京东商城商品信息爬取与数据分析实战教程

网络爬虫是一种自动化获取网页内容的程序，能够从互联网上收集信息。它们通过模拟用户的行为，按照特定的规则抓取网站上的数据。在本章节中，我们了解了如何安装和初始化BeautifulSoup库，并通过一系列实例学习了如何解析HTML文档、遍历DOM树以及使用CSS选择器。BeautifulSoup提供了许多搜索和过滤节点的方法，使数据提取变得简单和高效。掌握这些技能可以帮助你在数据抓取中实现更复杂的需求

来自日本的亮仔

1083人浏览 · 2025-08-22 11:38:52

来自日本的亮仔 · 2025-08-22 11:38:52 发布

本文还有配套的精品资源，点击获取

简介：网络爬虫是IT领域中的关键技术，用于自动化获取网页数据。本教程以京东商城商品信息爬取为例，详细介绍了爬虫的基本原理、关键库的使用、HTML/CSS选择器的应用、正则表达式的运用、数据存储和预处理方法、数据分析技巧、Web爬取伦理、应对反爬虫策略、以及最终如何利用爬取数据构建商城网站的相关技术。学习这些知识，可以为构建类似电商平台的网站打下坚实的基础。

1. 网络爬虫基本原理

网络爬虫定义

网络爬虫是一种自动化获取网页内容的程序，能够从互联网上收集信息。它们通过模拟用户的行为，按照特定的规则抓取网站上的数据。

爬虫的工作原理

爬虫的工作流程主要包括以下几个步骤：
1. URL管理 ：爬虫首先需要一个或多个初始的URL作为抓取入口。
2. 网页下载 ：通过HTTP请求从网络上下载网页内容。
3. 内容解析 ：对下载的网页内容进行解析，提取有价值的数据。
4. 链接提取 ：从当前页面中抽取新的URL，以便继续抓取。
5. 数据存储 ：将解析得到的数据存储起来。
6. 重复执行 ：根据设定的规则不断重复以上步骤，直到满足停止条件。

爬虫的分类

根据爬取范围和深度的不同，爬虫可以分为以下几类：
- 普通爬虫 ：仅抓取特定网站的页面。
- 聚焦爬虫 ：只抓取与预设主题相关的页面。
- 全网爬虫 ：尝试抓取所有网站的内容。

通过理解网络爬虫的基本原理，我们可以开始设计和实现自己的爬虫程序，以便从互联网上自动收集数据。在接下来的章节中，我们将深入探讨如何使用Python中的requests库发送HTTP请求，以及如何使用BeautifulSoup库进行HTML数据的解析。

2. requests库的HTTP请求实现

2.1 requests库的安装与配置

在开始使用requests库之前，确保已经安装了Python环境。requests库可以通过Python包管理工具pip进行安装，推荐使用虚拟环境来避免潜在的包冲突。下面的步骤将指导你完成安装过程：

打开命令行工具。
如果还没有安装pip，可以通过安装工具安装pip。在Windows上可以使用 get-pip.py ，在Unix或MacOS上可以使用Python提供的安装脚本。
安装完成后，使用以下命令安装requests库：

pip install requests

如果在安装过程中遇到权限问题，可以尝试在命令前添加 sudo （仅限Unix/Linux/MacOS系统）或使用管理员权限运行命令提示符（Windows系统）。

安装完成后，可以在Python脚本中导入requests库并检查版本确认安装成功：

import requests
print(requests.__version__)

2.2 发送基本的HTTP请求

2.2.1 GET请求的发送与响应处理

GET请求是向服务器请求数据的一种方式，最常见的场景是从网络上获取网页内容。使用requests库发送GET请求非常简单：

response = requests.get('http://example.com')
print(response.text)

上述代码会输出网页的HTML内容。 response 对象包含了很多关于HTTP响应的信息。可以检查状态码确认请求是否成功：

if response.status_code == 200:
    print("成功")
else:
    print("请求失败")

为了确保能够处理各种HTTP状态码，通常会使用异常处理机制来捕获可能发生的错误：

try:
    response = requests.get('http://example.com')
    response.raise_for_status()  # Raises an HTTPError if the HTTP request returned an unsuccessful status code
    print(response.text)
except requests.HTTPError as http_err:
    print(f"HTTP error occurred: {http_err}")
except Exception as err:
    print(f"An error occurred: {err}")

