1、登录POS后台，获取企业在线的产品信息，包含规格、价格、封面图、详情页图等信息到本地中

2、登录成功后需输入要查询的企业名字，然后再根据提示输入相应企业的ID号即可下载 

#!/usr/bin/env python
# coding=utf-8
# 有选择性的获取POS后台企业的产品信息并下载到excel表格中以及图片到本地

import requests
import re
from lxml import etree
from openpyxl import Workbook
import time,os

class POS_crawl(object):
    def __init__(self, username, password):
        # 初始化登录headers实例
        self.headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:56.0) Gecko/20100101 Firefox/56.0",
                        "Referer": "https://pos.XXXX.com/item/pf.html"
                        }
        # 核实界面
        self.post_url = "https://pos.XXXX.com/j_spring_"
        # 创建session对象，可以保存Cookie值
        self.session = requests.session()
        self.username = username
        self.password = password
        # 构建一个厂商信息的列表，每组数据用字典保存：[{"105080":"某某企业公司"}，{"105082":"某某企业公司"}]
        self.company_list = []
        self.data = ['序号', 'ID', '品牌', '产品名称',
                        '商家分类', '平台分类', '销售情况', '销售标题',
                        '价格','促销价', '规格', '起订量', '适应区域'
                        ]
        self.wb = Workbook()

    # 提取表单登录信息(可以和模拟登陆合并成一个）
    def get_login_info(self):
        data = {
            "j_username": self.username,
            "j_password": self.password
        }
        return data
    # 模拟登录
    def login(self):
        data = self.get_login_info()
        headers = {
                   'User-Agent': 'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0);',
                   "Referer": self.post_url,
                   "X-Requested-With": "XMLHttpRequest",
                   }
        try:
            # 发送附带用户名和密码的请求，并获取登录后的Cookie值，保存在session里
            login_page = self.session.post(self.post_url, data=data, headers=headers)
            # print(login_page.text)
            if "loginerror" in login_page.text:
                print("登录失败，错误的手机号码或密码！")

