亚马逊还是一个不错，挺有意思的网站，相对于国内电商平台，淘宝而言，它对于你爬的容忍度似乎更高？不知道反爬频率是多大，而不同的国家与地区有不同的网站，最关键的就是域名后缀，比如国内是cn，国际美国亚马逊是com，不过大部分国外站点是需要***，而法国亚马逊恰好是一个国内可以访问的站点。
一个网友可以问询的东西，法国亚马逊采集，花了一点时间，搞了个很基础的demo，好像还是常规的一些东西，除了商品大图花费了不少时间，发现可以在js里可以获取到完整的商品大图，急着去买菜，所以也就有了这样一个基础版本。
通过调试，还是发现会存在获取不到的问题，不知道是反爬限制还是其他原因，待研究。
商品标题的获取
其实直接取title应该更简单，我这里是取得页面内容的标题。
req.xpath('//h1[@id="title"]/span[@id="productTitle"]/text()')
商品属性的获取
这里没有花很多时间去看，没看出是否存在链接，仅仅是把所有属性给提取出来了。
req.xpath('//ul[@class="a-unordered-list a-nostyle a-button-list a-declarative a-button-toggle-group a-horizontal a-spacing-top-micro swatches swatchesSquare"]/li')
商品描述的获取
进行了简单的格式化处理
productDescriptions=req.xpath('//div[@id="productDescription"]//text()')
productDescription=''.join(productDescriptions)
商品大图的获取
花费了不少时间，主要是找到图片链接费了不少力气，写入到js中了，没办法，只能用正则获取到图片链接。
imgs_text=re.findall(r'ImageBlockATF(.+?)return data;',html,re.S)[0] imgs=re.findall(r'"large":"(.+?)","main":',imgs_text,re.S)
exe打包
链接:
https://pan.baidu.com/s/1rMqVT3s00EORUziJekq2SA
提取码:
35ds
附源码，仅供参考，学习，交流：
#法国亚马逊商品采集
#20200524 by 微信：huguo00289
#https://www.amazon.fr/dp/B07CNJTCBB/ref=twister_B07RVPW2GT?_encoding=UTF8&th=1
# -*- coding=utf-8 -*-
import requests
from fake_useragent import UserAgent
import re,os,time,random
from lxml import etree
def ua():
ua=UserAgent()
headers={"User-Agent":ua.random}
return headers
def get_data(url):
id=re.findall(r'dp/(.+?)/',url,re.S)[0]
print(f'>>>您输入的商品链接id为：{id},正在采集，请稍后..')
response=requests.get(url,headers=ua(),timeout=8)
time.sleep(2)
if response.status_code == 200:
print(">>>恭喜，获取网页数据成功！")
html=response.content.decode('utf-8')
with open(f'{id}.html','w',encoding='utf-8') as f:
f.write(html)
req=etree.HTML(html)
h1=req.xpath('//h1[@id="title"]/span[@id="productTitle"]/text()')
print(h1)
h1=h1[0].strip()
print(f'商品标题：{h1}')
productDescriptions=req.xpath('//div[@id="productDescription"]//text()')
productDescription=''.join(productDescriptions)
print(f'商品描述：{productDescription}')
imgs_text=re.findall(r'ImageBlockATF(.+?)return data;',html,re.S)[0]
imgs=re.findall(r'"large":"(.+?)","main":',imgs_text,re.S)
print(imgs)
text=f'商品标题：{h1}\n商品描述：{productDescription}\n商品图片{imgs}'
with open(f'{id}.txt','w',encoding='utf-8') as f:
f.write(text)
print(f">>>恭喜，保存商品数据成功，已保存为{id}.txt")
lis=req.xpath('//ul[@class="a-unordered-list a-nostyle a-button-list a-declarative a-button-toggle-group a-horizontal a-spacing-top-micro swatches swatchesSquare"]/li')
if len(lis)>1:
print(f">>>商品存在分类属性，共有{len(lis)}分类！")
spans=req.xpath('//div[@class="twisterTextDiv text"]/span[@class="a-size-base"]/text()')
print(spans)
if __name__ == '__main__':
print("亚马逊采集工具-by 微信公众号：二爷记")
print("BUG反馈 微信：huguo00289")
print("请输入要采集的网址，按回车运行")
url=input("请输入要采集的商品网址：")
try:
get_data(url)
except Exception as e:
if "port=443" in e:
print("获取网页链接超时，正在重试..")
get_data(url)
print("采集完毕！")
print("8s后，程序自动关闭，BUG反馈 微信：huguo00289")
time.sleep(8)