Crawle taoBao

男娘i 2022-09-04 09:44 114阅读 0赞

几个月前，姐姐跟我说要在淘宝上开一个网店，把家里池塘养的鱼做成零食去卖，因为网上有很多这种小鱼零食网店，看起来销量都还不错。

![请添加图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODI5NDA3Mw_size_16_color_FFFFFF_t_70]

姐姐知道我会一些在她们眼里比较“高超的技术”，所以就问我能不能帮她弄一些这方面的数据，因为在开店之前得做一些调查，比如说哪些价位的小鱼零食卖得最多这种调查。当然了，自己也可以手动去统计，但那很麻烦并容易出错，所以用技术来解决最为合适。

这对我来说倒不是什么很难的事情，于是抽空就给她去做了一波爬虫和数据分析，最后把数据结果给了她，经过她一分析之后，发现原来看似红海的小鱼零食市场，居然还有蓝海区域，在一番准备之后，姐姐就开始经营她的小鱼零食店铺，第一个月的除去成本和广告等支出，居然赚了3万多！

接下来，我给大家分享一下我是怎么用Python去给姐姐做的淘宝店铺市场调查。

--------------------

## 一、项目需求 ##

首先，我要爬取的目标网址自然是淘宝了，目标网址：

> https://s.taobao.com/search?q=%E5%B0%8F%E9%B1%BC%E9%9B%B6%E9%A3%9F&imgfile=&commend=all&ssid=s5-e&search\_type=item&sourceId=tb.index&spm=a21bo.21814703.201856-taobao-item.1&ie=utf8&initiative\_id=tbindexz\_20170306&bcoffset=4&ntoffset=4&p4ppushleft=2%2C48&s=0

然后我们来看一下姐姐的需求是有哪些：

> 1.爬取前10页淘宝商品的销量和金额，找出各价位商品销量，并用图形展示分析结果，价位按以下10个区间分：  
> ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODI5NDA3Mw_size_16_color_FFFFFF_t_70_pic_center]

> 2.爬取前10页淘宝商家的地理位置信息，并用图形展示分析结果。

> 3.爬取前10页中购买人数最多的10家店名和对于的小鱼零食链接（1家店1个链接即可）。

> 4.爬取购买人数最多的10家店铺中已购买的用户评论关键词，生成词图。

从上面这4个需求来看，很明显姐姐想要知道现在的小鱼零食市场店铺最多的是哪些价位、这些店铺在哪些区域、做得比较好的店铺有哪些以及用户最关心的是什么。

--------------------

## 二、效果预览 ##

代码我写了差不多2天的时间，基本上已经把姐姐的需求全部弄出来了，我们来看看效果。

**1.淘宝前10页的所有小鱼零食产品，在不同价位区间的数量情况。**

![在这里插入图片描述][c7d868f6f3884f3dabb2818180abd9fa.gif_pic_center]  
可以看出来，在10~30块钱的价位上，小鱼零食已经是一片红海了，卖的人太多，基本没得赚，其次是低于10块钱和30—50元这两个区间，卖的也很多；比较有意思的是70到90元这个区间，只有5家，110到130这个区间，只有1家。

**那么可以考虑一下做中高端的市场，这里还是一片蓝海。**

**2.全国卖小鱼零食的店铺区域分布图**

![在这里插入图片描述][6bee9dbdfc8f42dabad75f6f36df3638.gif_pic_center]  
姐姐家是在湖南，得益于洞庭湖水系的滋养，在网上卖小鱼零食的商家还是有不少的，其次便是沿海一带最为多，看来姐姐在生意上的竞争对手就在身边。

**3.购买人数最多的10家店铺链接**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODI5NDA3Mw_size_16_color_FFFFFF_t_70_pic_center 1]  
有了这个，姐姐就可以自己去经常参考别人是怎么做的了，其实这个在淘宝上也能勾选出来销量最多的产品，我不是很理解为什么要这么做，但还是做了。

**四、用户云词图**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODI5NDA3Mw_size_16_color_FFFFFF_t_70_pic_center 2]  
云词图我也只是做了一个比较粗糙的词图，我们可以看得出来，用户最关心的点就在包装品质、口感味道、保质期、商品分量等方面，在了解了用户最关心的点之后，产品的设计、店铺搭建、广告词等等东西就可以“对症下药”了。

--------------------

## 三、部分源码 ##

由于源码比较长，源文件有三个，所以这里我就只展示部分源码了，需要源码的可以找我，你们也可以自己去做一些别的品类的淘宝产品市场分析，没准你们也能发现更多的生财之道！