            if "</span>首页" in login_page.text:
                print("欢迎您'%s'，成功登陆POS管理系统！"%self.username)
                self.get_key()
        except Exception as e:
            print(e)
    # 先获取提交表单数据的key值，也就是企业的ID列表
    def get_key(self):
        on_list_url = "https://pos.XXXX.com/item/lis.html"
        # 调取process_session_get方法
        selector = self.process_session_get(on_list_url)
        # 获取厂商的名字
        company_name = selector.xpath('//select[@id="sel_company"]/option/text()')
        # 获取厂商的ID
        company_id = selector.xpath('//select[@id="sel_company"]/option/@value')
        # 先构建一个厂商信息的列表，每组数据用字典保存：[{"105080":"某某企业公司"}，{"105082":"某某企业公司"}]
        for i in range(len(company_id)):
            # 创建空字典存储每一个企业信息
            dic = {}
            # 这里排除掉一些无用的企业,后续可以不断增加
            if company_id[i] not in ['109102','109085','109904','109086','105342','3','107084','0']:
                dic[company_id[i]] = company_name[i]
                self.company_list.append(dic)
        self.company_info()
    # 这个方法来处理用户输入的企业名称，并返回相应企业名称的ID
    def company_info(self):
        while True:
            key_company = input("请输入要获取的企业名称:")
            key_list =[]
            value_list = []
            # 这个一定要判断，防止用户直接输入回车，否则会导致所有企业信息全部显示出来
            if key_company != "":
                for company_dic in (self.company_list):
                    # company_dic就是每组企业信息的字典
                    # 遍历企业信息字典的value值，并和输入的比对
                    for value_company in company_dic.values():
                        if key_company in value_company:
                            for key,value in company_dic.items():
                                # 保存key值
                                key_list.append(int(key))
                                # 保存value值
                                value_list.append(value)
                if len(key_list) != 0:
                    print("====================共%s条相关企业信息===================="%(len(key_list)))
                    print("{:^10}\t{:^23}".format("企业ID", "企业名称"))
                    for i in range(len(key_list)):
                        print("{:^10}\t{:^23}".format(key_list[i], value_list[i]))
                    # 判断开关，如果有企业信息，才会去提示用户输入ID号
                    switch=True
                    break
                else:
                    print("ERROR:未找到相关的企业信息，请重试！")
            else:
                print("ERROR:输入有误，请重试！")
        print("=" * 54)
        while True:
            if switch:
                try:
                    ID_key = int(input("请输入相应企业一模一样的ID号："))
                    # 防止用户输入回车
                    if ID_key != "":
                        if ID_key in key_list:
                            formdata = self.form_process(str(ID_key))
                            self.item_on_list(formdata,str(ID_key))
                            break
                        else:
                            print("ERROR:您输入的ID号不在以上企业信息中，请重试！")
                    else:
                        print("ERROR:输入有误，请重试！")
                except:
                    print("ERROR:输入有误，请重试！")
    def form_process(self,ID_key,page=0):
        # 后台需提交的表单数据
        formdata = {
            "cate1": "-1",
            "cate2": "-1",
            "cate3": "-1",
            "province": "-1",
            "city": "-1",
            "dist": "-1",
            "pf.companyId": ID_key,
            "pf.sortTime": "onlineTime",
            "pf.salesType": "0",
            "pf.isSales": "0",
            "pf.isExtend": "0",
            "pf.homeExtend": "0",
            "pf.name": "",
            "pf.startDate": "",
            "pf.endDate": "",
            "page": page,
            "pf.region": "-1",
            "pf.categoryId": "-1",
        }
        return formdata
    # 发送session.pos请求的方法
    def process_session_pos(self,on_list_url,formdata):
        item_list = self.session.post(on_list_url, data=formdata, headers=self.headers)
        # 利用etree.HTML，将响应内容解析为HTML文档,并返回
        html = etree.HTML(item_list.text)
        return html
    # 发送session.get请求的方法
    def process_session_get(self,get_url):
        content_item = self.session.get(get_url, headers=self.headers)
        # 利用etree.HTML，将响应内容解析为HTML文档,并返回
        html = etree.HTML(content_item.content)
        return html

    # 获取商品查询页面，发送请求
    def item_on_list(self,formdata,ID_key):
        on_list_url = "https://pos.XXXX.com/item/lis.html"
        html = self.process_session_pos(on_list_url,formdata)
        # 利用xpath规则获取几页数据，是一个列表[1/3]
        result_list = html.xpath("//div[@class='centercontent']/div[@id='contentwrapper']/p/span[2]/span/text()")
        # 获取总共多少产品>>查询结果：共 5649 条数据
        total_product = html.xpath("//div[@class='centercontent']/div[@id='contentwrapper']/p/span[1]/text()")[0]
        # 将查询结果里面的数字提取出来
        # pattern = re.compile(r'\d+')
        # result_number = pattern.findall(result_list[0])
        if len(result_list) !=0:
            # 获取总共多少页
            page = result_list[0].split("/")[1]
            print("=========该企业的%s，共%s页========="%(total_product,page))
            company_name = ''
            for i in range(1,int(page)+1):
                formdata = self.form_process(ID_key,i)
                time.sleep(1)
                html = self.process_session_pos(on_list_url, formdata)
                # 获取企业名称
                company_name = html.xpath('//div[@class="pt5 pb5 pl10 pr10"]/p/span[@class="l orange ff f18"]/text()')[0]
                # 获取产品名称
                product_name_list = html.xpath('//div[@class="pt5 pb5 pl10 pr10"]/dl/dt/a/text()')
                # 获取产品ID,需要处理,javascript:show('105813')
                id_list = html.xpath('//div[@class="pt5 pb5 pl10 pr10"]/dl/dt/a/@href')
                pattern_id = re.compile(r"javascript:show\('(\d+)'\)")
                end_id_list = []
                for i in range(len(id_list)):
                    end_id = pattern_id.search(id_list[i]).group(1)
                    end_id_list.append(end_id)
                # 调取获取产品描述、价格、规格等信息页面方法
                total_list = self.process_product(end_id_list,company_name,product_name_list)
                # 处理表格数据
                self.process_excel(total_list,company_name)
            print("数据保存到本地中....")
            # 保存表格名称为企业名字和当天的日期
            file_end_name = company_name + time.strftime("%Y-%m-%d", time.localtime())
            self.wb.save(file_end_name + '.xlsx')
            address = os.path.abspath(file_end_name + '.xlsx')
            print("以上数据处理完毕，表格已经保存到该路径下：%s" % address)

