Question

python爬虫求一个只用requests库和beautifulsoup库抓取淘宝目录页面内容的框架。。自己抓不出来。绝望。

如果方便的话，能不能写一下步骤的大概意思。。。现在写的一直重复抓同一个东西。。看了人家的还是迷迷糊糊的。。如果淘宝这些库不能解决的话。。抓个类似的。网站目录也行。。就是想练习一下，类似淘宝这种html页面比较复杂的这种。

Answer 1

1. 可以将网页下载下来先练习 BeautifulSoup 的解析。

2. requests  请求也是一样先各个击破的学习。

3. 淘宝的请求回来的页面 html 没有目录数据，是因为有可能他们的页面渲染是通过 JS 来渲染的，所以你只用 BeautifulSoup 是不行的。需要使用其他支持 JS 的库。
   

追问

如果爬京东这种，爬取那些职业类型，薪水什么的，只用这两个，应该怎么爬，之前爬了一次，但是一直在单独循环爬爬取到的第一个。。。

追答

尽量模拟真实用户的请求行为吧。毕竟它总会响应用户请求的。
比如我上面说的尝试一下一些支持 JS 的库。

Answer 2

我最近在写淘宝爬虫，只用requests库：登录目前解决了，基本100%登录。
就是爬取pc网页时太频繁会出现滑块验证码，我试了好多次最多爬到2000条数据，只用requests库很难解决淘宝的滑块验证！
爬取淘宝遇到的问题太多了，各种反扒。。。。
教程这几天就写出来了，你可以关注我的vx公号：「裸睡的猪」，回复：淘宝 获取教程

Answer 3

京东比较好爬，只要有个user-agent的请求头就能爬取，淘宝的话比较难，因为反爬做的很好

追问

可以写个爬京东的例子么。想看一下示范。非常感谢，自己琢磨不出来了。。绝望。。

追答

嗯⊙∀⊙！要不要加个好友讨论一下

追问

好的，感谢大佬!QQ方便么

追答

私信啦

追问

好的，非常感谢

Answer 4

淘宝的话有防采集，你要采集的话第一步要先模拟登录，然后可以通过开发者工具获取请求接口。

Answer 5

淘宝的话比较难，因为反爬做的很好