大页数

if __name__ == '__main__':

   productIdList = getProductIdList() #获取商品id

   initial = 0

   while initial < len(productIdList) - 30:  # 总共有60个商品，我只取了前30个

       try:

           itemId = productIdList[initial]

           print('----------', itemId, '------------')

           maxPage = getLastPage(itemId) #获取商品评论最大页数

           num = 1

           while num <= maxPage and num < 20: #每个商品的评论我最多取20 页，每页有20条评论，也就是每个商品最多只取 400 个评论

               try:

                   # 抓取某个商品的某页评论数据

                   tmalljson = getCommentDetail(itemId, num)

                   rateList = tmalljson['rateDetail']['rateList']

                   commentList = []

                   n = 0

                   while (n < len(rateList)):

                       comment = []

                       # 商品描述

                       colorSize = rateList[n]['auctionSku']

                       m = re.split('[:;]', colorSize)

                       rateContent = rateList[n]['rateContent']

                       dtime = rateList[n]['rateDate']

                       comment.append(m[1])

                       comment.append(m[3])

                       comment.append('天猫')

                       comment.append(rateContent)

                       comment.append(dtime)

                       commentList.append(comment)

                       n += 1

                   print(num)

                   sql = "insert into bras(bra_id, bra_color, bra_size, resource, comment, comment_time)  value(null, %s, %s, %s, %s, %s)"

                   common.patchInsertData(sql, commentList) # mysql操作的批量插入

                   num += 1

               except Exception as e:

                   num += 1

                   print(e)

                   continue

           initial += 1

       except Exception as e:

           print(e)

存储、分析数据

　　所有的代码都有了，就差数据库的建立了。我这里用的是 MySql 数据库。

CREATE TABLE `bra` (

`bra_id`  int(11) NOT NULL AUTO_INCREMENT COMMENT 'id' ,

`bra_color`  varchar(25) NULL COMMENT '颜色' ,

`bra_size`  varchar(25) NULL COMMENT '罩杯' ,

`resource`  varchar(25) NULL COMMENT '数据来源' ,

`comment`  varchar(500) CHARACTER SET utf8mb4 DEFAULT NULL COMMENT '评论' ,

`comment_time`  datetime NULL COMMENT '评论时间' ,

PRIMARY KEY (`bra_id`)

) character set utf8

;

这里有两个地方需要注意， comment 评论字段需要设置编码格式为utf8mb4  ，因为可能有表情文字。还有表需要设置为 utf8 编码，不然存不了中文。

　　建好了表，就可以完整执行代码了。（这里的执行可能需要点时间，可以做成多线程的方式）。看一下执行完之后，数据库有没有数据。

　　数据是有了，但是有些我们多余的文字描述，我们可以稍微整理一下。

update bra set bra_color = REPLACE(bra_color,'2B6521-无钢圈4-','');

update bra set bra_color = REPLACE(bra_color,'-1','');

update bra set bra_color = REPLACE(bra_color,'5','');

update bra set bra_size = substr(bra_size,1,3);

　　这里需要根据自己实际情况来修改。如果数据整理的差不多了，我们可以分析一下数据库的信息。

select 'A罩杯' as 罩杯, CONCAT(ROUND(COUNT(*)/(select count(*) from bra) * 100, 2) , "%") as 比例, COUNT(*) as 销量  from bra where bra_size like '%A'

union all select 'B罩杯' as 罩杯, CONCAT(ROUND(COUNT(*)/(select count(*) from bra) * 100, 2) , "%") as 比例, COUNT(*) as 销量  from bra where bra_size like '%B'

union all select 'C罩杯' as 罩杯, CONCAT(ROUND(COUNT(*)/(select count(*) from bra) * 100, 2) , "%") as 比例, COUNT(*) as 销量  from bra where bra_size like '%C'

union all select 'D罩杯' as 罩杯, CONCAT(ROUND(COUNT(*)/(select count(*) from bra) * 100, 2) , "%") as 比例, COUNT(*) as 销量  from bra where bra_size like '%D'

union all select 'E罩杯' as 罩杯, CONCAT(ROUND(COUNT(*)/(select count(*) from bra) * 100, 2) , "%") as 比例, COUNT(*) as 销量  from bra where bra_size like '%E'

union all select 'F罩杯' as 罩杯, CONCAT(ROUND(COUNT(*)/(select count(*) from bra) * 100, 2) , "%") as 比例, COUNT(*) as 销量  from bra where bra_size like '%F'

union all select 'G罩杯' as 罩杯, CONCAT(ROUND(COUNT(*)/(select count(*) from bra) * 100, 2) , "%") as 比例, COUNT(*) as 销量  from bra where bra_size like '%G'

union all select 'H罩杯' as 罩杯, CONCAT(ROUND(COUNT(*)/(select count(*) from bra) * 100, 2) , "%") as 比例, COUNT(*) as 销量  from bra where bra_size like '%H'

order by 销量 desc;

　　（想知道是哪6位小姐姐买的 G       (～￣▽￣)～ ）

数据可视化

 　　数据的展示，我用了是 mycharts 模块，如果不了解的可以去 学习一下  http://pyecharts.org/#/zh-cn/prepare

 　　这里我就不细说了，直接贴代码看

# encoding: utf-8

# author zww

from pyecharts import Pie

from Include.commons.common import Common

if __name__ == '__main__':

   common = Common()

   results = common.queryData("""select count(*) from bra where bra_size like '%A'

           union all select count(*) from bra where bra_size like '%B'

           union all select count(*) from bra where bra_size like '%C'

           union all select count(*) from bra where bra_size like '%D'

           union all select count(*) from bra where bra_size like '%E'

           union all select count(*) from bra where bra_size like '%F'

           union all select count(*) from bra where bra_size like '%G'""")  # 获取每个罩杯数量

   attr = ["A罩杯", 'G罩杯', "B罩杯", "C罩杯", "D罩杯", "E罩杯", "F罩杯"]

   v1 = [results[0][0], results[6][0], results[1][0], results[2][0], results[3][0], results[4][0], results[5][0]]

   pie = Pie("内衣罩杯", width=1300, height=620)

   pie.add("", attr, v1, is_label_show=True)

   pie.render('size.html')

   print('success')

   results = common.queryData("""select count(*) from bra where bra_color like '%肤%'

       union all select count(*) from bra where bra_color like '%灰%'

       union all select count(*) from bra where bra_color like '%黑%'

       union all select count(*) from bra where bra_color like '%蓝%'

       union all select count(*) from bra where bra_color like '%粉%'

       union all select count(*) from bra where bra_color like '%红%'

       union all select count(*) from bra where bra_color like '%紫%'  

       union all select count(*) from bra where bra_color like '%绿%'

       union all select count(*) from bra where bra_color like '%白%'

       union all select count(*) from bra where bra_color like '%褐%'

       union all select count(*) from bra where bra_color like '%黄%' """)  # 获取每个罩杯数量

   attr = ["肤色", '灰色', "黑色", "蓝色", "粉色", "红色", "紫色", '绿色', "白色", "褐色", "黄色"]

   v1 = [results[0][0], results[1][0], results[2][0], results[3][0], results[4][0], results[5][0], results[6][0], results[7][0], results[8][0], results[9][0], results[10][0]]

   pieColor = Pie("内衣颜色", width=1300, height=620)

   pieColor.add("", attr, v1, is_label_show=True)

   pieColor.render('color.html')

   print('success')

　　这一章就到这里了，该知道的你也知道了，不该知道的你也知道了。