一、京東搜索關鍵詞的核心特性

支持中文直接搜索：京東官網支持中文關鍵詞輸入（如 “筆記本電腦”、“華為手機”），但在 HTTP 請求中，中文關鍵詞會被自動進行URL 編碼（將中文轉換為%XX格式的字符串）。

關鍵詞與搜索結果的關聯性：關鍵詞的精準度決定爬取結果的相關性，京東搜索會對關鍵詞進行分詞匹配（如 “Python 實戰書籍” 會拆分匹配 “Python”、“實戰”、“書籍”）。

請求參數中的關鍵詞傳遞：在之前的爬蟲代碼中，關鍵詞通過params字典的"keyword"和"wq"字段傳遞，其中"wq"字段是京東的補全搜索參數，與主關鍵詞保持一致可提高請求成功率。

二、關鍵詞的 URL 編碼處理

1. 自動編碼（推薦，爬蟲首選）

在使用requests庫發送請求時，將關鍵詞直接傳入params參數，requests會自動完成中文關鍵詞的 URL 編碼，無需手動處理，這也是之前代碼中采用的方式，示例：

python

運行

import requests
from fake_useragent import UserAgent

ua = UserAgent()
headers = {"User-Agent": ua.random}

# 直接傳入中文關鍵詞，無需手動編碼
keyword = "Python實戰書籍"
url = "https://search.jd.com/Search"
params = {
    "keyword": keyword,
    "enc": "utf8",
    "page": 1
}

# requests會自動將“Python實戰書籍”編碼為URL可識別格式
response = requests.get(url, params=params, headers=headers, timeout=15)
print("最終請求URL：", response.url)  # 可查看編碼后的完整URL

2. 手動編碼（備用方案）

若需手動處理關鍵詞編碼，可使用 Python 內置的urllib.parse.quote()方法，適用于不使用requests參數傳遞的場景，示例：

python

運行

from urllib.parse import quote

# 中文關鍵詞手動URL編碼
keyword = "Python實戰書籍"
encoded_keyword = quote(keyword, encoding="utf-8")  # 指定utf-8編碼（京東要求）
print("編碼后關鍵詞：", encoded_keyword)  # 輸出：Python%E5%AE%9E%E6%88%98%E4%B9%A6%E7%B1%8D

# 手動構造編碼后的URL
url = f"https://search.jd.com/Search?keyword={encoded_keyword}&enc=utf8&page=1"

三、關鍵詞的構造與優化技巧（提升爬取精準度）

1. 精準關鍵詞構造（獲取目標商品）

帶品牌 / 型號：如 “華為 Mate 60 Pro 手機”、“聯想拯救者 Y9000P 筆記本”

帶規格 / 參數：如 “16G 512G 輕薄筆記本”、“500ml 保溫杯 316 不銹鋼”

帶用途：如 “辦公用激光打印機”、“學生黨平價平板電腦”

2. 模糊關鍵詞構造（獲取泛類商品）

適用于爬取某一類商品的整體信息，如 “筆記本電腦”、“休閑零食”、“家居收納用品”，這類關鍵詞返回結果數量多，適合批量學習爬蟲數據處理。

3. 排除式關鍵詞（過濾無關結果）

京東支持使用-符號排除無關內容，構造關鍵詞時可利用這一規則提升爬取結果的精準度，示例：

關鍵詞 “筆記本電腦 - 游戲本”：爬取非游戲本的筆記本電腦

關鍵詞 “保溫杯 - 塑料 - 兒童”：爬取成人用、非塑料材質的保溫杯

四、爬蟲中關鍵詞使用的注意事項

避免敏感關鍵詞：勿爬取涉及違禁品、侵權商品、醫療藥品等敏感關鍵詞的內容，遵守平臺規則和法律法規。

關鍵詞格式化處理：去除關鍵詞前后的空格、特殊字符（如#、@），避免請求失敗或返回無效結果，示例：

python

運行

def format_keyword(keyword):
    """關鍵詞格式化：去空格、去特殊字符"""
    # 去除前后空格
    keyword = keyword.strip()
    # 去除常見無效特殊字符
    invalid_chars = ["#", "@", "￥", "★", "☆"]
    for char in invalid_chars:
        keyword = keyword.replace(char, "")
    return keyword

# 格式化使用
raw_keyword = "  ￥Python書籍★實戰  "
target_keyword = format_keyword(raw_keyword)
print("格式化后關鍵詞：", target_keyword)  # 輸出：Python書籍實戰

防止中文亂碼：無論是關鍵詞傳遞還是結果保存，均統一使用utf-8編碼（與之前爬蟲代碼中的response.encoding = "utf-8"、文件保存encoding="utf-8"保持一致）。

批量關鍵詞爬取的延時控制：若需循環爬取多個關鍵詞（如 ["Python 書籍", "Java 書籍", "C++ 書籍"]），需在關鍵詞之間添加額外延時（≥3 秒），避免高頻請求觸發反爬，示例：

python

運行

import time
from fake_useragent import UserAgent

# 批量關鍵詞列表
keyword_list = ["Python書籍", "Java書籍", "C++書籍"]

for keyword in keyword_list:
    print(f"開始爬取關鍵詞：{keyword}")
    goods_list = get_jd_goods(keyword=keyword, page=1)  # 調用之前的爬蟲函數
    save_goods_to_txt(goods_list, keyword)
    # 關鍵詞之間添加3秒延時，強化反爬
    time.sleep(3)

五、補充：京東關鍵詞搜索的特殊規則

關鍵詞中的空格代表 “并列匹配”：如 “手機 快充”，會匹配同時包含 “手機” 和 “快充” 的商品。

雙引號包裹關鍵詞代表精確匹配：如"Python核心編程"，會嚴格匹配完整關鍵詞，不進行分詞拆分，爬取結果更精準（需注意：雙引號傳入請求時無需轉義，requests會自動處理）。

部分特殊符號（如*、?）在京東搜索中無效，爬蟲中構造關鍵詞時可直接剔除。

總結

京東爬蟲中，中文關鍵詞優先使用requests自動 URL 編碼，無需手動處理，簡潔高效。

關鍵詞的精準構造（帶品牌 / 規格）和格式化處理，是提升爬取結果相關性的關鍵。

批量關鍵詞爬取時，需添加額外延時，同時避免敏感關鍵詞，遵守爬蟲合規原則。

銜接之前的實戰代碼，修改target_keyword變量為不同優化后的關鍵詞，即可獲取對應的商品列表。

審核編輯 黃宇