2.2.2 POST请求的发送与参数处理

相较于GET请求，POST请求主要用于向服务器提交数据。下面示例展示了如何用requests库发送POST请求：

data = {'key': 'value'}
response = requests.post('http://example.com', data=data)
print(response.text)

POST请求通常需要在请求体中包含数据。在上面的例子中， data 参数被设置为一个字典，requests库会自动编码成表单数据。对于JSON数据，可以使用 json 参数：

json_data = {'key': 'value'}
response = requests.post('http://example.com', json=json_data)
print(response.text)

2.3 请求头部与代理设置

2.3.1 设置请求头部信息

某些情况下，服务器需要特定的头部信息才能正确处理请求。requests库允许通过headers参数传递字典来设置头部信息：

headers = {'User-Agent': 'My User Agent 1.0',
           'Accept': 'application/json',
           'Authorization': 'Bearer my-token'}
response = requests.get('http://example.com', headers=headers)

在此例中，我们设置了User-Agent、Accept和Authorization头部。

2.3.2 使用代理绕过IP限制

当爬取的目标网站限制了某个IP地址的请求频率时，通过代理服务器可以绕过这种限制。使用requests库，可以简单地配置代理：

proxies = {
    "http": "http://10.10.1.10:3128",
    "https": "http://10.10.1.10:1080",
}

response = requests.get('http://example.com', proxies=proxies)

在这个配置中，我们指定了HTTP和HTTPS协议的代理服务器。注意，使用代理可能会影响请求速度，而且代理服务器的可靠性也会影响到爬虫的稳定性。

在下一章节中，我们将探索如何使用BeautifulSoup库来解析和提取我们通过HTTP请求获取的数据。

3. BeautifulSoup库的数据解析

3.1 BeautifulSoup库的安装与初始化

BeautifulSoup是一个强大的库，用于解析HTML和XML文档。它可以用来搜索、修改、提取文档的各个部分，是网络爬虫和数据提取工作中不可或缺的工具。本章节将引导你了解如何安装BeautifulSoup库，并介绍其基本用法。

首先，你需要安装BeautifulSoup库。这可以通过Python的包管理工具pip来完成。打开命令行工具并输入以下命令：

pip install beautifulsoup4

如果你还需要安装用于解析HTML的解析器（如lxml），可以额外安装：

pip install lxml

对于一些旧版本的库，可能需要使用以下命令：

pip install beautifulsoup4==4.6.0

安装完成后，我们可以开始初始化BeautifulSoup对象并解析一个简单的HTML文档。下面是一个简单的例子：

from bs4 import BeautifulSoup

# 假设我们有一个简单的HTML文档
html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>
<a href="http://example.com/"><p class="story">Once upon a time there were three little sisters.</p></a>

# 使用lxml作为解析器初始化BeautifulSoup对象
soup = BeautifulSoup(html_doc, 'lxml')

在上面的代码中，我们首先导入了BeautifulSoup模块，并定义了一个HTML文档字符串 html_doc 。然后，我们使用 BeautifulSoup 类创建了一个解析对象 soup ，并指定’lxml’作为解析器。 BeautifulSoup 对象 soup 现在可以用来操作和查询这个HTML文档了。

3.2 解析HTML文档结构

3.2.1 解析标签元素

BeautifulSoup解析器的核心功能之一就是解析标签元素。你可以通过不同的方法来访问这些元素。

使用标签名查找：

# 查找文档中所有的<p>标签
p_tags = soup.find_all('p')
print(p_tags)

使用标签的属性查找：

# 查找文档中所有class为"title"的标签
title_tag = soup.find_all(attrs={"class": "title"})
print(title_tag)

3.2.2 遍历DOM树

遍历DOM树是解析HTML文档结构中的另一重要功能。你可以通过各种方法遍历文档中的标签，如 .contents 、 .children 、 .descendants 等。

