TSDK：淘宝开放平台或淘宝登录爬取

小歪

发布于 2019-06-17 15:20:34

2.9K0

发布于 2019-06-17 15:20:34

文章被收录于专栏：Python爬虫与算法进阶Python爬虫与算法进阶

分享一个开源项目：TSDK。地址在阅读原文里。

TSDK

淘宝爬虫SDK，用于淘宝开放平台或淘宝登录爬取

淘宝系列爬虫系列SDK

SDK更新到第二版，对一部分进行了优化
- 优化掉通用类，此类本身最开始是为了能够使用无授权API，但是之后发现臃肿繁杂，还不如直接请求网址URL，觉得有些画蛇添足了，所以直接去掉
- 优化开放平台类，繁杂的配置文件，多余的加载，我用了Node的SDK之后发现还不如Node的方便，只需要传入API名称和数据就行了，那么我弄了配置文件又有什么用，没有达到简单可用的目的遂改成Node一样的方式请求数据
- 优化H5API类，经过我思考后觉得配置文件太过繁杂，且不够灵活也不多变，爬虫本身就是需要多变的，所以移除配置文件，通过传递参数直接构建，更加灵活方便
还有部分功能未实现，例如日志功能和请求重放功能，以及新添加的网站

  from TSDK.mTop import Client

  top = Client()
  #获取淘宝二维码，可以通过扫码登录淘宝
  umid_token = top.getUmidToken()
  res = top.login(umid_token)
  print(res.text)
  data = json.loads(res.text)
  thr = top.checkState(data['lgToken'],umid_token,30)
  thr.start()


  #设置开放平台的appkey和密钥，然后传递API和配置可以直接获取数据
  top.open.config['appkey'] = ''
  top.open.config['appsecret'] = ''

  res = top.open.execute('taobao.tbk.item.get',{
        'fields':'num_iid,title,pict_url,small_images,reserve_price,zk_final_price,user_type,provcity,item_url,seller_id,volume,nick',
        'q':'女装',
        'cat':'16,18'
    })
  print(res.text)

  #获取宝贝详情
  res = top.H5.execute({
        'api':'mtop.taobao.detail.getdetail',
        'v':'6.0',
        'jsv':'2.4.8',
        'dataType':'json',
        'type':'json',
        'ttid':'2017%40taobao_h5_6.6.0',
        'AntiCreep':'true',
        'data':{
            'itemNumId':'585559878166'
        }
    })
  print(res.text)

  #API请求日志的记录,SDK对象继承自requests的Session类，可以通过添加hook来获取响应
  #请参考requests高级用法：http://docs.python-requests.org/zh_CN/latest/user/advanced.html
  def console(res):
    print(res.url)
    print(res.text)

  top.H5.hooks['response'] = [console]

Cookie的同步

  from requests.cookies import RequestsCookieJar

  dt = top.H5.cookies.get_dict('.login.taobao.com')

  jar = RequestsCookieJar()
  for name in dt:
    jar.set(name,dt[name],path='/',domain='.login.taobao.com')

  # 通过设置cookie来共享登录状态
  top.cookies.update(jar)