import re
from threading import Thread
import threading
from urllib import parse
from datetime import datetime

 

import random 
import requests
import time

 

from scrapy import Selector
from models import *

 

store_list_urls = []
product_list_urls = []

 

domain = "http://www.91jf.com/"
store_domain = "http://www.91jf.com/default.php?act=corp&sort=list&page="
store_url_domain = 'http://www.91jf.com/default.php?act=store_goods&storeid=' # 用于拼接商户id和url
category_url = "http://www.91jf.com/default.php?act=categorygoodslist&category_id=" # 用来拼接商品的url
stor_url_aptitude = 'http://www.91jf.com/default.php?act=corpcert&id=' # 用于拼接商户资质的url




def get_nodes_json():
    left_menu_text = requests.get("http://www.91jf.com/").text
    #write_txt(left_menu_text)
    #etree.HTML(res0.text)
    sel = Selector(text=left_menu_text)
    all_divs = sel.xpath("//div[@class='class_child_li']//a[@href]").extract()
    if all_divs:
        nodes_lists = []
        for i in range(len(all_divs)):
            nodes_str = all_divs[i]
            nodes_str = nodes_str.replace("&","&") # 此处&由于被转义成&导致需要重新进行处理
            nodes_lists.append(nodes_str)
        return nodes_lists
    return []

 

# 获取一级目录数据，保存商品系列ID，用来拼接爬虫入口的url
def process_nodes_list(url):    
    menu_text = requests.get(url).text
    sel = Selector(text=menu_text)
    nodes_list = sel.xpath("//div[@class='index_g_class']/ul/li")
    for item in nodes_list:
        title = item.xpath("./div[@class='class_menu']/span/text()").extract()
        title = ''.join(title)
        #主目录的名称
        catalogue_name = title
        catalogue = Catalogue()
        catalogue.catalogue_name = catalogue_name # 系列名称
        catalogue.series_level = 0 # 系列等级
        catalogue_id_0 = 0 # 系列catalogue_id
        catalogue.category_id = catalogue_id_0 # 系列catalogue_id
        existed_id = Catalogue.select().where((Catalogue.catalogue_name==catalogue_name) & (Catalogue.category_id == catalogue_id_0))
        if existed_id:
            #catalogue.save()
            pass  
        else:
            catalogue.save(force_insert=True)
            print("插入商品目录成功")  

 

        _id = Catalogue.get(Catalogue.catalogue_name==title)._id # 此处获取父节点的id
        series_names = item.xpath('.//div[@class="class_child_li"]//li')
        for series_name in series_names:
            
            catalogue_0 = Catalogue()
            catalogue_0.catalogue_name = title # 系列名称
            catalogue_0.series_level = 0 # 系列等级

 

            series_name_0 =  series_name.xpath('.//span/text()').extract()
            series_name_0 = ''.join(series_name_0)
            
            category_id = series_name.xpath(".//a[@href]").extract()
            category_id = ''.join(category_id)
            category_id = re.search('\d.?\d',category_id).group()
            
            catalogue_0.category_id = category_id # 次级产品系列ID
            catalogue_0.catalogue_name = series_name_0 # 次级产品系列的名称
            catalogue_0.catalogue_level = 2 # 次级产品系列的等级
            catalogue_0.father_id = _id # 父节点的ID
            
            existed_id = Catalogue.select().where((Catalogue.catalogue_name==series_name_0) & (Catalogue.category_id == category_id))
            if existed_id:
                #catalogue_0.save()
                pass
            else:
                catalogue_0.save(force_insert=True)  

 

#根据catalogue存储的数据来获取category_id拼接商品最外层的url链接
def get_catalogue_url():
    url_list = []
    #catalogue = Catalogue()
    id_data = Catalogue.select().where(Catalogue.catalogue_level==2)
    for item in id_data:
        url = category_url + str(item.category_id) + "&okey=salenum&order=desc"
        url_list.append(url)
    #id_data = Catalogue.get(Catalogue.series_level_0==1).category_id
    return url_list

