requests-html京东图片上传找电商分类

py3study

发布于 2020-02-10 23:05:26

1.2K0

发布于 2020-02-10 23:05:26

文章被收录于专栏：python3python3

京东页面分析:

点击图片上传按钮,上传一张小图,可以看到上传失败了，不要紧,在network里面可以看到

image?op=upload的信息,点开就可以看到图片上传的接口了.

接口地址:https://search.jd.com/image?op=upload

提交post的请求的时候，还需要带上一些headers里面的信息.在接口信息上面都能找到的。

利用requests-html向接口提交post请求，代码如下:

from requests_html import HTMLSession

session = HTMLSession()
post_url = 'https://search.jd.com/image?op=upload'
headers = {
    "accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3",
    "accept-encoding": "gzip, deflate, br",
    "accept-language": "zh-CN,zh;q=0.9",
    "content-length": "4068000",
    "origin": "https://search.jd.com",
    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"
}
files = {'file': open('333.jpg','rb')}
r = session.post(post_url, headers=headers, files=files, timeout=30)
print(r.text)

返回结果:

ï»¿<script>document.domain="jd.com";parent.$o.uploader.callback("jfs/t28462/331/1256269893/74388/84637f95/5cdace08N104202e7.jpg");</script>

callback(回调函数)里面包含了一个图片路径 jfs/t28462/331/1256269893/74388/84637f95/5cdace08N104202e7.jpg

继续回到页面分析：

这次上传一张正常的图片:

可以看到url变成了:

https://search.jd.com/image?path=jfs%2Ft10162%2F273%2F2841925085%2F74388%2F84637f95%2F5cdacee0Nf87545c9.jpg&op=search

浏览器会自动把url编码，拿到站长工具上面去解析一下url

可以发现path=后面的路径就是post上传返回的路径

整理下思路：首先提交post请求,拿到图片的路径，然后在拼接url地址访问，就能得到图片识别后的内容了

整理代码:

#!/usr/bin/env python
# coding: utf-8

from requests_html import HTMLSession
import re

session = HTMLSession()
post_url = 'https://search.jd.com/image?op=upload'
headers = {
    "accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3",
    "accept-encoding": "gzip, deflate, br",
    "accept-language": "zh-CN,zh;q=0.9",
    "content-length": "4068000",
    "origin": "https://search.jd.com",
    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"
}
files = {'file': open('333.jpg','rb')}
r = session.post(post_url, headers=headers, files=files, timeout=30)
# 利用正则匹配出路径
ret = re.findall('[(]["](.*)["][)]', r.text)[0]
if ret == 'ERROR.UPLOAD_FORMAT':
    # 图片识别失败
    print(False)
else:
    s = session.get("https://search.jd.com/image?path={}&op=search".format(ret))
    url_list = s.html.xpath("//div[@class='p-img']/a/@href")[0:3]
    for x in url_list:
        print("https:" + x)
        rr = session.get("https:" + x)
        # 拿到商品描述信息
        jd_describe = rr.html.xpath("//div[@class='sku-name']/text()")[0].replace(' ', '')
        print(jd_describe)
        # 拿到商品分类信息
        jd_classification_list = []
        for y in rr.html.xpath("//div[@class='crumb fl clearfix']//a"):
            if y.text.strip() == '':
                pass
            else:
                jd_classification_list.append(y.text.strip())
        five = rr.html.xpath("//div[@class='crumb fl clearfix']//div[@class='item ellipsis']/text()")
        if five:
            jd_classification_list.append(five[0])
        print(jd_classification_list)

运行结果: