爬取思路

闲鱼网站原关键字直接搜索地址关闭。

经过查找，找到能搜索关键字的链接https://s.2.taobao.com/list/?q=关键字&page=2&search_type=item&_input_charset=utf8

经过多次爬取发现闲鱼并没有太多的反爬虫验证，索性连ua都不用给。【2019-08-07在之前爬取频率过多接口失效】目前只能做异步方式参考

闲鱼只能爬取某一个关键字商品前100页面。想要获取所有数据的思路：100页的数据量100x20=2k条左右，全部商品有200k，爬取商品总数量，按照地区分级爬取，如果分级后仍然大于2k，继续分地级。

只提供思路，并未实现 

image.png

image.png

操作csv

在存储的过程中发现编码出现了问题。使用utf_8_sig解决。

pyquery解析数据

pyquery解析商品数据返回可迭代的对象。

pyquery可以根据class，id，div的属性进行解析。

异步爬取

核心使用异步请求的方式传送门README

异步爬取

核心使用异步请求的方式传送门README

项目部分代码.py

具体项目在另外的仓库，文件太大没有搬运

更新使用方式、7-25日 项目仍然能继续运行 接口失效后，应该不能爬取，只能作为练习思路学习

结果对比

单线程爬取时间

异步爬取时间

忘了截图*100次请求大概用了6-8s

运行环境

 python3.5

 requirements.txt