当前位置: 首页 > news >正文

Python+requests+ThreadPoolExecutor接口多线程抓取数据

一 功能: 负责抓取商品数据并写入 Excel 文件。

二 逻辑:

  1. 获取总页数。
  2. 遍历每一页,获取商品编码和 SKU。
  3. 使用多线程获取商品详情。
  4. 将数据追加到 Excel 文件中

三 优点

  • 多线程处理

    • 使用 ThreadPoolExecutor 提高数据抓取效率,减少等待时间。
  • 数据追加

    • 使用 openpyxl 手动追加数据,确保数据不断追加而不覆盖已有内容。
  • Base64 编码

    • 将商品详情编码为 Base64 字符串,便于存储复杂数据。
  • 调试信息

    • 在关键步骤打印调试信息,便于排查问题
import os
import base64
import json
import time
import requests
import pandas as pd
from concurrent.futures import ThreadPoolExecutor, as_completed

from openpyxl import load_workbook, Workbook


def get_total_pages():
    data = {
        "name": None,
        "sku": None,
        "current": 1,
        "limit": 100
    }

    headers = {
        "Authorization": "4399aa4123f24e2c90a272f2dfee79e7",
        "Content-Type": "application/json"
    }
    url = 'http://test.api/product_management/list'

    response = requests.post(url=url, data=json.dumps(data), headers=headers)
    response_json = response.json()

    # 假设响应中有一个字段totalPages表示总页数
    total_pages = response_json["data"]["total"]
    return total_pages


def get_product_codes(page):
    data = {
        "name": None,
        "sku": None,
        "current": page,
        "limit": 100
    }

    headers = {
        "Authorization": "4399aa4123f24e2c90a272f2dfee79e7",
        "Content-Type": "application/json"
    }
    url = 'http://test.api/product_management/list'

    response = requests.post(url=url, data=json.dumps(data), headers=headers)
    response_json = response.json()
    print("response_json======", response_json)
    # 假设响应中有一个字段products包含商品列表,每个商品有一个字段id
    products = response_json.get('data', {}).get('list', [])
    print("products======", products)
    # 提取id和sku,并成对返回
    product_id_sku_pairs = [(product.get('id'), product.get('sku')) for product in products]
    print("product_id_sku_pairs======", product_id_sku_pairs)
    return product_id_sku_pairs


def get_product_details(id):
    data = {
        "id": id
    }

    headers = {
        "Authorization": "4399aa4123f24e2c90a272f2dfee79e7",
        "Content-Type": "application/json"
    }
    url = 'http://test.api/product_management/detail'

    response = requests.post(url=url, data=json.dumps(data), headers=headers)
    response_json = response.json().get('data', {}).get('skuList', [])
    print("get_product_details======", response_json)
    return response_json


def fetch_product_details(product_id, product_sku):
    product_detail = get_product_details(product_id)
    # 将product_detail转换为JSON字符串
    product_detail_str = json.dumps(product_detail, ensure_ascii=False, indent=4)
    # 对JSON字符串进行Base64编码
    product_detail_base64 = base64.b64encode(product_detail_str.encode('utf-8')).decode('utf-8')
    product = {
        'code': product_id,
        'sku': product_sku,
        'product_detail': product_detail_base64
    }
    return product


def append_to_excel(data_list, output_path):
    """
    追加数据到Excel文件
    :param data_list: 要追加的数据列表,每个元素是字典格式,例如 [{'code': 'A001', 'sku': 'SKU001', ...}]
    :param output_path: Excel文件路径
    """
    if not data_list:
        return
    # 加载或创建工作簿
    if os.path.exists(output_path):
        book = load_workbook(output_path)
        sheet = book["Sheet1"]
        write_header = False  # 文件已存在,不写表头
    else:
        book = Workbook()
        book.remove(book.active)  # 删除默认创建的空表
        sheet = book.create_sheet("Sheet1")
        write_header = True  # 新文件需要写表头
    # 写入表头
    if write_header:
        headers = list(data_list[0].keys())
        sheet.append(headers)
    # 追加数据
    for data in data_list:
        row = [data.get(key, "") for key in data_list[0].keys()]
        sheet.append(row)
    # 保存文件
    book.save(output_path)


def Product_Detail():
    total_pages = int(get_total_pages())
    output_path = 'D:\\product_details_1.xlsx'
    with ThreadPoolExecutor(max_workers=10) as executor:
        for page in range(1, total_pages + 1):
            print(f"正在处理第 {page} 页")
            product_id_sku_pairs = get_product_codes(page)
            futures = []
            for product_id, product_sku in product_id_sku_pairs:
                futures.append(executor.submit(fetch_product_details, product_id, product_sku))

            all_product_details = []
            for future in as_completed(futures):
                try:
                    product = future.result()
                    print("成功获取数据:", product)  # 调试信息
                    all_product_details.append(product)
                except Exception as e:
                    print(f"请求出错: {e}")

            # 调用追加写入方法
            append_to_excel(all_product_details, output_path)

    print("商品详情已写入 product_details_1.xlsx")


Product_Detail()

相关文章:

  • 计算机二级WPS Office第八套WPS演示
  • STL之vector
  • K8s故障排查手册:从Pod崩溃到网络不通
  • 7.1 分治-快排专题:LeetCode 75. 颜色分类
  • 使用JAVA-使用GUI进行界面设计-进行维吉尼亚密码的解密与加密
  • 力扣hot100二刷——动态规划
  • 落地长沙市某三甲医院!麒麟信安云桌面再添建设标杆
  • k8s1.22 kubeadm 部署
  • 解决vscode终端和本地终端python版本不一致的问题
  • 音视频 二 看书的笔记 MediaPlayer
  • MySQL 8.0.41源码目录深度解析:探索数据库内核的架构蓝图
  • 利用python调接口获取物流标签,并转成PDF保存在指定的文件夹。
  • SylixOS 中 select 原理及使用分析
  • Keil5 安装全攻略
  • 【django】1-1 django构建web程序的基础知识
  • Photoshop怎样保存为ico格式
  • VS自定义静态库并在其他项目中使用
  • SQL Server安装程序无法启动:系统兼容性检查失败
  • 【计算机网络】计算机网络协议、接口与服务全面解析——结合生活化案例与图文详解
  • 中级:设计模式面试题全解析
  • 比黄油年糕热量还高,这个火爆全网的甜品劝你慎吃
  • 外媒称菲方允许菲官员窜台,国台办:应停止在台湾问题上玩火
  • 2025年度中国青年五四奖章暨新时代青年先锋奖评选揭晓
  • 2024“好评中国”网络评论大赛结果揭晓
  • TAE联手加州大学开发出新型核聚变装置:功率提升百倍,成本减半
  • 阿联酋启动第三届全球航空奖评选,奖金总额达百万美元