电商网站电商监控：动态价格数据的实时抓取案例

import requests
from bs4 import BeautifulSoup
import time
import random

# ------------------------------
# 代理IP设置（参考亿牛云爬虫代理 ）
# ------------------------------
proxy_username = "16YUN"    # 代理用户名
proxy_password = "16IP"    # 代理密码
proxy_domain   = "proxy.16yun.cn"  # 代理域名
proxy_port     = "8080"             # 代理端口

# 构造代理字典，支持http与https
proxies = {
    "http": f"http://{proxy_username}:{proxy_password}@{proxy_domain}:{proxy_port}",
    "https": f"http://{proxy_username}:{proxy_password}@{proxy_domain}:{proxy_port}"
}

# ------------------------------
# 请求头设置：包括Cookie和User-Agent
# ------------------------------
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.93 Safari/537.36",
    "Cookie": "your_cookie_value_here"  # 根据实际需要替换Cookie
}

def fetch_page(url):
    """
    使用代理IP及请求头信息请求目标页面，返回页面HTML内容
    """
    try:
        response = requests.get(url, headers=headers, proxies=proxies, timeout=10)
        if response.status_code == 200:
            return response.text
        else:
            print(f"请求失败，状态码：{response.status_code}")
            return None
    except Exception as e:
        print(f"请求异常：{e}")
        return None

def parse_product_info(html):
    """
    利用BeautifulSoup解析页面，提取商品名称、价格和评价信息
    注：以下解析规则为示例，需根据实际页面结构进行调整
    """
    soup = BeautifulSoup(html, "html.parser")
    products = []
    # 以class为product-item的节点作为示例
    for item in soup.select(".product-item"):
        product_name = item.select_one(".product-title").get_text(strip=True) if item.select_one(".product-title") else "未知"
        product_price = item.select_one(".product-price").get_text(strip=True) if item.select_one(".product-price") else "未知"
        product_comment = item.select_one(".product-comment").get_text(strip=True) if item.select_one(".product-comment") else "暂无评价"
        products.append({
            "name": product_name,
            "price": product_price,
            "comment": product_comment
        })
    return products

def analyze_price_trend(price_history):
    """
    简单的价格趋势分析函数示例
    price_history: 列表，每个元素为某时刻的价格
    该函数可进一步扩展，如利用统计模型或可视化库展示趋势图
    """
    if not price_history:
        print("无价格数据")
        return
    average_price = sum(price_history) / len(price_history)
    print(f"平均价格为：{average_price:.2f}")
    # 其他分析逻辑可根据需求添加

if __name__ == "__main__":
    # 示例：采集淘宝首页数据
    jd_url = "https://www.taobao.com"
    html_content = fetch_page(jd_url)
    if html_content:
        product_data = parse_product_info(html_content)
        # 输出采集到的数据
        for product in product_data:
            print(product)
        
        # 模拟动态价格数据采集（示例代码）
        price_history = []
        for _ in range(5):
            # 模拟请求间隔，避免请求过快
            time.sleep(random.uniform(1, 3))
            # 此处应使用实际商品详情页链接，以下仅为示例
            detail_html = fetch_page(jd_url)
            if detail_html:
                # 假设页面中价格元素的选择器为".price"
                soup = BeautifulSoup(detail_html, "html.parser")
                price_text = soup.select_one(".price").get_text(strip=True) if soup.select_one(".price") else "0"
                try:
                    price_value = float(price_text.replace("￥", ""))
                except:
                    price_value = 0
                price_history.append(price_value)
                print(f"采集到价格：{price_value}")
        
        # 分析采集的价格动态趋势
        analyze_price_trend(price_history)

                      ┌────────────────────┐
                      │    爬虫控制层      │
                      │（调度、异常处理）  │
                      └─────────┬────────┘
                                │
                ┌───────────────┼─────────────────┐
                │                               │
         ┌─────────────┐                 ┌─────────────┐
         │ HTTP请求模块│                 │ 数据解析模块│
         │ (Requests)  │                 │ (BeautifulSoup) │
         └──────┬──────┘                 └──────┬──────┘
                │                                │
                │                                │
                │       ┌────────────────────────┴─────────────┐
                │       │            数据存储/分析层           │
                │       │（动态价格趋势监控、统计 分析、可视化） │
                │       └──────────────────────────────────────┘
                │
         ┌──────┴──────┐
         │ 代理模块    │
         │ (亿牛云爬虫代理) │
         └─────────────┘