**部分源码：**

import csv
    import os
    import time
    import wordcloud
    from selenium import webdriver
    from selenium.webdriver.common.by import By
    
    
    def tongji():
        prices = []
        with open('前十页销量和金额.csv', 'r', encoding='utf-8', newline='') as f:
            fieldnames = ['价格', '销量', '店铺位置']
            reader = csv.DictReader(f, fieldnames=fieldnames)
            for index, i in enumerate(reader):
                if index != 0:
                    price = float(i['价格'].replace('¥', ''))
                    prices.append(price)
        DATAS = {'<10': 0, '10~30': 0, '30~50': 0,
                 '50~70': 0, '70~90': 0, '90~110': 0,
                 '110~130': 0, '130~150': 0, '150~170': 0, '170~200': 0, }
        for price in prices:
            if price < 10:
                DATAS['<10'] += 1
            elif 10 <= price < 30:
                DATAS['10~30'] += 1
            elif 30 <= price < 50:
                DATAS['30~50'] += 1
            elif 50 <= price < 70:
                DATAS['50~70'] += 1
            elif 70 <= price < 90:
                DATAS['70~90'] += 1
            elif 90 <= price < 110:
                DATAS['90~110'] += 1
            elif 110 <= price < 130:
                DATAS['110~130'] += 1
            elif 130 <= price < 150:
                DATAS['130~150'] += 1
            elif 150 <= price < 170:
                DATAS['150~170'] += 1
            elif 170 <= price < 200:
                DATAS['170~200'] += 1
    
        for k, v in DATAS.items():
            print(k, ':', v)
    
    
    def get_the_top_10(url):
        top_ten = []
        # 获取代理
        ip = zhima1()[2][random.randint(0, 399)]
        # 运行quicker动作（可以不用管）
        os.system('"C:\Program Files\Quicker\QuickerStarter.exe" runaction:5e3abcd2-9271-47b6-8eaf-3e7c8f4935d8')
        options = webdriver.ChromeOptions()
        # 远程调试Chrome
        options.add_experimental_option('debuggerAddress', '127.0.0.1:9222')
        options.add_argument(f'--proxy-server={ip}')
        driver = webdriver.Chrome(options=options)
        # 隐式等待
        driver.implicitly_wait(3)
        # 打开网页
        driver.get(url)
        # 点击部分文字包含'销量'的网页元素
        driver.find_element(By.PARTIAL_LINK_TEXT, '销量').click()
        time.sleep(1)
        # 页面滑动到最下方
        driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')
        time.sleep(1)
        # 查找元素
        element = driver.find_element(By.ID, 'mainsrp-itemlist').find_element(By.XPATH, './/div[@class="items"]')
        items = element.find_elements(By.XPATH, './/div[@data-category="auctions"]')
        for index, item in enumerate(items):
            if index == 10:
                break
            # 查找元素
            price = item.find_element(By.XPATH, './div[2]/div[1]/div[contains(@class,"price")]').text
            paid_num_data = item.find_element(By.XPATH, './div[2]/div[1]/div[@class="deal-cnt"]').text
            store_location = item.find_element(By.XPATH, './div[2]/div[3]/div[@class="location"]').text
            store_href = item.find_element(By.XPATH, './div[2]/div[@class="row row-2 title"]/a').get_attribute(
                'href').strip()
            # 将数据添加到字典
            top_ten.append(
                {'价格': price,
                 '销量': paid_num_data,
                 '店铺位置': store_location,
                 '店铺链接': store_href
                 })
    
        for i in top_ten:
            print(i)
    
    
    def get_top_10_comments(url):
        with open('排名前十评价.txt', 'w+', encoding='utf-8') as f:
            pass
        # ip = ipidea()[1]
        os.system('"C:\Program Files\Quicker\QuickerStarter.exe" runaction:5e3abcd2-9271-47b6-8eaf-3e7c8f4935d8')
        options = webdriver.ChromeOptions()
        options.add_experimental_option('debuggerAddress', '127.0.0.1:9222')
        # options.add_argument(f'--proxy-server={ip}')
        driver = webdriver.Chrome(options=options)
        driver.implicitly_wait(3)
        driver.get(url)
        driver.find_element(By.PARTIAL_LINK_TEXT, '销量').click()
        time.sleep(1)
        element = driver.find_element(By.ID, 'mainsrp-itemlist').find_element(By.XPATH, './/div[@class="items"]')
        items = element.find_elements(By.XPATH, './/div[@data-category="auctions"]')
        original_handle = driver.current_window_handle
        item_hrefs = []
        # 先获取前十的链接
        for index, item in enumerate(items):
            if index == 10:
                break
            item_hrefs.append(
                item.find_element(By.XPATH, './/div[2]/div[@class="row row-2 title"]/a').get_attribute('href').strip())
        # 爬取前十每个商品评价
        for item_href in item_hrefs:
            # 打开新标签
            # item_href = 'https://item.taobao.com/item.htm?id=523351391646&ns=1&abbucket=11#detail'
            driver.execute_script(f'window.open("{item_href}")')
            # 切换过去
            handles = driver.window_handles
            driver.switch_to.window(handles[-1])
    