 

def parse_product(url):
    #获取商品的详情以及销售数量
    res_text = requests.get(url).text 
    sel = Selector(text=res_text)
    res_li = sel.xpath("//div[@class='pro_list_div g-clearfix c']/ul//li[@class='goods_offset']")
    flag_num = 0
    for item in res_li:
        product_id = item.xpath('./div[contains(@class,"pro_pic_box")]/a[@href]').extract() # 产品ID
        product_id = re.search('id=.*\d\"',''.join(product_id))
        product_id = product_id.group().replace("id=","")
        product_id = product_id.replace("\"","")
        product_id = int(product_id)

 

        name = item.xpath("./div[@class='row row-2 title']/a/text()").extract() # 产品名字
        name = ''.join(name)
        price = item.xpath('./div[@id="goods_detail_b"]/div[@class="row row-1"]/div[@class="g_price fm2"]/strong/text()').extract() # 显示价格
        price = ''.join(price)
        try:
            price = float(price)
        except:
            print("价格会员可见|价格请咨询商家")
            continue
        sales_num = item.xpath("./div[@id='goods_detail_b']/div[2]/p[1]/text()").extract()  # 销售数量
        sales_num= ''.join(sales_num)
        sales_num = sales_num.split('销量：')[1]
        sales_num = int(sales_num)
        flag_num = sales_num
        if sales_num < 1:
            continue
        
        store_id = item.xpath("./div[@class='row row-3 c']/a[@href]").extract()
        store_id = re.search('id=.*\d\"',''.join(store_id))
        store_id = store_id.group().replace("id=","")
        store_id = store_id.replace("\"","")
        store_id = int(store_id)

 

        merchant = item.xpath("./div[@id='goods_detail_b']/div[2]/p[2]/text()").extract() # 商家
        merchant = ''.join(merchant)

 

        main_Products = item.xpath("./div[@id='goods_detail_b']/div[2]/p[3]/text()").extract() # 主营
        main_Products = ''.join(main_Products)

 

        merchant_Place = item.xpath("./div[@id='goods_detail_b']/div[2]/p[4]/text()").extract() # 地址
        merchant_Place = ''.join(merchant_Place)
    
        product = Product()
        product.product_id = product_id
        product.name = name
        product.price = price
        product.sales_num = sales_num
        product.store_id = store_id
        product.merchant = merchant
        product.main_Products = main_Products
        product.merchant_Place = merchant_Place
        
        existed_name = Product.select().where(Product.product_id==product_id)
        if existed_name:
            pass
            #product.save()
        else:
            product.save(force_insert=True)
        
    next_page = sel.xpath("//*[@class='pagination2']/a[@href]").extract()
    if len(next_page) > 2 and flag_num > 0:
        url_next = re.search('\".*\d\"',next_page[-1])
        url_next = url_next.group().replace("&amp;","&") # 此处&由于被转义成&amp;导致需要重新进行处理
        url_next = url_next.replace("\"","")
        url_next = parse.urljoin(domain,url_next)
        #print(url_next)
        parse_product(url_next)
    else:
        pass

 

#获取商品链接,上一级url为商品详情页
def parse_data_last(url):
    #store_id_list = []
    flag_num = 0
    #获取商品的详情标签
    while True:
        try:
            res_text = requests.get(url).text
        except:
            time.sleep(3)
            print('间隔休眠时间，再次处理')
        else:
            break
    sel = Selector(text=res_text)
    res_li = sel.xpath("//div[@class='pro_list_div g-clearfix c']/ul//li[@class='goods_offset']")
    for item in res_li:
        sales_num = item.xpath("./div[@id='goods_detail_b']/div[2]/p[1]/text()").extract() # 销售数量
        sales_num= ''.join(sales_num)
        sales_num = sales_num.split('销量：')[1]
        sales_num = int(sales_num)
        flag_num = int(sales_num)

 

        data = item.xpath("./div[@class='pro_pic_box']/a").extract()
        data = re.search('\".*\d\"',data[0])
        data = data.group().replace("&amp;","&")
        data = data.replace("\"","")
        data_url = parse.urljoin(domain,data) # 链接为销量排序之后的单个商品链接，传出链接
        print("开始获取商品：{}".format(data_url))

 

        if sales_num > 0:
            r.lpush('91jiafan:catalogue_url',data_url) # 此处存储商品的url,判断条件为销售数量大于0

 

