rvest是R语言一个用来做网页数据抓取的包，其中html_nodes()函数查找标签的功能非常好用。本文使用rvest包爬取天猫纸尿裤的商品数据并进行价格分析，爬取时间是2017年7月24日，数据虽不全面，可能存在一定程度的偏差，但仍可以为这一行业提供一些参考。
一、数据采集
1、天猫搜索框搜索关键字“拉拉裤”，按照销量降序排序，按下CTRL+SHIFT+C，当鼠标放到该宝贝页面的任何位置时，可以看到相应的源代码。宝贝的图片、价格、品牌名称、卖家以及月销量等数据都是包含在<div class="product-iWrap">...</div>块中。
2、启动Rstudio，使用rvest包抓取商品数据。其操作过程可参考无鱼二饼的文章《R语言学习：使用rvest包抓取网页数据》
数据爬取代码如下：
将爬取单页数据改成for循环语句爬取多个网页数据，在操作过程中，发现无法执行循环，总是无限爬取首页数据，搜索了解决办法，无果，所以只能一页一页的进行数据抓取，然后将所有数据汇总。
合并的数据代码如下：
抓取关键字“纸尿裤”、“纸尿片”商品数据过程与上面类似，不在赘述。
二、数据处理
保存后的CSV数据如下：
对itemTitle列的数据做分列处理，分离出品牌、包装规格和尺码，部分不规范的需要手动调整；对volume列的文字字符进行替换；将price除以包装规格得到单片价格perprice的新字段；对perprice进行分组处理得到新字段group；对缺失值和异常值进行删除处理。
处理后的数据如下：
三、数据分析
1、单片价的直方图和核密度图
2、单片价与销量关系图
3、尺码均价图和销量占比图
4、品牌销量和单品榜
5、品牌四象限图
纸尿裤和纸尿片的分析与拉拉裤类似，不在赘述
6、拉拉裤/纸尿裤/纸尿片单片价分布对比图
四、小结
对于纸尿裤市场三个品类的分析结论如下：
1、单片均价整体情况：拉拉裤1.48>纸尿裤1.22>纸尿片0.81
2、低价区间产品扎堆，趋于饱和，中高端价格区间存在一定市场潜力，有待开发
3、帮宝适、好奇等国际品牌主导市场