# 获取<p>标签的子节点列表
for child in p_tags[0].contents:
    print(child)

3.2.3 获取标签内容

一旦你定位到了特定的标签，通常你会需要提取标签中的文本内容。

# 获取<p>标签中的文本内容
for p in p_tags:
    print(p.get_text())

3.2.4 导航文档树

除了遍历和查找标签外，BeautifulSoup还提供了便捷的方法来导航文档树。

# 找到第一个<b>标签
b_tag = soup.find('b')
print(b_tag)

# 获取第一个<b>标签的父标签
parent_tag = b_tag.parent
print(parent_tag.name)

# 获取所有兄弟标签
sibling_tags = b_tag.next_siblings
print(list(sibling_tags))

3.2.5 使用CSS选择器查找元素

BeautifulSoup支持使用CSS选择器查找元素，这使得我们可以使用与CSS匹配规则相似的方式筛选HTML文档。

# 使用CSS选择器查找第一个<a>标签
a_tag = soup.select_one('a')
print(a_tag)

# 使用CSS选择器找到所有带有类名"title"的元素
title_tags = soup.select(".title")
for title in title_tags:
    print(title.get_text())

3.3 数据提取与搜索机制

3.3.1 提取特定标签和属性

BeautifulSoup提供了多种方式来提取特定标签和属性。

# 获取所有<a>标签的href属性
for a in soup.select('a'):
    print(a.get('href'))

# 提取所有的标题和其对应的<a>标签
titles = soup.find_all('p', class_='title')
for title in titles:
    print(title.get_text())
    print(title.find('a'))

3.3.2 搜索和过滤节点

为了进一步提取你需要的数据，BeautifulSoup提供了多种搜索和过滤节点的方法。

# 搜索带有特定属性的元素
link_with_text = soup.find_all(text="Once upon a time there were three little sisters.", exact=False)
print(link_with_text)

# 过滤出所有含有属性的<a>标签
a_tags_with_attrs = soup.find_all('a', href=True)
print(a_tags_with_attrs)

总结

在本章节中，我们了解了如何安装和初始化BeautifulSoup库，并通过一系列实例学习了如何解析HTML文档、遍历DOM树以及使用CSS选择器。BeautifulSoup提供了许多搜索和过滤节点的方法，使数据提取变得简单和高效。掌握这些技能可以帮助你在数据抓取中实现更复杂的需求。

4. HTML/CSS选择器的应用

选择器是HTML/CSS中用于选择页面元素并应用样式的工具。在爬虫技术中，选择器能够帮助我们高效地定位和提取网页中的数据。本章节将深入探讨CSS选择器的种类和使用，并展示如何将其与BeautifulSoup结合使用来提高数据提取的效率。

4.1 CSS选择器的种类与使用

4.1.1 基本选择器

基本选择器是CSS选择器中最常用的类型，主要包括标签选择器、类选择器、ID选择器和通配符选择器。

标签选择器 ：直接根据HTML元素的标签名来选择元素，如 div , p , h1 等。
类选择器 ：以 . 开头，根据元素的 class 属性来选择元素，例如 .content 会选中所有 class="content" 的元素。
ID选择器 ：以 # 开头，根据元素的 id 属性来选择唯一元素，例如 #header 会选中 id="header" 的元素。
通配符选择器 ：以 * 符号表示，它会匹配所有元素。

/* 标签选择器 */
div { 
  color: blue;
}

/* 类选择器 */
.content {
  margin: 0 auto;
}

/* ID选择器 */
#logo {
  float: left;
}

/* 通配符选择器 */
* {
  font-family: Arial, sans-serif;
}

4.1.2 层叠选择器

层叠选择器用于根据特定的结构关系来选择元素。它们包括后代选择器、子选择器、相邻兄弟选择器和通用兄弟选择器。

后代选择器 ：用空格分隔，选择所有指定元素的后代元素，例如 ul li 会选择 <ul> 标签内所有的 <li> 元素。
子选择器 ：用 > 符号分隔，只选择直接的子元素，例如 ul > li 会选择 <ul> 标签下直接的 <li> 子元素。
相邻兄弟选择器 ：用 + 符号分隔，选择紧接在另一元素后的元素，例如 h1 + p 会选择紧接在 <h1> 后的 <p> 元素。
通用兄弟选择器 ：用 ~ 符号分隔，选择后面的所有兄弟元素，例如 h1 ~ p 会选择 <h1> 后的所有 <p> 元素。