        else:
            print("该企业未有在线产品！")
    # 获取产品描述、价格、规格等信息方法
    def process_product(self,end_id_list,company_name,product_name_list):
        # 计数器，也就是序号
        count = 0
        # 列表嵌套,目的是里面的每一个列表都是一个要写入表格的完整信息
        total_list = []
        for k in range(len(end_id_list)):
            # 商品弹框地址
            id_url = 'https://pos.XXXX.com/item/sho.html?item.id=' + end_id_list[k]
            time.sleep(1)
            selector = self.process_session_get(id_url)
            # 获取产品名称
            # product_name = selector.xpath('//div[@id="tabs-1"]/p[1]/span/text()')[0].strip().split(" ")[1]
            product_name = product_name_list[k].strip()
            print("正在处理产品：%s" % product_name)
            # 获取品牌,需要处理，有空格
            brand_list = selector.xpath('//div[@id="tabs-1"]/p[1]/span/text()')[0].strip().split(" ")[0]
            # 获取商家分类
            company_class = selector.xpath('//div[@id="tabs-1"]/p[4]/span/text()')[0].strip()
            # 获取适应区域
            product_area = selector.xpath('//div[@id="tabs-1"]/p[2]/span/text()')[0].strip()
            # 获取平台分类
            platform_class = selector.xpath('//div[@id="tabs-1"]/p[3]/span/text()')[0].strip()
            # 是否销售
            sale_list = selector.xpath('//div[@id="tabs-1"]/p[6]/span/text()')[0].strip()
            # 销售标题
            sales_title = selector.xpath('//div[@id="tabs-1"]/p[8]/span/text()')[0].strip()
            # 规格，可能为多个
            product_size = selector.xpath('//div[@id="tabs-5"]/table[@id="item"]/tbody/tr/td[1]/text()')
            # skuid，可能为多个：[10001162，10001163]
            skuid_list = selector.xpath('//div[@id="tabs-5"]/table[@id="item"]/tbody/tr/td[1]/input/@value')
            # 起订量,可能为多个
            product_quantity = selector.xpath('//div[@id="tabs-5"]/table[@id="item"]/tbody/tr/td[8]/text()')
            # 封面图链接地址,lookPic('http://isi14735834071051.jpg')需要正则去处理
            cover_image_list = selector.xpath('//div[@id="tabs-3"]/div/span/img/@onclick')
            patt = re.compile(r"lookPic\('(.*)'\)")
            # 封面图链接地址存放列表
            cover_image_link = []
            for i in range(len(cover_image_list)):
                cover_image = patt.match(cover_image_list[i]).group(1)
                cover_image_link.append(cover_image)
            # 详情页图链接地址
            detail_image_link = selector.xpath('//div[@id="tabs-4"]/img/@src')
            # 存放封面图和详情页图
            image_list = cover_image_link + detail_image_link
            # 调用图片处理方法
            self.process_image(image_list,company_name,product_name)
            for j in range(len(skuid_list)):
                # 用规格的skuid来计数，正好是产品序号，包含多个规格
                count += 1
                # 存储每个信息的列表
                product_list = []
                # 包含产品价格、规格网址
                end_skuid_url = "https://pos.XXXX.com/item/showi.html?sku.id=" + skuid_list[j]
                skuid_selector = self.process_session_get(end_skuid_url)
                # 获取零售价,将重复的价格筛选掉，用set去掉重复项,并转换为列表
                retail_price_list = skuid_selector.xpath('//div[@id="tabs-1"]/table[@id="item"]/tbody/tr/td[2]/text()')
                retail_price = list(set(retail_price_list))
                for i in range(len(retail_price)):
                    if retail_price[i] == "0.0":
                        retail_price[i] = '零售价待定'
