爬什么值得买的榜单——爬虫练习题目一（问）

引言

最近在做什么呢
建立一套完整的信息输入输出系统
在我上一次炒股的过程中
我深刻意识到
打工的我是麻木的
打工的我是闭塞的
打工的我是得过且过的

加上工作性质
也不可能跟别人有太多的交流
所以信息获取渠道基本为0
然
重新打工的我
决定要建立一套完善的信息获取来源系统
帮助我能够嗅到风口的味道

所以 我才发布了这篇文章
人民日报霸榜微信区、国足背后的利益下台？——每日信息输入
从今天
开始我的信息输入

然
这个只是一些新闻
还不足以体现经济市场
我还需要进一步下沉到市场中

遂
我找了张大妈这个平台
里面的电脑数码区
爬取里面的价格
获取其中动态

具体原因

什么值得买
有很多的电脑产品爆料
可以一定程度上面反应科技界的发展变化
比如 2023年年中 的硬盘降价 探寻原因 发现国产的存储在崛起
是一个很不错的题材

网站

最终我选定了这个网站，这也是我长久以来一直关注的
有时候价格不错的产品
我就会出手

https://faxian.smzdm.com/h3s0t0f163c5p1/#filter-block

思路

总体

爬取网址：https://faxian.smzdm.com/h3s0t0f163c5p1/#filter-block（什么值得买的12小时热榜、电脑数码专区）
爬取目标：

1. 主图
2. 平台
3. 标题
4. 价格
5. 评论数
6. 链接

初步目标是先爬取这些信息
后面再进一步整理
当然这些信息爬取出来之后
也是要做可视化处理的
不能是简单的数据
那样
就没什么意思了

我让AI给个框架

编写一个爬虫程序来抓取“什么值得买”网站的12小时热榜（电脑数码专区）信息

1. 项目初始化与依赖安装

• 创建一个新的Python项目目录。
• 使用pip安装必要的库，如requests用于发送HTTP请求，beautifulsoup4或lxml用于解析HTML内容，以及pandas用于数据处理和存储。

pip install requests beautifulsoup4 pandas

2. 定义数据模型

• 定义一个数据类或字典结构来存储每条商品详情，包括主图URL、平台名称、标题、价格、评论数及链接。

class Product:
    def __init__(self, main_img_url, platform, title, price, comments_count, link):
        self.main_img_url = main_img_url
        self.platform = platform
        self.title = title
        self.price = price
        self.comments_count = comments_count
        self.link = link

3. 网络请求模块

• 创建一个函数用于发送GET请求到目标网址，并返回网页内容。

import requests

def fetch_page_content(url):
    headers = {
   ...}  # 添加合适的请求头，例如User-Agent等
    response = requests.get(url, headers=headers)
    response.raise_for_status()  # 检查响应状态码
    return response.text

4. 页面解析模块

• 使用BeautifulSoup解析HTML内容，定位到包含商品信息的部分，并遍历提取所需字段。

from bs4 import BeautifulSoup

def parse_product_info(html_content):
    soup = BeautifulSoup(html_content, 'html.parser')
    product_list = []

    # 找到商品列表元素（具体CSS选择器需要根据实际HTML结构确定）
    product_elements = soup.select('.product-list-item')  # 假设这是商品容器的选择器

    for item in product_elements:
        # 提取每个商品的信息
        main_img = item.find('img')['src']  # 主图URL
        platform = item.find('.platform').text  # 平台名称
        title = item.find('.title').text  # 标题
        price = item.find('.price').text  # 价格
        comments_count = item.find('.comments-count').text  # 评论数
        link = item.find('.link')['href']  # 商品链接

        # 将信息封装为Product对象并添加到产品列表中
        product = Product(main_img, platform, title, price, comments_count, link)
        product_list.append(product)

    return product_list

5. 数据存储模块

• 将抓取到的商品信息保存到本地文件，可以选择CSV、JSON或者数据库等形式。

import pandas as pd

def save_to_csv(products):
    df = pd.DataFrame([vars(p) for p in products])  # 将Product对象转为DataFrame
    df.to_csv('smzdm_products.csv', index=False)  # 存储为CSV文件

6. 主程序流程

• 组织整个爬虫流程，调用上述各模块方法。

if __name__ == '__main__':
    target_url = "https://faxian.smzdm.com/h3s0t0f163c5p1/#filter-block"
    
    # 获取网页内容
    content = fetch_page_content(target_url)

    # 解析内容获取商品信息
    products = parse_product_info(content)

    # 存储结果
    save_to_csv(products)

请根据实际网页源代码调整CSS选择器以正确匹配所需的数据节点。

AI，还得是您呀！

结尾

我想着是要做完再发
还是这种形式
问了边做再发
最后
决定这一种
两个原因

1. 我渴了
2. 我希望能够吸引更多的人互动，参与进来

整体的代码明天发，最迟后天，看情况
那么