php如何爬取天猫和淘宝商品数据

系统管理员 2024-03-23 19:55 41阅读 0赞

这篇文章主要介绍了php如何爬取天猫和淘宝商品数据，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

**一、思路**

最近做了一个网站用到了从网址爬取天猫和淘宝的商品信息，首先看了下手机端的网页发现用的react，不太了解没法搞，所以就考虑从PC入口爬取数据，但是当爬取URL获取数据时并没有获取价格，库存等的信息，仔细研究了下发现是异步请求了另一个接口，但是接口要使用refer才能获取数据，于是就通过以下方式写了一个简单的爬虫，用于爬取商品预览图和商品的第一个分类的价格、库存等。

**二、实现**

代码如下：

function crawlUrl($url){
 import('PhpQuery.Curl');
  $curl=new \Curl();
  $result = $curl->read($url);
  $content = mb_convert_encoding( $result['content'], 'UTF-8', 'UTF-8,GBK,GB2312,BIG5' );
  $myres=array();
  if(strrpos($url,'taobao.com')!=false) {
   //匹配是否下架
   if(strpos($content,'此宝贝已下架')!==false){
    return false;
   }
   preg_match("|itemId   : '(.*)'|isU", $content, $match);
   $item_id=$match[1];
   preg_match("|sellerId   : '(.*)'|isU", $content, $match);
   $sellet_id=$match[1];
   preg_match("|<title>(.*)</title>|isU",$content,$match);
   $title=$match[1];
   //价格库存信息
   $ch = curl_init();
   curl_setopt ($ch, CURLOPT_URL, '/tupian/20230522/sib.htm
   $opt[CURLOPT_HEADER]=false;
   $opt[CURLOPT_CONNECTTIMEOUT]=15;
   $opt[CURLOPT_TIMEOUT]=300;
   $opt[CURLOPT_AUTOREFERER]=true;
   $opt[CURLOPT_USERAGENT]='Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.47 Safari/536.11';
   curl_setopt_array($ch,$opt);
   curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);
   curl_setopt ($ch,CURLOPT_REFERER,$url);
   curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
   $out_put=curl_exec ($ch);
   curl_close ($ch);
   $res=str_replace('onSibRequestSuccess(',"",$out_put);
   $res=rtrim($res,');1');
   $result=json_decode($res,true);
   //查询出图片信息
   preg_match('|<ul id="J_UlThumb" class="tb-thumb tb-clearfix">(.*)</ul>|isU', $content, $match);
   preg_match_all('/<img data-src="(.*?)" \//', $match[1], $images);
 
   $myres['title']=str_replace('-淘宝网','',$title);
 
   $myres['price']=current($result['data']['originalPrice']);
 
   $myres['act_price']=current($result['data']['promotion']['promoData']);
 
   $myres['stock']=$result['data']['dynStock']['stock'];
 
   $myres['banners']=$images[1];
  }else{
   //匹配是否下架
   if(strpos($content,'此宝贝已下架')!==false){
    return false;
   }
   $start=strpos($url,'&id=');
   $item_id=substr($url,$start+4,12);
   if(!is_numeric($item_id)){
    $start=strpos($url,'?id=');
    $end=strpos($url,'&spm');
    $item_id=substr($url,$start+4,$end-$start-4);
   }
   preg_match("|<title>(.*)</title>|isU",$content,$match);
   $title=$match[1];
   $myurl='/tupian/20230522/initItemDetail.htm
   //价格库存信息
   $ch = curl_init();
   curl_setopt ($ch, CURLOPT_URL, $myurl);
   $opt[CURLOPT_HEADER]=false;
   $opt[CURLOPT_CONNECTTIMEOUT]=15;
   $opt[CURLOPT_TIMEOUT]=300;
   $opt[CURLOPT_AUTOREFERER]=true;
   $opt[CURLOPT_USERAGENT]='Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.47 Safari/536.11';
   curl_setopt_array($ch,$opt);
   curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);
   curl_setopt ($ch,CURLOPT_REFERER,$url);
   curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
   $out_put=curl_exec ($ch);
   curl_close ($ch);
   $res = mb_convert_encoding( $out_put, 'UTF-8', 'UTF-8,GBK,GB2312,BIG5' );
   $res=str_replace('setMdskip',"",$res);
   $res=str_replace('(',"",$res);
   $res=str_replace(')',"",$res);
   $result=json_decode($res,true);
   $nowk="";
   $nowstore="";
   foreach($result['defaultModel']['inventoryDO']['skuQuantity'] as $k=>$val){
    $nowk=$k;
    $nowstore=$val;
    break;
   }
 
   $myres['title']=str_replace('-tmall.com天猫','',$title);
 
   $myres['price']=$result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk]['price'];
 
   $myres['act_price']=isset($result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk]['suggestivePromotionList'])?$result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk]['suggestivePromotionList']:$result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk];
 