            # 页面向下滑动一部分，直到让评价那两个字显示出来
            try:
                driver.find_element(By.PARTIAL_LINK_TEXT, '评价').click()
            except Exception as e1:
                try:
                    x = driver.find_element(By.PARTIAL_LINK_TEXT, '评价').location_once_scrolled_into_view
                    driver.find_element(By.PARTIAL_LINK_TEXT, '评价').click()
                except Exception as e2:
                    try:
                        # 先向下滑动100，放置评价2个字没显示在屏幕内
                        driver.execute_script('var q=document.documentElement.scrollTop=100')
                        x = driver.find_element(By.PARTIAL_LINK_TEXT, '评价').location_once_scrolled_into_view
                    except Exception as e3:
                        driver.find_element(By.XPATH, '/html/body/div[6]/div/div[3]/div[2]/div/div[2]/ul/li[2]/a').click()
            time.sleep(1)
            try:
                trs = driver.find_elements(By.XPATH, '//div[@class="rate-grid"]/table/tbody/tr')
                for index, tr in enumerate(trs):
                    if index == 0:
                        comments = tr.find_element(By.XPATH, './td[1]/div[1]/div/div').text.strip()
                    else:
                        try:
                            comments = tr.find_element(By.XPATH,
                                                       './td[1]/div[1]/div[@class="tm-rate-fulltxt"]').text.strip()
                        except Exception as e:
                            comments = tr.find_element(By.XPATH,
                                                       './td[1]/div[1]/div[@class="tm-rate-content"]/div[@class="tm-rate-fulltxt"]').text.strip()
                    with open('排名前十评价.txt', 'a+', encoding='utf-8') as f:
                        f.write(comments + '\n')
                        print(comments)
            except Exception as e:
                lis = driver.find_elements(By.XPATH, '//div[@class="J_KgRate_MainReviews"]/div[@class="tb-revbd"]/ul/li')
                for li in lis:
                    comments = li.find_element(By.XPATH, './div[2]/div/div[1]').text.strip()
                    with open('排名前十评价.txt', 'a+', encoding='utf-8') as f:
                        f.write(comments + '\n')
                        print(comments)
    
    
    def get_top_10_comments_wordcloud():
        file = '排名前十评价.txt'
        f = open(file, encoding='utf-8')
        txt = f.read()
        f.close()
    
        w = wordcloud.WordCloud(width=1000,
                                height=700,
                                background_color='white',
                                font_path='msyh.ttc')
        # 创建词云对象，并设置生成图片的属性
    
        w.generate(txt)
        name = file.replace('.txt', '')
        w.to_file(name + '词云.png')
        os.startfile(name + '词云.png')
    
