根据拼多多搜索关键字爬取拼多多商品信息,如果没有登录,同一网络爬取信息,最多可以爬取1~3次,你爬取之后你再次搜索就需要登录,但有一个时间限制(这个没有测试,估计1h后就会解封,就可以再次爬取),而且你切换网络,也可以再次爬取,这个是没有问题的。当然,你也可以的登录之后爬取,这样可以爬取N次,只有没有被封号(但这是不可能的)
拼多多爬取商品信息,每次会返回 20条商品信息,他是放在一个HTML页面,通过JS渲染上去的。就是这个API (https://mobile.yangkeduo.com/search_result.html?search_key=%E5%8D%8E%E4%B8%BA%E6%89%8B%E6%9C%BA&search_type=goods&source=index&options=3&search_met_track=manual&refer_page_el_sn=99884&refer_page_name=search_result&refer_page_id=10015_1615777503796_4wmnbjg2ck&refer_page_sn=10015)
search_key 后面就是你的搜索的关键字。 还有 这个API的 get 请求。
代码如下
public void GetShopList(string shopName){
#region 获取html
string url = "https://mobile.yangkeduo.com/search_result.html?search_key=" + shopName+ "&search_type=goods&source=index&options=1&search_met_track=manual&refer_page_el_sn=99885&refer_page_name=search_result&refer_page_id=10015_1615453872480_bba38nr834&refer_page_sn=10015";
RestRequest request = new RestRequest(url);
request.Method = Method.GET;
IRestResponse response = restClient.Execute(request);
#endregion
if (!response.IsSuccessful) return false;
if (response.Content.Contains("window.rawData=null")) {
Console.WriteLine("获取失败");
return false;
}
string shopList=response.Content
analysis(shopList)
}
shoping 是商品关键字。
response.Content:就是商品的信息页面,然后response.Content 后面的JS里面有个 window.rawData=,然后 window.rawData=null 说明这时你的ip暂时被封了如果是这样的数据,说明数据获取成功。
public void analysis(string shopList){
#region 解析html
HtmlDocument htmlDocument = new HtmlDocument();
htmlDocument.LoadHtml(content);
var node1 = htmlDocument.DocumentNode.
SelectNodes(@"//script");
if (node1 is null) throw new Exception("Can not find id: __VIEWSTATE");
#endregion
foreach (var de in node1)
{
if (de.InnerHtml.Contains("window.rawData"))
{
string data = de.InnerText;
data = System.Text.RegularExpressions.Regex.Split(data, "window.rawData=")[1];
data = data.Substring(0, data.Length - 1);
JsonData deJson = LitJson.JsonMapper.ToObject(data);
deJson = deJson["store"]["listData"]["list"];
for (int num_hisEQ = 0; num_hisEQ < deJson.Count; num_hisEQ++){
string key=deJson[num_hisEQ]["key"].ToString();
………………
}
}
}
然后需要解析获取的string,需要Nuget 里面下载 HtmlAgilityPack 和 LitJson 这两个包。这样就可以搞定了。