   $myres['stock']=$result['defaultModel']['inventoryDO']['totalQuantity']?$result['defaultModel']['inventoryDO']['totalQuantity']:$nowstore['quantity'];
   //查询出图片信息
   preg_match('|<ul id="J_UlThumb" class="tb-thumb tm-clear">(.*)</ul>|isU',$content, $match);
   preg_match_all('/<img src="(.*?)" \//',$match[1],$images);
   $myres['banners']=$images[1];
  }
  return $myres;
 }

上述代码用到phpquery的库，但是其实没啥用，直接用Curl就行，具体爬取的数据可以穿参查看结果，方法不区分淘宝和天猫链接，但是前提是必须是PC端链接，另外正则写的不规范，所以可以自己重写正则来匹配数据。

### 封装后的接口名称：item\_get ###

[响应字段表-试用API数据][-_API]

<table> 
 <thead> 
 <tr> 
 <th>名称</th> 
 <th>类型</th> 
 <th>必须</th> 
 <th>示例值</th> 
 <th>描述</th> 
 </tr> 
 </thead> 
 <tbody> 
 <tr> 
 <td> item </td> 
 <td>item[]</td> 
 <td>1</td> 
 <td></td> 
 <td>宝贝详情数据</td> 
 </tr> 
 <tr> 
 <td> num_iid </td> 
 <td>Bigint</td> 
 <td>1</td> 
 <td>520813250866</td> 
 <td>宝贝ID</td> 
 </tr> 
 <tr> 
 <td> title </td> 
 <td>String</td> 
 <td>1</td> 
 <td>三刃木折叠刀过安检创意迷你钥匙扣钥匙刀军刀随身多功能小刀包邮</td> 
 <td>宝贝标题</td> 
 </tr> 
 <tr> 
 <td> desc_short </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td>商品简介</td> 
 </tr> 
 <tr> 
 <td> promotion_price </td> 
 <td>Int</td> 
 <td>0</td> 
 <td></td> 
 <td>优惠价</td> 
 </tr> 
 <tr> 
 <td> price </td> 
 <td>Float</td> 
 <td>1</td> 
 <td>25.8</td> 
 <td>价格</td> 
 </tr> 
 <tr> 
 <td> total_price </td> 
 <td>Float</td> 
 <td>0</td> 
 <td>0</td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> suggestive_price </td> 
 <td>Float</td> 
 <td>0</td> 
 <td>0</td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> orginal_price </td> 
 <td>String</td> 
 <td>0</td> 
 <td>25.80</td> 
 <td>原价</td> 
 </tr> 
 <tr> 
 <td> nick </td> 
 <td>String</td> 
 <td>0</td> 
 <td>欢乐购客栈</td> 
 <td>掌柜昵称</td> 
 </tr> 
 <tr> 
 <td> num </td> 
 <td>Int</td> 
 <td>0</td> 
 <td>3836</td> 
 <td>库存</td> 
 </tr> 
 <tr> 
 <td> min_num </td> 
 <td>Int</td> 
 <td>0</td> 
 <td>0</td> 
 <td>最小购买数</td> 
 </tr> 
 <tr> 
 <td> detail_url </td> 
 <td>String</td> 
 <td>0</td> 
 <td>http://item.taobao.com/item.htm?id=520813250866</td> 
 <td>宝贝链接</td> 
 </tr> 
 <tr> 
 <td> pic_url </td> 
 <td>String</td> 
 <td>1</td> 
 <td>//gd2.alicdn.com/imgextra/i4/2596264565/TB2p30elFXXXXXQXpXXXXXXXXXX_!!2596264565.jpg</td> 
 <td>宝贝图片</td> 
 </tr> 
 <tr> 
 <td> brand </td> 
 <td>String</td> 
 <td>0</td> 
 <td>三刃木</td> 
 <td>品牌名称</td> 
 </tr> 
 <tr> 
 <td> brandId </td> 
 <td>Int</td> 
 <td>0</td> 
 <td>8879363</td> 
 <td>品牌ID</td> 
 </tr> 
 <tr> 
 <td> rootCatId </td> 
 <td>Int</td> 
 <td>0</td> 
 <td>50013886</td> 
 <td>顶级分类ID</td> 
 </tr> 
 <tr> 
 <td> cid </td> 
 <td>Int</td> 
 <td>1</td> 
 <td>50014822</td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> crumbs </td> 
 <td>Mix</td> 
 <td>0</td> 
 <td>[]</td> 
 <td>导航菜单</td> 
 </tr> 
 <tr> 
 <td> created_time </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> modified_time </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> delist_time </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> desc </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td>商品详情</td> 
 </tr> 
 <tr> 
 <td> desc_img </td> 
 <td>Mix</td> 
 <td>0</td> 
 <td>[]</td> 
 <td>商品详情图片</td> 
 </tr> 
 <tr> 
 <td> item_imgs </td> 
 <td>Mix</td> 
 <td>0</td> 
 <td>item_imgs[]</td> 
 <td>商品图片</td> 
 </tr> 
 <tr> 
 <td> item_weight </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> item_size </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> location </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td>发货地</td> 
 </tr> 
