使用selenium抓取淘宝的商品信息实例


Posted in Javascript onFebruary 06, 2018

淘宝的页面大量使用了js加载数据,所以采用selenium来进行爬取更为简单,selenum作为一个测试工具,主要配合无窗口浏览器phantomjs来使用。

import re
from selenium import webdriver
from selenium.common.exceptions import TimeoutException
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from pyquery import PyQuery as pq
'''
wait.until()语句是selenum里面的显示等待,wait是一个WebDriverWait对象,它设置了等待时间,如果页面在等待时间内
没有在 DOM中找到元素,将继续等待,超出设定时间后则抛出找不到元素的异常,也可以说程序每隔xx秒看一眼,如果条件
成立了,则执行下一步,否则继续等待,直到超过设置的最长时间,然后抛出TimeoutException
1.presence_of_element_located 元素加载出,传入定位元组,如(By.ID, 'p')
2.element_to_be_clickable 元素可点击
3.text_to_be_present_in_element 某个元素文本包含某文字
'''
# 定义一个无界面的浏览器
browser = webdriver.PhantomJS(
 service_args=[
  '--load-images=false',
  '--disk-cache=true'])
# 10s无响应就down掉
wait = WebDriverWait(browser, 10)
#虽然无界面但是必须要定义窗口
browser.set_window_size(1400, 900)

def search():
 '''
 此函数的作用为完成首页点击搜索的功能,替换标签可用于其他网页使用
 :return:
 '''
 print('正在搜索')
 try:
  #访问页面
  browser.get('https://www.taobao.com')
  # 选择到淘宝首页的输入框
  input = wait.until(
   EC.presence_of_element_located((By.CSS_SELECTOR, '#q'))
  )
  #搜索的那个按钮
  submit = wait.until(EC.element_to_be_clickable(
   (By.CSS_SELECTOR, '#J_TSearchForm > div.search-button > button')))
  #send_key作为写到input的内容
  input.send_keys('面条')
  #执行点击搜索的操作
  submit.click()
  #查看到当前的页码一共是多少页
  total = wait.until(EC.presence_of_element_located(
   (By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.total')))
  #获取所有的商品
  get_products()
  #返回总页数
  return total.text
 except TimeoutException:
  return search()

def next_page(page_number):
 '''
 翻页函数,
 :param page_number:
 :return:
 '''
 print('正在翻页', page_number)
 try:
  #这个是我们跳转页的输入框
  input = wait.until(EC.presence_of_element_located(
   (By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > input')))
  #跳转时的确定按钮
  submit = wait.until(
   EC.element_to_be_clickable(
    (By.CSS_SELECTOR,
     '#mainsrp-pager > div > div > div > div.form > span.J_Submit')))
  #清除里面的数字
  input.clear()
  #重新输入数字
  input.send_keys(page_number)
  #选择并点击
  submit.click()
  #判断当前页是不是我们要现实的页
  wait.until(
   EC.text_to_be_present_in_element(
    (By.CSS_SELECTOR,
     '#mainsrp-pager > div > div > div > ul > li.item.active > span'),
    str(page_number)))
  #调用函数获取商品信息
  get_products()
 #捕捉超时,重新进入翻页的函数
 except TimeoutException:
  next_page(page_number)

def get_products():
 '''
 搜到页面信息在此函数在爬取我们需要的信息
 :return:
 '''
 #每一个商品标签,这里是加载出来以后才会拿网页源代码
 wait.until(EC.presence_of_element_located(
  (By.CSS_SELECTOR, '#mainsrp-itemlist .items .item')))
 #这里拿到的是整个网页源代码
 html = browser.page_source
 #pq解析网页源代码
 doc = pq(html)
 items = doc('#mainsrp-itemlist .items .item').items()
 for item in items:
  # print(item)
  product = {
   'image': item.find('.pic .img').attr('src'),
   'price': item.find('.price').text(),
   'deal': item.find('.deal-cnt').text()[:-3],
   'title': item.find('.title').text(),
   'shop': item.find('.shop').text(),
   'location': item.find('.location').text()
  }
  print(product)

def main():
 try:
  #第一步搜索
  total = search()
  #int类型刚才找到的总页数标签,作为跳出循环的条件
  total = int(re.compile('(\d+)').search(total).group(1))
  #只要后面还有就继续爬,继续翻页
  for i in range(2, total + 1):
   next_page(i)
 except Exception:
  print('出错啦')
 finally:
  #关闭浏览器
  browser.close()

if __name__ == '__main__':
 main()