    #此处代码用来切到下一页链接数据，商品的详情排布页
    next_page = sel.xpath("//*[@class='pagination2']/a[@href]").extract()
    if len(next_page) > 2 and flag_num > 0:
        url_next = re.search('\".*\d\"',next_page[-1])
        url_next = url_next.group().replace("&amp;","&") # 此处&由于被转义成&amp;导致需要重新进行处理
        url_next = url_next.replace("\"","") 
        url_next = parse.urljoin(domain,url_next)
        parse_data_last(url_next)  



#获取商品详细数据
def parse_product_data(url):
    #获取商品的详情以及销售数量
    product_id = url.split('id=')[1] # 对商品id进行切片处理，用来获取ajax数据
    res_text = requests.get(url).text
    sel = Selector(text=res_text)
    #筛选规则，当is_price之后的value属性值为0的时候，说明不需要咨询商家，同时需要注意的是，商品会有打折批次数量的差异导致价格差异，
    #这一点需要根据具体的显示页面来处理，现在忽略，由于可能存在打折段的数据差异，所以暂时不考虑
    Is_price = sel.xpath("//input[contains(@id,'is_price')]").extract()#取到的数据用来判断价格是否需要咨询商家
    if len(Is_price) < 1:
        print("页面数据为空")
    else:    
        is_value = re.search('\d',Is_price[0])
        if is_value.group() == '0': # 0表示商品价格不需要咨询商户
            datas = sel.xpath("//div[contains(@class,'show_all')]/table[1]//tr")
            price_base = 0.0
            if datas:
                #price_base 商品基准价格
                for item in range(len(datas)):
                    price = datas[item].xpath("./input[last()-1]").extract()
                    price = re.search('value=\".*\"',price[0])
                    price = re.search('\d.*\d',price[0])
                    price = price.group()
                    price_base = price_base + float(price)
                price_base = price_base  / len(datas) # 商品基准价格计算
            else:
                price_base = sel.xpath("//span[@class='price_num fl']/text()").extract()[1]
                price_base = price_base.replace(" ","")
                price_base = float(price_base)
                #print(type(price_base))
                #print(price_base)
            #此处获取商品的描述信息
            attributes_list = sel.xpath("//span[contains(@class,'attributes-list')]//li/text()").extract()
            str_attributes = ' '.join(attributes_list)
            str_attributes = str_attributes.replace("&nbsp;"," ") # 商品信息描述
            #此处发送请求获取商品购买数据
            url_sales = parse.urljoin(domain,'default.php?act=evallist')
            data = {
                'id': product_id,
                'page': '0',
                'info_type': 'sale'
            }
            response = requests.post(url_sales, data=data)
            buyer_num = response.json().get("member") # 购买人数
            sale_num = response.json().get('num') # 销售数量
            buyer_rate = response.json().get('re_buyer_rate') # 商品复购率
            product_id = int(product_id) # 此处对商品ID进行转换

 

            product_attributes = Product_attributes()
            product_attributes.product_id = product_id
            product_attributes.price_base = price_base
            product_attributes.attributes = str_attributes
            product_attributes.buyer_num = buyer_num
            product_attributes.sale_num = sale_num
            product_attributes.buyer_rate = buyer_rate
            
            existed_id = Product_attributes.select().where(Product_attributes.product_id==product_id)
            if existed_id:
                pass
                #product_attributes.save()
            else:
                print("开始保存商品详细信息：{}".format(url))
                product_attributes.save(force_insert=True)
                
        else :
            price = "价格请咨询商家"

 

#获取商户详细数据,处理逻辑为根据单个商品目录来获取对应的商户id
def parse_store_id(url):
    #print(url) # 打印当前商品页的url用来定位
    res_text = requests.get(url).text
    sel = Selector(text=res_text)
    store_id = 0
    #筛选规则，当is_price之后的value属性值为0的时候，说明不需要咨询商家，同时需要注意的是，商品会有打折批次数量的差异导致价格差异，
    #这一点需要根据具体的显示页面来处理，现在忽略，由于可能存在打折段的数据差异，所以暂时不考虑
    Is_price = sel.xpath("//input[contains(@id,'is_price')]").extract()#取到的数据用来判断价格是否需要咨询商家
    if len(Is_price) < 1:
        print("页面数据为空")
    else:    
        is_value = re.search('\d',Is_price[0])
        if is_value.group() == '0': # 0表示商品价格不需要咨询商户
            store_id = sel.xpath('//span[@class="container_title_span"]/a[@href]').extract()
            store_id = ''.join(store_id)
            store_id = re.search('storeid=\d*\"',store_id)
            store_id = store_id.group()
            store_id = store_id.split('storeid=')[1]
            store_id = store_id.replace("\"","")
            store_id = int(store_id) # 商户的id
        else :
            pass
    return store_id

