在电商领域，淘宝商品的 SKU（库存单位）详细信息对于商家优化库存管理、制定价格策略以及进行市场分析具有重要价值。本文将详细介绍如何利用 Python 爬虫技术获取淘宝商品的 SKU 详细信息，并提供完整的代码示例。
一、准备工作
（一）环境搭建
确保你的开发环境中已经安装了 Python 3.6 以上版本。
（二）安装必要的库
安装以下库，用于发送 HTTP 请求、解析 HTML 内容以及处理动态加载的内容：
- requests：用于发送 HTTP 请求。
- BeautifulSoup：用于解析 HTML 内容。
- Selenium：用于处理动态加载的内容。
可以通过以下命令安装这些库：
pip install requests beautifulsoup4 selenium
（三）下载 ChromeDriver
为了使用 Selenium，需要下载与你的浏览器版本匹配的 ChromeDriver，并确保其路径正确配置。
二、编写爬虫代码
（一）获取商品详情页的 HTML 内容
1. 使用 requests 获取静态内容
如果商品详情页的内容是静态的，可以直接使用 requests 获取 HTML 内容。
import requests
def get_html(url):
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
}
response = requests.get(url, headers=headers)
response.encoding = response.apparent_encoding
return response.text
2. 使用 Selenium 获取动态内容
如果商品详情页的内容是动态加载的，需要使用 Selenium 获取完整的页面内容。
from selenium import webdriver
def get_html_with_selenium(url):
driver = webdriver.Chrome()
driver.get(url)
html = driver.page_source
driver.quit()
return html
（二）解析商品详情页中的 SKU 信息
1. 定位 SKU 信息的 HTML 结构
SKU 信息通常位于商品详情页的某个特定区域，例如 <div> 或 <ul> 标签中。常见的位置包括：
- 规格参数表格：通常以表格形式展示，例如
<table>标签。 - SKU 选择区域：通常以下拉菜单或选项卡的形式展示，例如
<select>或<ul>标签。
2. 提取 SKU 信息
使用 BeautifulSoup 提取 SKU 信息。以下代码展示了如何解析静态和动态加载的 SKU 信息。
示例代码：解析静态内容
from bs4 import BeautifulSoup
def parse_sku_info(html):
soup = BeautifulSoup(html, 'html.parser')
sku_properties = soup.find_all('div', class_='sku-property')
sku_info = {}
for prop in sku_properties:
prop_name = prop.find('div', class_='sku-title').text.strip()
options = prop.find_all('li', class_='sku-item')
sku_info[prop_name] = [opt.text.strip() for opt in options]
return sku_info
示例代码：解析动态内容
def parse_sku_info_with_selenium(html):
soup = BeautifulSoup(html, 'html.parser')
# 同上，解析逻辑相同
三、完整示例代码
以下是一个完整的示例代码，展示如何获取淘宝商品的 SKU 详细信息：
import requests
from bs4 import BeautifulSoup
from selenium import webdriver
def get_html(url):
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
}
response = requests.get(url, headers=headers)
response.encoding = response.apparent_encoding
return response.text
def get_html_with_selenium(url):
driver = webdriver.Chrome()
driver.get(url)
html = driver.page_source
driver.quit()
return html
def parse_sku_info(html):
soup = BeautifulSoup(html, 'html.parser')
sku_properties = soup.find_all('div', class_='sku-property')
sku_info = {}
for prop in sku_properties:
prop_name = prop.find('div', class_='sku-title').text.strip()
options = prop.find_all('li', class_='sku-item')
sku_info[prop_name] = [opt.text.strip() for opt in options]
return sku_info
def main():
item_url = "https://item.taobao.com/item.htm?id=602849615083"
html = get_html_with_selenium(item_url)
sku_info = parse_sku_info(html)
for prop, options in sku_info.items():
print(f"{prop}: {', '.join(options)}")
if __name__ == "__main__":
main()
四、注意事项与优化建议
（一）动态内容处理
如果 SKU 信息是通过 JavaScript 动态加载的，建议使用 Selenium 获取完整的页面内容。
（二）遵守法律法规
在使用爬虫时，务必遵守目标网站的 robots.txt 文件和相关法律法规，避免对目标网站造成不必要的负担或违反法律。
（三）异常处理
在解析过程中，可能会遇到各种异常情况，如网络请求失败、HTML 结构变化等。因此，需要在代码中添加完善的异常处理逻辑，确保爬虫的稳定运行。
（四）HTML 结构变化
淘宝商品详情页的 HTML 结构可能会发生变化，因此需要定期检查并更新选择器。
（五）使用代理 IP
为了避免被封禁，建议使用代理 IP 池，定期更换 IP 地址。
五、总结
通过上述步骤和示例代码，你可以轻松地获取淘宝商品的 SKU 详细信息。希望这个教程对你有所帮助！
