taobao 爬虫基本思路分享
原创置顶 yellowhatgood 最后发布于2016-08-17 17:39:58 阅读数 7236 收藏
展开
关于taobao 爬取 下面做一个分享，大家一起研究
1. taobao, tmall 店铺数据
在官网上我们可以通过 search 接口 （https://shopsearch.taobao.com/search?app=shopsearch&q=iphone ）获取前 1020 页数据，界面展示是 100页数据 每页数据 20条，即2000条,现在通过
2. item 接口（又称之为 商品接口 json）
该接口可以快速的获取店铺商品信息，获取店铺是第 1 步，第2步通过该 接口获取所有店铺商品信息， 以下展示 2 个接口
（1. old : http://s.m.taobao.com/search?m=api4h5&nick=%E7%92%90%E7%92%90%E5%98%89%E5%98%89&n=40&page=1 ) // 通过店铺 昵称
(2. new : http://api.s.m.taobao.com/search.json?m=shopitemsearch&sellerId=263817957&n=40&page=1 ） // 通过卖家 sellerId
以上两个接口可以很轻松的返回店铺所有商品数据，这样对收集店铺数据就显的十分重要，为进一步获取 sku 数据打下关键的基本，他是一个 一对多接口 (一个接口多对数据)
3. sku 数据 （json 数据）
sku 数据即 detail 数据，在这里可以获取商品的所有信息 价格，库存，销量 ，运费等信息，我们先看一个 pc 端接口
1. pc （ https://mdskip.taobao.com/core/initItemDetail.htm?tmallBuySupport=true&itemId=itemId ） // itemId 即上面获取的 店铺 items 所有数据
这个接口直接访问不行，需要添加一定的 http 头消息 如 Referer, UpgradeInsecureRequests , CacheControl 等信息，启用 tls 请求即可 返回 json 数据
2. mobile 1 ( https://hws.m.taobao.com/cache/wdetail/5.0/?id=39783398037 ）
这是一个非常高效的接口 cache 接口，未有任何校验直接取数 如下
这个接口直接请求即可获取详细的 json 数据， 这里包括 商品价格，sku 信息，销量， 运费， 支付方式，店铺，促销信息等
3. mobile 2 (tmall: https://detail.m.tmall.com/item.htm?id=39783398037 )
该接口很正常的返回页面数据，在页面数据中，包函完整的 sku 全部信息，这是直接可以解析与处理的，访问一个手机页面未有什么校验直接即可以获取 建议添加用户信息检验与加密算法
4. app client
在早期 taobao app 中，曾经有人破解出收费 app key
appKey = "12278902";
secret = "744e7d7e7028b817bd9f8f3c6f28a8d3";
通过这个 appkey 我们可以大方的使用 open.api 了如获取以下信息
5.关于动态IP
现在通过与运营商合作可以方便的建立N多 ADSL接入服务,在机房动态的获取B段的IP池，对各电商平台进行数据爬取
总结： 通过以上接口我们就可以很方便的快速的获取 taobao ,tmall 平台开放的一些数据，在IP足量的情况下，做到即时更新，类似 双11 数据直播平台一样，展现数据销量分部等业务数据模型
keyword -> shop -> items -> sku 以这样的爬取路径 可以获取大量的实时数据, 在密算法与请求交互认证中 注意 https, tls，自动cookies 等，自动话的爬取处理只能在一定程度上模拟用户操作. 在 ip 被屏临界值 蔽时 做 ip 切换。
————————————————
版权声明：本文为CSDN博主「yellowhatgood」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/yellowhatgood/article/details/52233036