/* 后代选择器 */
ul li {
  color: green;
}

/* 子选择器 */
ul > li {
  background: yellow;
}

/* 相邻兄弟选择器 */
h1 + p {
  font-size: 12px;
}

/* 通用兄弟选择器 */
h1 ~ p {
  color: red;
}

4.2 BeautifulSoup与CSS选择器的结合使用

4.2.1 BeautifulSoup中的CSS选择器

BeautifulSoup库提供了 select() 方法，使得我们可以直接使用CSS选择器来提取元素。它返回一个包含所有匹配元素的列表。

from bs4 import BeautifulSoup

html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>
<a href="http://example.com/1">link1</a>
<a href="http://example.com/2">link2</a>
</body>
</html>

soup = BeautifulSoup(html_doc, 'html.parser')

# 使用类选择器提取所有类名为"title"的元素
titles = soup.select(".title")
# 使用标签选择器提取所有的<a>标签元素
links = soup.select("a")

print(titles)
print(links)

4.2.2 提高数据提取效率的技巧

在使用BeautifulSoup和CSS选择器进行数据提取时，有一些技巧可以提高效率：

使用ID选择器 ：如果目标元素具有唯一的ID，使用ID选择器通常比其他选择器更快。
减少遍历 ：尽量避免在不必要的范围内使用 .find_all() 方法，这可能会增加遍历的开销。
使用lambda表达式 ：在某些情况下，使用lambda表达式作为过滤器可以使代码更清晰，尤其是当需要复杂的条件判断时。
合理使用缓存 ：对于重复查询的元素，可以将它们存储在一个变量中，这样可以避免重复的查询和解析。

# 使用lambda表达式作为过滤器
title_text = soup.find(lambda tag: tag.name == "p" and tag.has_attr("class"))
print(title_text.text)

通过以上方法，我们可以有效地结合使用BeautifulSoup和CSS选择器来提取网页中的数据。这种组合不仅代码简洁，而且执行效率高，尤其适合处理复杂的HTML文档结构。

5. 正则表达式数据提取

正则表达式是文本处理中一种强大的工具，它以文本模式来描述字符排列规则。在爬虫领域，正则表达式常被用来从非结构化的文本数据中提取结构化的信息。掌握正则表达式对于数据提取的准确性和效率至关重要。

5.1 正则表达式的基础知识

5.1.1 正则表达式的基本语法

正则表达式由字符和操作符构成。字符包括普通字符（如字母和数字）和特殊字符（如点号 >.</span>、星号 * 和问号 ? `等）。操作符定义了字符的组合方式，如重复、选择、分组等。

普通字符：匹配自身，如 a 会匹配字符 a 。
特殊字符：例如 \d 匹配任意数字， \w 匹配任意字母或数字， \s 匹配任意空白字符。
重复操作符：如 + 表示一次或多次， * 表示零次或多次， ? 表示零次或一次。
选择操作符：用 | 表示“或”关系，如 cat|dog 匹配 cat 或 dog 。
分组操作符：用括号 () 表示分组，如 (cat|dog) 表示匹配 cat 或 dog 的一个整体。

import re

# 示例：使用正则表达式匹配包含数字的字符串
pattern = r'\d+'
test_str = 'The year is 2023 and there are 12 months.'

# findall方法找出所有匹配的实例
matches = re.findall(pattern, test_str)
print(matches)  # 输出: ['2023', '12']

5.1.2 正则表达式的特殊字符

特殊字符在正则表达式中具有特殊的含义，能够让我们定义更加复杂的模式。

点号 . 匹配任意单个字符（除了换行符）。
^ 表示行的开头， $ 表示行的结尾。
\b 表示单词边界。
\ 用作转义字符，如 \. 匹配一个点号。

# 示例：匹配一个句子开头的"the"，并忽略大小写
pattern = r'^(The|the)\b'
test_str = 'The sky is blue. The tree is tall.'

# findall方法在忽略大小写情况下进行匹配
matches = re.findall(pattern, test_str, re.IGNORECASE)
print(matches)  # 输出: ['The', 'the']

5.2 正则表达式在爬虫中的应用

5.2.1 提取复杂的数据结构

在爬取网页时，正则表达式能够帮助我们提取复杂的数据结构，如URL、Email地址、电话号码等。

# 示例：从文本中提取URL和Email地址
html_content = 'Visit our website at http://www.example.com or email us at contact@example.com.'

url_pattern = r'https?://\S+'
email_pattern = r'\S+@\S+\.\S+'

urls = re.findall(url_pattern, html_content)
emails = re.findall(email_pattern, html_content)

print("URLs:", urls)  # 输出: ['http://www.example.com']
print("Emails:", emails)  # 输出: ['contact@example.com']

