Python使用Selenium爬取淘宝异步加载的数据方法


Posted in Python onDecember 17, 2018

淘宝的页面很复杂,如果使用分析ajax或者js的方式,很麻烦

抓取淘宝‘美食'上面的所有食品信息

spider.py

#encoding:utf8
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 bs4 import BeautifulSoup
from config import *
import pymongo

client=pymongo.MongoClient(MONGODB_URL)
db=client[MONGODB_DB]


##这里使用PhantomJS,并配置了一些参数
browser=webdriver.PhantomJS(service_args=SERVICE_ArGS)

##窗口的大小,不设置的话,默认太小,会有问题
browser.set_window_size(1400,900)

wait=WebDriverWait(browser, 10)


def search():

  print('正在搜索')
##容易出现超时的错误
  try:
##等待这两个模块都加载好
    browser.get("https://www.taobao.com")
    input = wait.until(
        EC.presence_of_element_located((By.CSS_SELECTOR, '#q'))
      )
    submit=wait.until(
        EC.element_to_be_clickable((By.CSS_SELECTOR, '#J_TSearchForm > div.search-button > button'))
      )

    ######这块python2搞得鬼
    #input.send_keys('\u7f8e\u98df'.decode("unicode-escape"))
    input.send_keys(KEYWORD.decode("unicode-escape"))
    submit.click()

    total = wait.until(
        EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.total'))
      )
    get_product()
    return total.text
  except TimeoutException:
    return search()

def next_page(page_number):

  print('翻页'+str(page_number))
  try:
    input = wait.until(
          EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > input'))
        )
    submit=wait.until(
        EC.element_to_be_clickable((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit'))
      )

    input.clear()
    input.send_keys(page_number)
    submit.click()

##判断是否翻页成功 高亮的是不是输入的值,直接加在后面即可
    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)))

    get_product()

  except TimeoutException:
    return next_page(page_number)

#获取产品信息
def get_product():
  products = wait.until(
    EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-itemlist .m-itemlist .items'))
        )
##拿到网页
  html = browser.page_source
  soup = BeautifulSoup(html,'lxml')
  items = soup.select('#mainsrp-itemlist .m-itemlist .items .item.J_MouserOnverReq')#

  print('*************************到此*************')
  for item in items:
    img = item.select('.J_ItemPic.img')[0].get('src')
    price = item.select('.price.g_price.g_price-highlight > strong')[0].get_text()
    deal = item.select('.deal-cnt')[0].get_text()
    title= item.select('.row.row-2.title > a ')[0].get_text().strip() #:nth-of-type(3)
    shop = item.select('.row.row-3.g-clearfix > .shop > a > span:nth-of-type(2)')[0].get_text() 
    location = item.select('.location')[0].get_text()

    product={
      'img':img,
      'price':price,
      'deal':deal,
      'title':title,
      'shop':shop,
      'location':location
    }

#打印一下
    import json
    j = json.dumps(product)
    dict2 = j.decode("unicode-escape")
    print dict2

    save_to_mongo(product)


def save_to_mongo(product):
  try:
    if db[MONGODB_TABLE].insert(product):
      print('存储到mongodb成功'+str(product))
  except Exception:
    print("存储到mongodb失败"+str(product))



def main():

  try:
    total=search()

    ##搜寻 re正则表达式
    s=re.compile('(\d+)')
    total=int(s.search(total).group(1))
    for i in range(2,total+1):
      next_page(i)
  except Exception:
    print('出错')
  finally:
    browser.close()

if __name__ == '__main__':
  main()

config.py

MONGODB_URL='localhost'
MONGODB_DB='taobao'
MONGODB_TABLE='meishi'

SERVICE_ArGS=['--load-images=false','--disk-cache=true']

##就是美食这两个字,直接用汉字会报错
KEYWORD='\u7f8e\u98df'

以上这篇Python使用Selenium爬取淘宝异步加载的数据方法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。