 

#根据store_id拼接的url用来抓取商户的数据
def parse_store_data(url):
    res_text = requests.get(url).text
    sel = Selector(text=res_text)
    if len(res_text) > 10:
        store_name = sel.xpath('//span[contains(@class,"container_title_span")]/a[@href]/text()').extract()
        store_name = ''.join(store_name) # 商户的名字
        
        store_id = sel.xpath('//span[@class="container_title_span"]/a[@href]').extract()
        store_id = ''.join(store_id)
        store_id = re.search('storeid=\d*\"',store_id)
        store_id = store_id.group()
        store_id = store_id.split('storeid=')[1]
        store_id = store_id.replace("\"","")
        store_id = int(store_id) # 商户的id

 

        store_level = ''
        store_place = ''
        store_describe = ''
        store_supply = ''
        store_service = ''

 

        store_data = sel.xpath('//ul[contains(@class,"gy_info_list")]/li/text()').extract()
        if len(store_data) > 3:
            store_level = store_data[2] # 商户等级
            store_level = store_level.replace(" ","")
            store_level = store_level.replace("\n","")
            store_place = store_data[3] # 商户地址
            store_place = store_place.replace(" ","")

 

        store_aptitude = stor_url_aptitude + str(store_id) # 商户的资质

 

        temp_datas = sel.xpath('//li[contains(@class,"evaluate")]//div[@style]//text()').extract()
        if len(temp_datas) == 6:
            store_describe = temp_datas[0] + ':' + temp_datas[1] # 商户描述
            store_supply = temp_datas[2] + ':' + temp_datas[3] # 商户供货
            store_service = temp_datas[4] + ':' + temp_datas[5] # 商户服务
        
        store = Store()
        store.store_id = store_id
        store.store_name = store_name
        store.store_level = store_level
        store.store_place = store_place
        store.store_aptitude = store_aptitude
        store.store_describe = store_describe
        store.store_supply = store_supply
        store.store_service = store_service

 

        existed_id = Store.select().where(Store.store_id==store_id)
        if existed_id:
            pass
            #store.save()
        else:
            print("开始获取商户信息：{}".format(store_id))
            store.save(force_insert=True)

 

class ParseproductThread(Thread):
    def run(self):
        while(1):
            try:
                data = r.lpop('91jiafan:catalogue_url')
                print("开始处理商品：{}".format(data))
                parse_product_data(data)
                store_id = parse_store_id(data)
                store_id_url = store_url_domain + str(store_id)
                r.lpush('91jiafan:store_id_url',store_id_url)
            except:
                time.sleep(120)
                print("data is null")

 

class Parse_storedata_Thread(Thread):
    def run(self):
        while(1):
            try:
                data = r.lpop('91jiafan:store_id_url')
                print("开始处理商户：{}".format(data))
                parse_store_data(data)
            except:
                time.sleep(120)
                print("data is null")



class parse_91_url_Thread(Thread):
    def run(self):
        #获取最终需要抓取的url
        url_list = get_catalogue_url()
        for url in url_list:
            parse_data_last(url)

 

class parse_91_productdata_Thread(Thread):     
    def run(self):
        #提取商品列表页的数据
        url_list = get_catalogue_url()
        for url in url_list:
            parse_product(url)



if __name__ == "__main__":
    #start_time = datetime.now()
    process_nodes_list(domain)
    parse_91_url_thread = parse_91_url_Thread()
    parse_91_productdata_thread = parse_91_productdata_Thread()
    
    parse_91_url_thread.start()
    parse_91_productdata_thread.start()
    
    for i in range(10):
        parse_product_thread = ParseproductThread()
        parse_product_thread.start()
    for i in range(8):
        parse_storedata_thread = Parse_storedata_Thread()
        parse_storedata_thread.start()

 

    #end_time = datetime.now()
    #print("一共使用时间：",end_time - start_time)