用python編寫的抓京東商品價格的爬蟲

閒著沒事嘗試抓一下京東的資料，需要使用到的庫有：BeautifulSoup，urllib2，在Python2下測試透過

from creepy import Crawler
from BeautifulSoup import BeautifulSoup
import urllib2
import json

class MyCrawler(Crawler):
    def process_document(self, doc):
        if doc.status == 200:
            print '[%d] %s' % (doc.status, doc.url)
            try:
                soup = BeautifulSoup(doc.text.decode('gb18030').encode('utf-8'))
            except Exception as e:
                print e
                soup = BeautifulSoup(doc.text)
            print soup.find(id="product-intro").div.h1.text
            url_id=urllib2.unquote(doc.url).decode('utf8').split('/')[-1].split('.')[0]
            f = urllib2.urlopen('http://p.3.cn/prices/get?skuid=J_'+url_id,timeout=5)
            price=json.loads(f.read())
            f.close()
            print price[0]['p']
        else:
            pass

crawler = MyCrawler()
crawler.set_follow_mode(Crawler.F_SAME_HOST)
crawler.set_concurrency_level(16)
crawler.add_url_filter('\.(jpg|jpeg|gif|png|js|css|swf)$')
crawler.crawl('http://item.jd.com/982040.html')

部分執行結果：

[200] http://item.jd.com/519836.html

三星 HM1200 原裝藍芽耳機 黑色

118.00

[200] http://item.jd.com/603133.html

捷波朗 EASYVOICE+ 易音 藍芽耳機 黑色

-1

[200] http://item.jd.com/1030552473.html

【年終熱賣】嘉源手機N699 2.8寸雙屏雙卡雙待雙電2000毫安翻蓋手機 黑

268.00