基于Tkinter的淘宝多线程商品数据采集GUI产品系统Vibe Coding

随着电子商务的蓬勃发展，电商平台（如淘宝）的数据蕴含着巨大的商业价值。商家和数据分析师需要了解市场竞品价格、销量及分布情况。然而，手动收集这些数据费时费力且容易出错。本项目立项旨在解决电商数据采集门槛高、非技术人员难以操作的问题。通过提供友好的图形化界面，用户只需输入关键词和Cookie，即可快速实现淘宝商品数据的自动化采集，并一键导出为CSV文件或存入MongoDB数据库。该工具极大降低了数据获取的门槛，可广泛应用于竞品分析、市场调研、选品定价等电商业务场景。

本项目是一个基于 Python 开发的桌面端淘宝商品爬虫系统，主要包含以下核心功能模块：
1.可视化交互界面：基于 Tkinter 构建，提供输入框供用户输入搜索关键词、最大抓取页数以及最新的 Cookies 字符串，并在窗口内实时输出带有颜色标识的抓取日志。
2.多页数据自动抓取：内置签名算法（md5拼接），能根据用户设定的页数自动翻页，精准解析响应报文，提取商品标题、价格、真实销量、店铺名称及发货地址等核心字段。
3.双通道数据存储：
CSV导出：采用 utf-8-sig 编码，防止Excel打开乱码。
MongoDB入库：支持用户自定义数据库名和集合名，直接持久化存储至本地数据库，方便后续分析。
4.异常安全防护：对 Cookie 失效（如缺少 _m_h5_tk 或 Token 过期）进行精准捕获，并以红色文字在UI界面提示用户重新获取，同时提供安全的线程防卡死机制。

项目采用前后端分离的思想（但打包在单文件内）。前端使用 Python 标准库 Tkinter 构建 GUI 界面，使用 queue.Queue 实现多线程间的安全通信，确保爬取时不阻塞主界面。后端核心爬虫逻辑使用 requests.Session 维持会话，通过解析用户提供的 Cookie 获取身份凭证，并利用 hashlib 生成 mtop 接口所需的 sign 签名。数据解析采用 jsonpath 精准提取嵌套 JSON 中的商品数据。数据存储层通过 pymongo 连接本地 MongoDB，或使用标准库 csv 写入文件。整体代码结构清晰，包含严格的输入校验和异常捕获机制。