crawl_price/README.md

crawl_price

获取各平台商品价格，批发价格

功能特性

• 支持多平台：淘宝、京东、1688批发平台
• 支持批发价格获取（1688平台）
• 支持并发爬取
• 支持 Cookie 和代理配置
• 数据持久化到 MySQL 数据库
• 价格历史记录追踪

项目结构

crawl_price/
├── config/                 # 配置文件
│   ├── __init__.py
│   └── settings.py         # 数据库、爬虫、日志配置
├── crawlers/               # 爬虫实现
│   ├── __init__.py
│   ├── base.py             # 爬虫基类
│   ├── taobao.py           # 淘宝爬虫
│   ├── jd.py               # 京东爬虫
│   └── alibaba1688.py      # 1688批发平台爬虫
├── models/                 # 数据库模型
│   ├── __init__.py
│   └── product.py          # 商品和价格历史模型
├── utils/                  # 工具函数
│   ├── __init__.py
│   ├── db_utils.py         # 数据库操作工具
│   └── helpers.py          # 通用辅助函数
├── logs/                   # 日志目录
├── main.py                 # 主程序入口
├── requirements.txt        # 依赖文件
├── .env.example            # 环境变量示例
└── .gitignore

安装

1. 安装依赖

pip install -r requirements.txt

2. 配置环境变量

复制 .env.example 为 .env 并修改配置：

cp .env.example .env

编辑 .env 文件：

# 数据库配置
DB_HOST=127.0.0.1
DB_PORT=3306
DB_NAME=price_crawler
DB_USER=root
DB_PASSWORD=your_password

# 可选：代理配置
# HTTP_PROXY=http://127.0.0.1:7890
# HTTPS_PROXY=http://127.0.0.1:7890

3. 创建数据库

CREATE DATABASE price_crawler CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

使用方法

查看帮助

python main.py --help

初始化数据库

python main.py --mode init

爬取商品

基本用法

# 爬取淘宝的"手机"商品
python main.py --mode crawl --platforms taobao --keywords 手机

# 爬取淘宝和京东的"手机"商品，各爬取2页
python main.py --mode crawl --platforms taobao jd --keywords 手机 --pages 2

# 爬取1688批发平台的"服装"商品
python main.py --mode crawl --platforms alibaba1688 --keywords 服装 --pages 3

# 多个关键词
python main.py --mode crawl --platforms taobao --keywords 手机 电脑 平板 --pages 1

并发爬取

# 使用3个线程并发爬取多个平台
python main.py --mode crawl --platforms taobao jd alibaba1688 --keywords 手机 --pages 2 --workers 3

使用 Cookie 和代理

由于淘宝、京东、1688等平台有较强的反爬机制，建议使用 Cookie 或代理：

# 使用 Cookie
python main.py --mode crawl --platforms taobao --keywords 手机 --cookie "your_cookie_here"

# 使用代理
python main.py --mode crawl --platforms taobao --keywords 手机 --proxy "http://127.0.0.1:7890"

# 同时使用 Cookie 和代理
python main.py --mode crawl --platforms taobao --keywords 手机 --cookie "your_cookie" --proxy "http://127.0.0.1:7890"

搜索数据库中的商品

# 搜索所有平台的"手机"商品
python main.py --mode search --keyword 手机

# 搜索指定平台
python main.py --mode search --keyword 手机 --platform taobao

# 限制返回数量
python main.py --mode search --keyword 手机 --limit 20

显示统计信息

python main.py --mode stats

数据库模型

products 表（商品表）

字段	类型	说明
id	Integer	主键
product_id	String(100)	平台商品ID
name	String(500)	商品名称
url	Text	商品链接
image_url	Text	商品图片
shop_name	String(200)	店铺名称
platform	String(50)	平台: taobao/jd/alibaba1688
is_wholesale	Integer	是否批发: 0-否, 1-是
min_order_quantity	Integer	最小起订量（批发）
current_price	Float	当前价格
original_price	Float	原价
sales_volume	Integer	销量
create_time	DateTime	创建时间
update_time	DateTime	更新时间
crawl_time	DateTime	爬取时间

price_history 表（价格历史表）

字段	类型	说明
id	Integer	主键
product_id	String(100)	商品ID
price	Float	价格
original_price	Float	原价
platform	String(50)	平台
price_type	String(50)	价格类型: retail/wholesale
min_quantity	Integer	最小起订量
crawl_time	DateTime	爬取时间

各平台特点

淘宝 (Taobao)

• 支持搜索、商品详情获取
• 需要配置 Cookie 以获得更好的爬取效果
• 价格为零售价

京东 (JD)

• 支持搜索、商品详情获取
• 有独立的价格 API 接口
• 价格为零售价

1688 批发平台 (Alibaba1688)

• 支持搜索、商品详情获取
• 重点：批发价格区间（根据起订量不同价格不同）
• 支持最小起订量获取
• 价格为批发价

代码示例

基本用法

from crawlers.taobao import TaobaoCrawler
from crawlers.jd import JdCrawler
from crawlers.alibaba1688 import Alibaba1688Crawler

# 淘宝爬虫
with TaobaoCrawler(cookie='your_cookie', proxy='http://127.0.0.1:7890') as crawler:
    products = crawler.search('手机', page=1)
    for product in products:
        print(f"{product['name']}: ¥{product['price']}")

# 1688批发爬虫
with Alibaba1688Crawler() as crawler:
    products = crawler.search('服装', page=1)
    for product in products:
        print(f"{product['name']}")
        print(f"  起订量: {product.get('min_order_quantity', 'N/A')}")
        print(f"  价格区间: {product.get('price_ranges', [])}")

批量爬取并保存到数据库

from main import run_crawl, init_database

# 初始化数据库
init_database()

# 并发爬取多个平台
results = run_crawl(
    platforms=['taobao', 'jd', 'alibaba1688'],
    keywords=['手机', '电脑'],
    pages=2,
    concurrent=True,
    max_workers=3
)

print(f"淘宝: {len(results.get('taobao', []))} 个商品")
print(f"京东: {len(results.get('jd', []))} 个商品")
print(f"1688: {len(results.get('alibaba1688', []))} 个商品")

注意事项

1. 反爬机制：淘宝、京东、1688等平台有较强的反爬机制，建议：

   • 配置有效的 Cookie
   • 使用代理 IP 池
   • 设置合理的请求间隔
   • 避免短时间内大量请求

2. Cookie 获取：登录对应平台后，从浏览器开发者工具中复制 Cookie。

3. 频率控制：程序已内置随机延迟机制，但仍需注意爬取频率，避免被封禁。

4. 数据更新：价格可能随时变动，建议定期重新爬取以获取最新价格。

License

MIT License