用Python爬取某宝商品数据~终于买到心仪的棉袄了。

最新推荐文章于 2026-05-06 17:34:23 发布

原创最新推荐文章于 2026-05-06 17:34:23 发布 · 688 阅读

3 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#python #开发语言 #后端

Python 同时被 2 个专栏收录

88 篇文章

订阅专栏

程序员

85 篇文章

订阅专栏

本文介绍了如何使用Python爬取淘宝商品数据，特别是棉袄类商品，通过数据采集、清洗和可视化分析，揭示棉袄的流行趋势、价格分布和销量排行，帮助找到心仪的商品。

导语：

前两天不是冬至吗外边那风刮得巨大堪比渣男的心拔凉拔凉的~结果我那憨批室友还作死穿了个牛仔外套加线衣就跑出去啦。好家伙那喷嚏打的小编还以为夜里打雷了~😱

然后一问我那憨憨室友为啥还不赶紧整上大棉袄~好家伙原来是逛某宝几小时都没看上满意的，好不容易赶紧挑了件结果还缺货了快递一直没发出！结果就出门冻成狗了~🥶

小编差点以为这女人就是单纯要风度不要温度的😅

得知原因小编理解了的确很多时候咱们脑子里边有想要的风格~就是不知道干怎么打出关键字搜索。打出了关键字叭这出来的商品也是咱想要的呀结果就是白逛一两小时。所以小编就准备出这期啦~有同等烦恼的铁汁们不要慌！！接下来跟着小编看看用python是怎么爬取商品信息的。学会了还怕找不到想要的商品~

1.数据采集

数据采集是数据可视化分析的第一步，也是最基础的一步，数据采集的数量和质量越高，后面分析的准确的也就越高，我们来看一下淘宝网的数据该如何爬取。

淘宝网站是一个动态加载的网站，我们之前可以采用解析接口或者用Selenium自动化测试工具来爬取数据，但是现在淘宝对接口进行了加密，使我们很难分析出来其中的规律，同时淘宝也对Selenium进行了反爬限制，所以我们要换种思路来进行数据获取。

打开开发者模式，开始对网页进行观察后发现，淘宝商品的数据竟然在源网页中存储着。

我翻了几页网页之后发现，每翻一页，网页的params参数中的s参数就会增加44(初始值是0)。

经过以上分析，现在我们就可以开始构造爬虫程序了。

01 导入爬虫使用的库

import requests
import re
import time
import random
import openpyxl

02 发起请求

for page in range(1,101):
   params = (
       ('q', '棉袄'),
       ('imgfile', ''),
       ('commend', 'all'),
       ('ssid', 's5-e'),
       ('search_type', 'item'),
       ('sourceId', 'tb.index'),
       ('spm', 'a21bo.jianhua.201856-taobao-item.2'),
       ('ie', 'utf8'),
       ('initiative_id', 'tbindexz_20170306'),
       ('hintq', '1'),
       ('s', str(page*44)),
   )
response = requests.get(url,  params=params)

03 数据存储

 a = 0
   b = 0
   for i in range(44):
       try:
           sheet.append([dianpumingcheng[i],shangpinming[i],float(jiage[i]),fahuodi[i],fukuanrenshu[i]])
       except:
           a+=1
           if a>30:
               print(f"第{page}页数据未爬取......")
               wb.save('棉袄.xlsx')
               # 把xxx改成你想要的存储的名称即可
               b = 1
               break
   if b == 1:
       break
   print(f"已爬取完第{page}页数据......")
   time.sleep(random.randint(3,5))
print(f'共爬取{page}页数据......')

2 数据清洗

数据采集后，要对其进行清洗，剔除脏数据，用以提高分析的准确性。

01

导入商品数据

用pandas读取爬取后的商品数据并预览。

mport pandas as pd
df = pd.read_excel('棉袄.xlsx',names=['店铺名称','商品名','价格','产地','付款人数'])
print(df.head())

删除重复数据

df.drop_duplicates()

删除重复数据后，还有2008条数据。

03

数据类型转换

我们发现付款人数是字符串类型，我们需要将其转换成整数类型。

wb = openpyxl.load_workbook('棉袄.xlsx')
int_list = []
sheet = wb['Sheet']
for i in range(2,2008):
   str = sheet[f'E{i}'].value
   if '万+' in str:
       int_list.append(int(int(str[:-2])*random.uniform(1,2)*10000))
   elif '+' in str:
       int_list.append(int(int(str[:-1])+random.random()*1000))
   else:
       int_list.append(int(str))
for i in range(2,2008):
   sheet.cell(i,5).value = int_list[i-2]
wb.save('3.xlsx')

查看数据类型

查看字段类型和缺失值情况，符合分析需要，无需另做处理。

df.info()

3.可视化分析

我们来对这2008家棉袄商品数据进行可视化分析。可视化图是由Python、Tableau和Excel共同绘制而来。

在售棉袄特点

通过对棉袄的商品名称进行词云图绘制，我们发现，今年棉袄的样式以宽松、潮流、韩版、短款类居多。

制作代码如下：

from imageio import imread
import jieba
from wordcloud import WordCloud, STOPWORDS

with open("1.txt",'r',encoding='utf-8') as f:
 job_title_1 = f.read()
contents_cut_job_title = jieba.cut(job_title_1)
contents_list_job_title = " ".join(contents_cut_job_title)
wc = WordCloud(stopwords=STOPWORDS.add("一个"), collocations=False,
            background_color="white",
            font_path=r"K:\msyh.ttc",
            width=400, height=300, random_state=42,
            mask=imread('棉袄.jpg', pilmode="RGB")
            )
wc.generate(contents_list_job_title)
wc.to_file("推荐语.png")

各省产量分布图

通过对各商品的产地数据进行统计并绘制了全国地图，我们发现浙江、广东和福建这三个地方生产棉袄最多，分别是914家、261家和203家。

制作代码如下：

import openpyxl
from collections import Counter
from pyecharts import Map
wb = openpyxl.load_workbook('棉袄.xlsx')
sheet = wb['Sheet']
a = []
for i in range(2,1960):
 D = sheet[f'D{i}']
 a.append(D.value)
province_distribution = dict(Counter(a))
provice = list(province_distribution.keys())
values = list(province_distribution.values())
map = Map("中国地图",width=1200, height=600)
map.add("", provice, values, visual_range=[0, 50], maptype='china', is_visualmap=True,
visual_text_color='#000',is_label_show=True)
map.render(path="地图.html")

我们进一步对浙江省的产地数据进行分析发现，杭州的棉袄商家最多，占全省的40%。