    
    def get_10_pages_datas():
        with open('前十页销量和金额.csv', 'w+', encoding='utf-8', newline='') as f:
            f.write('\ufeff')
            fieldnames = ['价格', '销量', '店铺位置']
            writer = csv.DictWriter(f, fieldnames=fieldnames)
            writer.writeheader()
        infos = []
        options = webdriver.ChromeOptions()
        options.add_experimental_option('debuggerAddress', '127.0.0.1:9222')
        # options.add_argument(f'--proxy-server={ip}')
        driver = webdriver.Chrome(options=options)
        driver.implicitly_wait(3)
        driver.get(url)
        # driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')
        element = driver.find_element(By.ID, 'mainsrp-itemlist').find_element(By.XPATH, './/div[@class="items"]')
        items = element.find_elements(By.XPATH, './/div[@data-category="auctions"]')
        for index, item in enumerate(items):
            price = item.find_element(By.XPATH, './div[2]/div[1]/div[contains(@class,"price")]').text
            paid_num_data = item.find_element(By.XPATH, './div[2]/div[1]/div[@class="deal-cnt"]').text
            store_location = item.find_element(By.XPATH, './div[2]/div[3]/div[@class="location"]').text
            infos.append(
                {'价格': price,
                 '销量': paid_num_data,
                 '店铺位置': store_location})
        try:
            driver.find_element(By.PARTIAL_LINK_TEXT, '下一').click()
        except Exception as e:
            driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')
            driver.find_element(By.PARTIAL_LINK_TEXT, '下一').click()
        for i in range(9):
            time.sleep(1)
            driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')
            element = driver.find_element(By.ID, 'mainsrp-itemlist').find_element(By.XPATH, './/div[@class="items"]')
            items = element.find_elements(By.XPATH, './/div[@data-category="auctions"]')
            for index, item in enumerate(items):
                try:
                    price = item.find_element(By.XPATH, './div[2]/div[1]/div[contains(@class,"price")]').text
                except Exception:
                    time.sleep(1)
                    driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')
                    price = item.find_element(By.XPATH, './div[2]/div[1]/div[contains(@class,"price")]').text
                paid_num_data = item.find_element(By.XPATH, './div[2]/div[1]/div[@class="deal-cnt"]').text
                store_location = item.find_element(By.XPATH, './div[2]/div[3]/div[@class="location"]').text
                infos.append(
                    {'价格': price,
                     '销量': paid_num_data,
                     '店铺位置': store_location})
            try:
                driver.find_element(By.PARTIAL_LINK_TEXT, '下一').click()
            except Exception as e:
                driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')
                driver.find_element(By.PARTIAL_LINK_TEXT, '下一').click()
            # 一页结束
            for info in infos:
                print(info)
            with open('前十页销量和金额.csv', 'a+', encoding='utf-8', newline='') as f:
                fieldnames = ['价格', '销量', '店铺位置']
                writer = csv.DictWriter(f, fieldnames=fieldnames)
                for info in infos:
                    writer.writerow(info)
    
    
    if __name__ == '__main__':
        url = 'https://s.taobao.com/search?q=%E5%B0%8F%E9%B1%BC%E9%9B%B6%E9%A3%9F&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.21814703.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306&bcoffset=4&ntoffset=4&p4ppushleft=2%2C48&s=0'
        # get_10_pages_datas()
        # tongji()
        # get_the_top_10(url)
        # get_top_10_comments(url)
        get_top_10_comments_wordcloud()

*  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
 *  199
 *  200
 *  201
 *  202
 *  203
 *  204
 *  205
 *  206
 *  207
 *  208
 *  209
 *  210
 *  211
 *  212
 *  213
 *  214
 *  215
 *  216
 *  217
 *  218
 *  219
 *  220
 *  221
 *  222
 *  223
 *  224
 *  225
 *  226
 *  227
 *  228
 *  229
 *  230
 *  231
 *  232
 *  233
 *  234
 *  235
 *  236
 *  237
 *  238
 *  239
 *  240
 *  241
 *  242
 *  243
 *  244
 *  245
 *  246
 *  247
 *  248
 *  249

--------------------

## 四、我的姐姐 ##

大家是不是很好奇我的姐姐长什么样子？很抱歉哈，不能给大家看脸，只能给大家看一下姐姐的背影：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODI5NDA3Mw_size_16_color_FFFFFF_t_70_pic_center 3]

**那么今天的分享就到这里了，记得给我三连哈！**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODI5NDA3Mw_size_16_color_FFFFFF_t_70_pic_center 4]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODI5NDA3Mw_size_16_color_FFFFFF_t_70]: /images/20220829/4d14ea7769034d7ba843c70cd5b0df1f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODI5NDA3Mw_size_16_color_FFFFFF_t_70_pic_center]: /images/20220829/6ed5dce053cd4498a4d87d52d31f7ce0.png
[c7d868f6f3884f3dabb2818180abd9fa.gif_pic_center]: /images/20220829/79e8912d427344e2adc2c9651cd8a9be.png
[6bee9dbdfc8f42dabad75f6f36df3638.gif_pic_center]: /images/20220829/199843b65eb049f999271da4194a6c31.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODI5NDA3Mw_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20220829/100f078e995e48378afd5e8bef6cc5d3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODI5NDA3Mw_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20220829/a1888e26cba1459a944b606e212e2745.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODI5NDA3Mw_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20220829/ed44e762cfc1445ea566a06368c1f75e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODI5NDA3Mw_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20220829/6061f96c15704fe892161f68329b8697.png