这篇文章主要介绍“Python怎么采集淘宝车厘子数据”，在日常操作中，相信很多人在Python怎么采集淘宝车厘子数据问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Python怎么采集淘宝车厘子数据”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
本文利用Python采集了淘宝网1585个商家车厘子销售数据，获取到车厘子的商品名称、商品价格、付款人数、店铺名称、发货地址等字段。限于篇幅，爬虫代码仅给出主函数：
计算
安全
数据库
网络和加速
企业服务
def main():
browser.get('https://www.taobao.com/')
page = search_product(key_word)
print(page)
get_data()
page_num = 70
while int(page) != page_num:
print("-" * 100)
print("正在爬取第{}页数据".format(page_num + 1))
browser.get('https://s.taobao.com/search?q={}&s={}'.format(key_word, page_num*44))
browser.implicitly_wait(10)
get_data()
page_num += 1
print("数据抓取完成")
if __name__ == '__main__':
key_word = "车厘子"
browser = webdriver.Chrome("./chromedriver")
main()数据读取并预览
df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 1595 entries, 0 to 1674
Data columns (total 5 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 商品名称 1595 non-null object
1 商品价格 1595 non-null float64
2 付款人数 1595 non-null object
3 店铺名称 1595 non-null object
4 发货地址 1585 non-null object
dtypes: float64(1), object(4)
memory usage: 74.8+ KB查看数据信息
df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 1595 entries, 0 to 1674
Data columns (total 5 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 商品名称 1595 non-null object
1 商品价格 1595 non-null float64
2 付款人数 1595 non-null object
3 店铺名称 1595 non-null object
4 发货地址 1585 non-null object
dtypes: float64(1), object(4)
memory usage: 74.8+ KB发现数据存在以下几个问题：
（1）发货地址有缺失值
（2）付款人数需做提取
（3）发货地址需做分割
（4）自定义索引并降序
数据清洗
#剔除缺失记录
df.dropna(axis=0, how='any', inplace=True)
#从发货地址字段中切分出省份和城市
df["省份"] = df["发货地址"].str.split(' ',expand=True)[0] #expand=True可以把用分割的内容直接分列
df["城市"] = df["发货地址"].str.split(' ',expand=True)[1] #提取城市
df["城市"].fillna(df["省份"], inplace=True) #城市字段空值用省份非空值填充
#用正则表达式从付款人数中提取数字
import re
df['数字'] = [re.findall(r'(\d+\.{0,1}\d*)', i)[0] for i in df['付款人数']] # 提取数值
df['数字'] = df['数字'].astype('float') # 转化数值型
df['单位'] = [''.join(re.findall(r'(万)', i)) for i in df['付款人数']] # 提取单位（万）
df['单位'] = df['单位'].apply(lambda x:10000 if x=='万' else 1)
df['付款人数'] = df['数字'] * df['单位'] # 计算付款人数
df.drop(['发货地址', '数字', '单位'], axis=1, inplace=True) # 删除多余的列
#按商品价格降序并重置索引
df = df.sort_values(by="商品价格", axis=0, ascending=False) #降序
df = df.reset_index(drop=True) #重置索引清洗后，数据预览如下：
到此，关于“Python怎么采集淘宝车厘子数据”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
原文链接：https://my.oschina.net/u/4848094/blog/4945777