5.2.2 正则表达式的优化实践

正则表达式虽然功能强大，但过于复杂的模式可能导致效率低下。优化正则表达式的性能可以从以下几点入手：

使用非贪婪匹配减少回溯。
避免不必要的捕获组。
使用前向或后向断言限制匹配范围。
利用编译后的正则表达式进行多次匹配。

# 示例：编译正则表达式以提高匹配效率
import re

# 编译正则表达式模式
compiled_pattern = re.compile(url_pattern)

# 用编译后的模式进行多次匹配
urls = compiled_pattern.findall(html_content)
print("Compiled URL:", urls)  # 输出: ['http://www.example.com']

通过本章节的介绍，读者应当能够掌握正则表达式的基本概念，了解其在爬虫中的重要应用，并能够有效地编写和优化正则表达式来提高数据提取的效率和准确性。在后续章节中，我们会结合实际案例，进一步展示如何将正则表达式与其他爬虫技术结合使用，以实现复杂场景下的数据提取。

6. 数据存储技术与方法

6.1 数据存储的选择与比较

在爬虫项目中，数据存储是不可或缺的一环。根据项目的复杂性和数据量的大小，可以选择不同的存储方法。

6.1.1 本地存储方式

本地存储包括使用CSV、JSON或XML格式保存数据，这类方法简单易行，适用于数据量不大且不需要频繁更新的场景。例如，Python中的 csv 模块可以用来读写CSV文件。

import csv

# 写入数据到CSV
with open('output.csv', mode='w', newline='') as file:
    writer = csv.writer(file)
    writer.writerow(["ID", "Name", "Age"])
    writer.writerow([1, "Alice", 24])
    writer.writerow([2, "Bob", 27])

6.1.2 数据库存储方式

使用数据库存储数据是处理大规模数据的首选，数据库提供了数据的持久化存储、查询优化以及事务支持。常见的数据库有关系型数据库如MySQL，和非关系型数据库如MongoDB。

-- MySQL数据库创建表的示例SQL
CREATE TABLE IF NOT EXISTS users (
    id INT AUTO_INCREMENT PRIMARY KEY,
    username VARCHAR(50) NOT NULL,
    password VARCHAR(50) NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

6.2 数据库的基本操作与实践

6.2.1 MySQL数据库的安装与配置

安装MySQL数据库涉及下载安装包、配置环境变量、创建数据库和表等步骤。例如在Ubuntu系统上可以通过以下命令安装MySQL服务器。

sudo apt update
sudo apt install mysql-server

安装后，启动MySQL服务并设置密码。

sudo systemctl start mysql
sudo mysql_secure_installation

6.2.2 数据的增删改查操作

数据库操作中最基本的操作是CRUD（创建Create、读取Read、更新Update和删除Delete）。以下是如何在MySQL中执行这些操作的示例。

-- 插入数据
INSERT INTO users (username, password) VALUES ('user1', 'password123');

-- 查询数据
SELECT * FROM users WHERE username = 'user1';

-- 更新数据
UPDATE users SET password = 'newpassword' WHERE id = 1;

-- 删除数据
DELETE FROM users WHERE id = 1;

使用Python脚本可以与MySQL数据库交互：

import mysql.connector

# 连接数据库
conn = mysql.connector.connect(
    host="localhost",
    user="yourusername",
    password="yourpassword",
    database="mydatabase"
)

# 创建一个cursor对象
cursor = conn.cursor()

# 执行一个简单的查询语句
cursor.execute("SELECT * FROM users")

# 执行一个插入语句
cursor.execute("INSERT INTO users (username, password) VALUES (%s, %s)", ("newuser", "newpassword"))

# 提交事务
conn.commit()

# 关闭连接
cursor.close()
conn.close()

以上内容展示了如何使用本地文件存储和数据库存储两种方式保存爬虫项目中的数据。选择哪种方式取决于数据量大小、数据更新频率以及项目需求等因素。在接下来的章节中，我们将深入探讨数据清洗与预处理的重要性及其应用。