 <tr> 
 <td> express_fee </td> 
 <td>Float</td> 
 <td>0</td> 
 <td>0.00</td> 
 <td>快递费用</td> 
 </tr> 
 <tr> 
 <td> ems_fee </td> 
 <td>Float</td> 
 <td>0</td> 
 <td></td> 
 <td>EMS费用</td> 
 </tr> 
 <tr> 
 <td> post_fee </td> 
 <td>Float</td> 
 <td>0</td> 
 <td></td> 
 <td>物流费用</td> 
 </tr> 
 <tr> 
 <td> shipping_to </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td>发货至</td> 
 </tr> 
 <tr> 
 <td> has_discount </td> 
 <td>Boolean</td> 
 <td>0</td> 
 <td>false</td> 
 <td>是否有优惠</td> 
 </tr> 
 <tr> 
 <td> video </td> 
 <td>video[]</td> 
 <td>0</td> 
 <td></td> 
 <td>商品视频</td> 
 </tr> 
 <tr> 
 <td> is_virtual </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> is_promotion </td> 
 <td>Boolean</td> 
 <td>0</td> 
 <td>false</td> 
 <td>是否促销</td> 
 </tr> 
 <tr> 
 <td> props_name </td> 
 <td>String</td> 
 <td>0</td> 
 <td>1627207:1347647754:颜色分类:长方形带开瓶器+送工具刀卡+链子;1627207:1347647753:颜色分类:椭圆形带开瓶器+送工具刀卡+链子;</td> 
 <td>商品属性名。格式为pid1:vid1:name1:value1;pid1:vid2:name2:value2。</td> 
 </tr> 
 <tr> 
 <td> prop_imgs </td> 
 <td>prop_imgs[]</td> 
 <td>0</td> 
 <td></td> 
 <td>商品属性图片列表</td> 
 </tr> 
 <tr> 
 <td> property_alias </td> 
 <td>String</td> 
 <td>0</td> 
 <td>20509:9974422:36;1627207:28326:红色;20509:9975710:38;1627207:28326:红色;20509:9981357:40;1627207:28326:红色</td> 
 <td>销售属性值别名。格式为pid1:vid1:alias1;pid1:vid2:alia2。</td> 
 </tr> 
 <tr> 
 <td> props </td> 
 <td>Mix</td> 
 <td>0</td> 
 <td>[{ "name": "产地","value": "中国" }]</td> 
 <td>商品属性</td> 
 </tr> 
 <tr> 
 <td> total_sold </td> 
 <td>Int</td> 
 <td>0</td> 
 <td></td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> skus </td> 
 <td>skus[]</td> 
 <td>0</td> 
 <td></td> 
 <td>商品规格信息列表</td> 
 </tr> 
 <tr> 
 <td> seller_id </td> 
 <td>Int</td> 
 <td>0</td> 
 <td>2844096782</td> 
 <td>卖家ID</td> 
 </tr> 
 <tr> 
 <td> sales </td> 
 <td>Int</td> 
 <td>0</td> 
 <td>138</td> 
 <td>销量</td> 
 </tr> 
 <tr> 
 <td> shop_id </td> 
 <td>Int</td> 
 <td>0</td> 
 <td>151372205</td> 
 <td>店铺ID</td> 
 </tr> 
 <tr> 
 <td> props_list </td> 
 <td>Mix</td> 
 <td>0</td> 
 <td>{20509:9974422: 尺码:36}</td> 
 <td>商品属性</td> 
 </tr> 
 <tr> 
 <td> seller_info </td> 
 <td>seller_info[]</td> 
 <td>1</td> 
 <td></td> 
 <td>卖家信息</td> 
 </tr> 
 <tr> 
 <td> tmall </td> 
 <td>Boolean</td> 
 <td>0</td> 
 <td>false</td> 
 <td>是否天猫</td> 
 </tr> 
 <tr> 
 <td> error </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td>错误信息</td> 
 </tr> 
 <tr> 
 <td> warning </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td>警告信息</td> 
 </tr> 
 <tr> 
 <td> url_log </td> 
 <td>Mix</td> 
 <td>0</td> 
 <td>[]</td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> favcount </td> 
 <td>Int</td> 
 <td>0</td> 
 <td>0</td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> fanscount </td> 
 <td>Int</td> 
 <td>0</td> 
 <td>0</td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> method </td> 
 <td>String</td> 
 <td>0</td> 
 <td>item_tmall:pget_item</td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> promo_type </td> 
 <td>String</td> 
 <td>0</td> 
 <td></td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> props_img </td> 
 <td>Mix</td> 
 <td>0</td> 
 <td>1627207:28326": "//img.alicdn.com/imgextra/i2/2844096782/O1CN01VrjpXt1zyCc9DvERE_!!2844096782.jpg</td> 
 <td>属性图片</td> 
 </tr> 
 <tr> 
 <td> shop_item </td> 
 <td>Mix</td> 
 <td>0</td> 
 <td>[]</td> 
 <td></td> 
 </tr> 
 <tr> 
 <td> relate_items </td> 
 <td>Mix</td> 
 <td>0</td> 
 <td>[]</td> 
 </tr> 
 </tbody> 
</table>

[-_API]: https://o0b.cn/jennif