以上这篇使用selenium抓取淘宝的商品信息实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Javascript 相关文章推荐
JS短路原理的应用示例 精简代码的途径
Dec 13 Javascript
jQuery实现下拉框左右选择的简单实例
Feb 22 Javascript
使用jQueryMobile实现滑动翻页效果的方法
Feb 04 Javascript
JQuery+Ajax实现数据查询、排序和分页功能
Sep 27 Javascript
js实现搜索框关键字智能匹配代码
Mar 26 Javascript
详解javascript传统方法实现异步校验
Jan 22 Javascript
Javascript表单特效之十大常用原理性样例代码大总结
Jul 12 Javascript
AngularJS 整理一些优化的小技巧
Aug 18 Javascript
Angular5升级RxJS到5.5.3报错:EmptyError: no elements in sequence的解决方法
Apr 09 Javascript
手挽手带你学React之React-router4.x的使用
Feb 14 Javascript
vue页面加载时的进度条功能(实例代码)
Jan 13 Javascript
JavaScript执行机制详细介绍
Dec 06 Javascript
vue一个页面实现音乐播放器的示例
Feb 06 #Javascript
使用百度地图实现地图网格的示例
Feb 06 #Javascript
js中的闭包学习心得
Feb 06 #Javascript
JS基于设计模式中的单例模式(Singleton)实现封装对数据增删改查功能
Feb 06 #Javascript
Vue仿今日头条实例详解
Feb 06 #Javascript
electron demo项目npm install安装失败的解决方法
Feb 06 #Javascript
详解React开发必不可少的eslint配置
Feb 05 #Javascript
You might like
让PHP显示Facebook的粉丝数量方法
2014/01/08 PHP
PHP实现将HTML5中Canvas图像保存到服务器的方法
2014/11/28 PHP
php启用sphinx全文搜索的实现方法
2014/12/24 PHP
php计算2个日期的差值函数分享
2015/02/02 PHP
fckeditor上传文件按日期存放及重命名方法
2015/05/22 PHP
php支持中文字符串分割的函数
2015/05/28 PHP
PHP对象实例化单例方法
2017/01/19 PHP
laravel多条件查询方法(and,or嵌套查询)
2019/10/09 PHP
jquery一句话全选/取消全选
2011/03/01 Javascript
javascript 兼容各个浏览器的事件
2015/02/04 Javascript
JS组件Bootstrap Select2使用方法详解
2020/04/17 Javascript
深入解析JavaScript中的立即执行函数
2016/05/21 Javascript
浅谈jQuery 中的事件冒泡和阻止默认行为
2016/05/28 Javascript
js操作二进制数据方法
2018/03/03 Javascript
taro 实现购物车逻辑的实例代码
2020/06/05 Javascript
解决vue下载后台传过来的乱码流的问题
2020/12/05 Vue.js
python编写暴力破解FTP密码小工具
2014/11/19 Python
Python中pip安装非PyPI官网第三方库的方法
2015/06/02 Python
CentOS中升级Python版本的方法详解
2017/07/10 Python
Python验证文件是否可读写代码分享
2017/12/11 Python
ubuntu 16.04下python版本切换的方法
2019/06/14 Python
python可视化篇之流式数据监控的实现
2019/08/07 Python
python的scipy实现插值的示例代码
2019/11/12 Python
Django操作session 的方法
2020/03/09 Python
python tkinter实现连连看游戏
2020/11/16 Python
Python实现京东抢秒杀功能
2021/01/25 Python
anaconda升级sklearn版本的实现方法
2021/02/22 Python
Linux如何修改文件和文件夹的权限
2013/09/05 面试题
大三预备党员入党思想汇报
2014/01/08 职场文书
社区网格化管理实施方案
2014/03/21 职场文书
甜品蛋糕店创业计划书
2014/09/21 职场文书
弘扬焦裕禄精神践行三严三实心得体会
2014/10/13 职场文书
党员评议自我评价
2015/03/03 职场文书
2015年大学学生会工作总结
2015/05/13 职场文书
企业党支部工作总结2015
2015/05/21 职场文书
ajax请求前端跨域问题原因及解决方案
2021/10/16 Javascript