怎么做网站教程html文本文档软文素材网站
电商数据分析是个香饽饽，可市面上的数据采集工具要不贵得吓人，要不就是各种广告弹窗。干脆自己动手写个爬虫，想抓啥抓啥，还能学点技术。今天咱聊聊怎么用Python写个简单的电商数据爬虫。
打好基础：搞定请求头
别看爬虫很牛，但基础工作得做足。浏览器访问网页时会带上各种 请求头信息 ，咱们写爬虫也得模仿这个行为，不然分分钟被网站拦截。
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36',
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5',
}
温馨提示：每个网站的反爬策略不一样，有时候可能需要加上Cookie、Referer等信息。要是遇到了再加就成。
发起请求：requests库来帮忙
发请求用 requests库 准没错，简单好用还稳定。pip安装一下就能用：
import requests
def get_page(url):
try:
response = requests.get(url, headers=headers, timeout=5)
return response.text
except Exception as e:
print(f'哎呀，出错了：{e}')
return None
解析数据：BeautifulSoup大显神通
拿到网页内容后，就该解析数据了。 BeautifulSoup 是个好帮手，把乱糟糟的HTML转成结构化的数据：
from bs4 import BeautifulSoup
def parse_product(html):
if not html:
return []
soup = BeautifulSoup(html, 'html.parser')
products = []
items = soup.find_all('div', class_='item') # 具体class名要看网站结构
for item in items:
product = {
'title': item.find('div', class_='title').text.strip(),
'price': item.find('span', class_='price').text.strip(),
'sales': item.find('span', class_='sales').text.strip()
}
products.append(product)
return products
存储数据：pandas帮你整理
数据爬下来了，得好好存起来。用 pandas 转成Excel，分析起来贼方便：
import pandas as pd
def save_data(products):
df = pd.DataFrame(products)
df.to_excel('products.xlsx', index=False)
print(f'搞定！共保存了{len(products)}条数据')
完整代码：整合一下
把上面的代码整合一下，就能一键采集数据了：
def main():
base_url = 'https://example.com/products?page={}' # 替换成实际的网站
all_products = []
for page in range(1, 6): # 采集5页数据
url = base_url.format(page)
print(f'正在爬取第{page}页...')
html = get_page(url)
products = parse_product(html)
all_products.extend(products)
time.sleep(1) # 别爬太快，对别人服务器好点
save_data(all_products)
if __name__ == '__main__':
main()
温馨提示：记得改成你要爬的网站地址，不同网站的HTML结构不一样，解析规则也得相应调整。
反爬处理：多动点小脑筋
网站肯定不愿意让你随便爬数据，咱得讲究点技巧：
-
IP代理池：换着IP访问，降低被封风险
-
随机延时：别一直用固定间隔，显得太机械
-
随机UA：多准备几个User-Agent轮着用
-
验证码处理：遇到验证码可以用OCR识别
这个爬虫还挺实用，不光能爬电商数据，改改解析规则，啥数据都能爬。写爬虫最重要的是要有耐心，遇到问题别着急，慢慢调试就成。代码写好了，运行起来那叫一个爽，分分钟几千条数据到手。