使用python怎么爬取网站的购买记录

这期内容当中小编将会给大家带来有关使用python怎么爬取网站的购买记录，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

Python的数据类型有哪些?

python的数据类型：1. 数字类型，包括int（整型）、long（长整型）和float（浮点型）。2.字符串，分别是str类型和unicode类型。3.布尔型，Python布尔类型也是用于逻辑运算，有两个值：True（真）和False（假）。4.列表，列表是Python中使用最频繁的数据类型，集合中可以放任何数据类型。5. 元组，元组用”()”标识，内部元素用逗号隔开。6. 字典，字典是一种键值对的集合。7. 集合，集合是一个无序的、不重复的数据组合。

第一步：添加必要的库，创建一个BUY类

import  requests,re,xlwt

第二步：class Color；

def __init__(self):    '''添加请求头'''    self.headers = {        'user-agent': 'Mozilla/5.0 (windows NT 10.0; Win64; x64) AppleWEBKit/537.36 '                      '(Khtml, like Gecko) Chrome/87.0.4280.141 Safari/537.36',    }    #添加查询订单地址    self.port = 'Http://xxxxxx.xxfaka.cn/?mod=query&data=xxxxxxxxxxx''''请求视频网页链接'''def request_link(self):    self.response = requests.get(self.port, headers=self.headers)    self.html = self.response.text    print(self.html)    if __name__ == '__main__':    app= Color()    app.request_link()

直接运行之后的数据有点多，这里没有完全显示

第三步：找到cookie添加到请求头

根据搜索资料发现需要加cookie，然后又去网页找到cookie添加到请求头，然后headers会出现下面这种情况

self.headers = {                                                    'Cookie':'mysid=bcd178f6a7784bdaf63c03e321cfb77a; PHPSESSID=gml9nd9psrik73840v6jem6mm4; sec_defend=baa2a7703f2f3326fa7a366428aef295ac40ff679f2fec0284578de88e87bcac; sec_defend_time=1',                                                    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '                                                                                                            '(KHTML, like Gecko) Chrome/77.0.3560.141 Safari/537.36',                                    }

第四步：再次运行代码

这时候就可以拿到网页数据了

初步打算一次直接匹配一个订单全部消息，但是发现有对括号导致一直匹配内容为空

</span>  (<font size="2" color="#836FFF">2020-12-24 01:09:09</font>)<br>…太长了…<hr>

用两个replace将括号替换为空

self.html = self.html.replace('(','')    self.html = self.html.replace(')', '')    re.findall(r'…(.*?)…(.*?)…',self.html)

第五步：一条语句扣一个内容，之后在for循环将对应数据放到一个列表

匹配了六七个(.?)内容，发现总是不能准确扣到具体内容，有可能好几条订单被扣到一个(.?)里面。这个时候可以换个思路，一条语句扣一个内容，之后在for循环将对应数据放到一个列表，然后整体再放入列表组成二维列表。

#获取订单时间            self.order_time = re.findall(r'<font size=".*?" color="#836FFF">(.*?)</font>.*?<br><h5>商品名称：<a href="\./\?mod=buy&tid=\w?\w?\w?\w?">(.*?)</a></h5>联系方式：.*?总价<font color=".*?">(.*?)</font>元.*?</strong></font>(.*?)<hr>',self.html)    #获取商品名称    self.pur_info = re.findall(r'',self.html)    #获取订单联系方式    self.contact_info = re.findall(r'',self.html)    #获取订单总价    self.price_total = re.findall(r'总价<font color=".*?">(.*?)</font>元',self.html)    #获取账号不完全信息    self.km_info = re.findall(r'</strong></font>(.*?)<hr>',self.html)    #获取下单总数    self.num_total = re.findall(r'<li><span class="rows">共(.*?)条</span> </li>', self.html)            temp_info =[]        for i in range(0,len(self.order_time)):                    for lie in range(0,6):#lie                            temp_info.append(self.order_time[lie])                            temp_info.append(self.pur_info[lie])                            temp_info.append(self.contact_info[lie])                            temp_info.append(self.price_total[lie])                            temp_info.append(self.km_info[lie])                            temp_info.append(self.num_total[0])                    temp_info.append(''.join(temp_info))                    self.account_info.append(list(temp_info))            print(self.account_info)

写出来基本就是上面的样子，运行发现四五秒以后直接卡死，然后半小时没动重新开机了，代码没保存再运行append那就报错了，就暂时放弃这种方法，重新回到之前的思路，把数据一次都提取出来，既然这单个的都准确提取了，放到一起就可以了。把每个放到一起连接起来运行，直接生成了二维数据。

for i in range(0,len(self.info)):            self.info[i] = list(self.info[i])    #通过这里来判断订单的三种情况    km_info = re.findall(r'>账号信息：(.*?)</b><br>',self.info[i][5])    if km_info==[]:            km_info = re.findall(r'</b><span class="(.*?)">卡密可能漏发,请联系客服</span>',self.info[i][5])    if km_info == []:            km_net = re.findall(r'<br>卡密操作：<a href=".(.*?)" title="点击查看卡密"><button', self.info[i][5])            km_net = self.port +(''.join(km_net))#多张卡密提取链接            #尚未完成一个单子多张卡密提取    self.info[i][5] = km_info

上述就是小编为大家分享的使用python怎么爬取网站的购买记录了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注编程网Python频道。