本文还有配套的精品资源，点击获取

快递鸟一站式物流API解决方案

电商企业物流数字化转型必备！快递鸟 API 接口，72 小时快速完成物流系统集成。全流程实战1V1指导，营造开放的API技术生态圈。

更多推荐

苹方字体跨平台解决方案：告别Windows与Mac的字体显示鸿沟

在Web开发中，我们经常面临一个令人头疼的问题：精心设计的页面在Mac上优雅精致，到了Windows设备上却因字体差异而显得平庸。今天，我们为您介绍一个专业的解决方案——PingFangSC字体包，它让苹方字体的优雅设计能够在所有平台上完美呈现。这个开源项目提供了完整的6种字重，支持ttf和woff2双格式，真正实现了跨平台字体统一。## 为什么跨平台字体一致性如此重要？🔍现代Web应用

快递鸟社区

Ascend-SACT/Mineru-Optimization后端引擎对比：Pipeline、Hybrid与VLM模式如何选择？

Ascend-SACT/Mineru-Optimization提供三种强大的后端引擎模式——Pipeline、Hybrid和VLM，帮助用户高效处理各类文档。本文将深入对比这三种模式的核心特性、性能表现和适用场景，助你快速找到最适合的解决方案。## 三大引擎模式核心特性解析 🚀### Pipeline模式：传统OCR流程的极致优化**核心架构**：采用模块化设计，包含版面分析、OCR、

快递鸟社区

如何永久保存微信聊天记录？WeChatMsg免费开源工具终极指南

你是否曾担心更换手机后，那些珍贵的微信对话会永远消失？与家人的温馨聊天、重要的工作沟通、朋友间的难忘回忆，这些数字记忆都值得被永久珍藏。**WeChatMsg**是一款完全免费的开源工具，专门用于**微信聊天记录永久保存和深度分析**，让你的每一段对话都能成为永恒的数字资产。## 🔍 你的聊天记录正在面临什么风险？微信已经成为我们日常生活中不可或缺的沟通工具，但官方并未提供完整的聊天记录

快递鸟社区

所有评论(0)

查看更多评论

来自日本的亮仔

@weixin_35459464

已为社区贡献6条内容

京东商城商品信息爬取与数据分析实战教程

来自日本的亮仔

1. 网络爬虫基本原理

网络爬虫定义

爬虫的工作原理

爬虫的分类

2. requests库的HTTP请求实现

2.1 requests库的安装与配置

2.2 发送基本的HTTP请求

2.2.1 GET请求的发送与响应处理

2.2.2 POST请求的发送与参数处理

2.3 请求头部与代理设置

2.3.1 设置请求头部信息

2.3.2 使用代理绕过IP限制

3. BeautifulSoup库的数据解析

3.1 BeautifulSoup库的安装与初始化

3.2 解析HTML文档结构

3.2.1 解析标签元素

3.2.2 遍历DOM树

3.2.3 获取标签内容

3.2.4 导航文档树

3.2.5 使用CSS选择器查找元素

3.3 数据提取与搜索机制

3.3.1 提取特定标签和属性

3.3.2 搜索和过滤节点

总结

4. HTML/CSS选择器的应用

4.1 CSS选择器的种类与使用

4.1.1 基本选择器

4.1.2 层叠选择器

4.2 BeautifulSoup与CSS选择器的结合使用

4.2.1 BeautifulSoup中的CSS选择器

4.2.2 提高数据提取效率的技巧

5. 正则表达式数据提取

5.1 正则表达式的基础知识

5.1.1 正则表达式的基本语法

5.1.2 正则表达式的特殊字符

5.2 正则表达式在爬虫中的应用

5.2.1 提取复杂的数据结构

5.2.2 正则表达式的优化实践

6. 数据存储技术与方法

6.1 数据存储的选择与比较

6.1.1 本地存储方式

6.1.2 数据库存储方式

6.2 数据库的基本操作与实践

6.2.1 MySQL数据库的安装与配置

6.2.2 数据的增删改查操作

所有评论(0)

温馨提示：您尚未绑定手机号

来自日本的亮仔