                    elif retail_price[i] == "0.00":
                        retail_price[i] = '零售价数据0.00有误'
                    # 如果是多个价格，用分号隔开
                if len(retail_price) > 1:
                    retail_price = "；".join(retail_price)
                elif len(retail_price) == 1:
                    retail_price = retail_price[0]
                # 获取零售促销价,将重复的促销价筛选掉，用set去掉重复项,并转换为列表
                promotion_price_list = skuid_selector.xpath( '//div[@id="tabs-1"]/table[@id="item"]/tbody/tr/td[3]/text()')
                promotion_price = list(set(promotion_price_list))
                for i in range(len(promotion_price)):
                    if promotion_price[i] == "0.0":
                        promotion_price[i] = '无促销价'
                    elif promotion_price[i] == "0.00":
                        promotion_price[i] = '促销价数据0.00有误'
                # 如果是多个促销价格，用分号隔开
                if len(promotion_price) > 1:
                    promotion_price= "；".join(promotion_price)
                elif len(promotion_price) == 1:
                    promotion_price = promotion_price[0]
                # 将每个规格的数据，组成一个完整的列表，最后再装进total_list
                product_list.append(count)
                product_list.append(end_id_list[k])
                product_list.append(brand_list)
                product_list.append(product_name)
                product_list.append(company_class)
                product_list.append(platform_class)
                product_list.append(sale_list)
                product_list.append(sales_title)
                product_list.append(retail_price)
                product_list.append(promotion_price)
                product_list.append(product_size[j])
                product_list.append(product_quantity[j])
                product_list.append(product_area)
                # 目的是列表嵌套，里面的每一个列表都是一个要写入表格的完整信息
                total_list.append(product_list)
        return total_list
    # 图片处理
    def process_image(self,image_list,company_name,product_name):
       for i in range(len(image_list)):
            # 存放文件的目录
           file_path = "./"+company_name +"/"+ product_name + "/"
           if (not os.path.exists(file_path)):
               os.makedirs(file_path)
           html = requests.get(image_list[i])
           print("图片-%s下载中....."%(i+1))
           if image_list[i][-4:].lower() in ['.jpg', '.gif', '.png']:
               with open(file_path +"图片-"+str(i+1)+image_list[i][-4:],"wb")as f:
                   f.write(html.content)
    # 表格处理
    def process_excel(self,total_list,company_name):
        # print("数据保存到本地中....")
        ws = self.wb.active
        ws.title = '企业在线产品列表'  # 修改第一个sheet表名为企业在线产品列表
        # 先写入表头数据
        for head in range(1, len(self.data) + 1):
            _ = ws.cell(row=1, column=head, value=self.data[head - 1])
        for product_fullList in total_list:
            ws.append(product_fullList)
        # # 保存表格名称为企业名字和当天的日期
        # file_end_name = company_name +time.strftime("%Y-%m-%d", time.localtime())
        # self.wb.save(file_end_name + '.xlsx')
        # address = os.path.abspath(file_end_name + '.xlsx')
        # print("以上数据处理完毕，表格已经保存到该路径下：%s"%address)

if __name__ == "__main__":
    username = input("请输入登录账号：")
    password = input("请输入登录密码：")
    az = POS_crawl(username, password)
    az.login()