php如何爬取天猫和淘宝商品数据

这篇文章主要介绍了PHP如何爬取天猫和淘宝商品数据，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

一、思路

最近做了一个网站用到了从网址爬取天猫和淘宝的商品信息，首先看了下手机端的网页发现用的React，不太了解没法搞，所以就考虑从PC入口爬取数据，但是当爬取URL获取数据时并没有获取价格，库存等的信息，仔细研究了下发现是异步请求了另一个接口，但是接口要使用refer才能获取数据，于是就通过以下方式写了一个简单的爬虫，用于爬取商品预览图和商品的第一个分类的价格、库存等。

二、实现

代码如下：

function crawlUrl($url){import('PhpQuery.Curl'); $curl=new \Curl(); $result = $curl->read($url); $content = mb_convert_encoding( $result['content'], 'UTF-8', 'UTF-8,GBK,GB2312,BIG5' ); $myres=array(); if(strrpos($url,'taobao.com')!=false) {  //匹配是否下架  if(strpos($content,'此宝贝已下架')!==false){   return false;  }  preg_match("|itemId   : '(.*)'|isU", $content, $match);  $item_id=$match[1];  preg_match("|sellerId   : '(.*)'|isU", $content, $match);  $sellet_id=$match[1];  preg_match("||isU",$content,$match);  $title=$match[1];  //价格库存信息  $ch = curl_init();  curl_setopt ($ch, CURLOPT_URL, '/tupian/20230522/sib.htm  $opt[CURLOPT_HEADER]=false;  $opt[CURLOPT_CONNECTTIMEOUT]=15;  $opt[CURLOPT_TIMEOUT]=300;  $opt[CURLOPT_AUTOREFERER]=true;  $opt[CURLOPT_USERAGENT]='Mozilla/5.0 (windows NT 6.1) AppleWEBKit/536.11 (Khtml, like Gecko) Chrome/20.0.1132.47 Safari/536.11';  curl_setopt_array($ch,$opt);  curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);  curl_setopt ($ch,CURLOPT_REFERER,$url);  curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);  $out_put=curl_exec ($ch);  curl_close ($ch);  $res=str_replace('onSibRequestSuccess(',"",$out_put);  $res=rtrim($res,');1');  $result=JSON_decode($res,true);  //查询出图片信息  preg_match('|(.*)|isU', $content, $match);  preg_match_all('/ion']['promoData']);  $myres['stock']=$result['data']['dynStock']['stock'];  $myres['banners']=$images[1]; }else{  //匹配是否下架  if(strpos($content,'此宝贝已下架')!==false){   return false;  }  $start=strpos($url,'&id=');  $item_id=substr($url,$start+4,12);  if(!is_numeric($item_id)){   $start=strpos($url,'?id=');   $end=strpos($url,'&spm');   $item_id=substr($url,$start+4,$end-$start-4);  }  preg_match("||isU",$content,$match);  $title=$match[1];  $myurl='/tupian/20230522/initItemDetail.htm  //价格库存信息  $ch = curl_init();  curl_setopt ($ch, CURLOPT_URL, $myurl);  $opt[CURLOPT_HEADER]=false;  $opt[CURLOPT_CONNECTTIMEOUT]=15;  $opt[CURLOPT_TIMEOUT]=300;  $opt[CURLOPT_AUTOREFERER]=true;  $opt[CURLOPT_USERAGENT]='Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.47 Safari/536.11';  curl_setopt_array($ch,$opt);  curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);  curl_setopt ($ch,CURLOPT_REFERER,$url);  curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);  $out_put=curl_exec ($ch);  curl_close ($ch);  $res = mb_convert_encoding( $out_put, 'UTF-8', 'UTF-8,GBK,GB2312,BIG5' );  $res=str_replace('setMdskip',"",$res);  $res=str_replace('(',"",$res);  $res=str_replace(')',"",$res);  $result=json_decode($res,true);  $nowk="";  $nowstore="";  foreach($result['defaultModel']['inventoryDO']['skuQuantity'] as $k=>$val){   $nowk=$k;   $nowstore=$val;   break;  }  $myres['title']=str_replace('-tmall.com天猫','',$title);  $myres['price']=$result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk]['price'];  $myres['act_price']=isset($result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk]['suggestivePromotionList'])?$result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk]['suggestivePromotionList']:$result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk];  $myres['stock']=$result['defaultModel']['inventoryDO']['totalQuantity']?$result['defaultModel']['inventoryDO']['totalQuantity']:$nowstore['quantity'];  //查询出图片信息  preg_match('|(.*)|isU',$content, $match);  preg_match_all('/