Python 相关文章推荐
git使用.gitignore设置不生效或不起作用问题的解决方法
Jun 01 Python
Python PyQt5标准对话框用法示例
Aug 23 Python
基于Django的ModelForm组件(详解)
Dec 07 Python
Python paramiko模块的使用示例
Apr 11 Python
Pandas 数据框增、删、改、查、去重、抽样基本操作方法
Apr 12 Python
Anaconda下配置python+opencv+contribx的实例讲解
Aug 06 Python
python实现石头剪刀布小游戏
Jan 20 Python
Python中类的创建和实例化操作示例
Feb 27 Python
Python中Unittest框架的具体使用
Aug 27 Python
Python中zip()函数的简单用法举例
Sep 02 Python
详解Django ORM引发的数据库N+1性能问题
Oct 12 Python
Python爬取用户观影数据并分析用户与电影之间的隐藏信息!
Jun 29 Python
在scrapy中使用phantomJS实现异步爬取的方法
Dec 17 #Python
Python 通过调用接口获取公交信息的实例
Dec 17 #Python
python用插值法绘制平滑曲线
Feb 19 #Python
selenium在执行phantomjs的API并获取执行结果的方法
Dec 17 #Python
Python脚本完成post接口测试的实例
Dec 17 #Python
python:接口间数据传递与调用方法
Dec 17 #Python
python直接获取API传递回来的参数方法
Dec 17 #Python
You might like
php读取图片内容并输出到浏览器的实现代码
2013/08/08 PHP
php通过PHPExcel导入Excel表格到MySQL数据库的简单实例
2016/10/29 PHP
PHP Swoole异步Redis客户端实现方法示例
2019/10/24 PHP
CentOS7系统搭建LAMP及更新PHP版本操作详解
2020/03/26 PHP
jQuery 操作XML入门
2008/12/25 Javascript
jquery查找父元素、子元素(个人经验总结)
2014/04/09 Javascript
javascript实现漂亮的拖动层,窗口拖拽特效
2015/04/24 Javascript
JS+CSS实现经典的左侧竖向滑动菜单效果
2015/09/23 Javascript
JavaScript跨域调用基于JSON的RESTful API
2016/07/09 Javascript
jQuery实现checkbox列表的全选、反选功能
2016/11/24 Javascript
Node调用Java的示例代码
2017/09/20 Javascript
Angular网络请求的封装方法
2018/05/22 Javascript
对Vue.js之事件的绑定(v-on: 或者 @ )详解
2018/09/15 Javascript
基于vue2的canvas时钟倒计时组件步骤解析
2018/11/05 Javascript
微信小程序带动画弹窗组件使用方法详解
2018/11/27 Javascript
vue 地区选择器v-distpicker的常用功能
2019/07/23 Javascript
Ant Design moment对象和字符串之间的相互转化教程
2020/10/27 Javascript
Python 初始化多维数组代码
2008/09/06 Python
详解Python的Django框架中Manager方法的使用
2015/07/21 Python
python 将数据保存为excel的xls格式(实例讲解)
2018/05/03 Python
python 获取一个值在某个区间的指定倍数的值方法
2018/11/12 Python
使用python实现unix2dos和dos2unix命令的例子
2019/08/13 Python
python使用beautifulsoup4爬取酷狗音乐代码实例
2019/12/04 Python
Python类反射机制使用实例解析
2019/12/30 Python
在 Linux/Mac 下为Python函数添加超时时间的方法
2020/02/20 Python
Python bisect模块原理及常见实例
2020/06/17 Python
TensorFlow中如何确定张量的形状实例
2020/06/23 Python
改变 Python 中线程执行顺序的方法
2020/09/24 Python
瑞士隐形眼镜和护理产品网上商店:Linsenklick
2019/10/21 全球购物
年度考核自我鉴定
2014/03/19 职场文书
运动会标语
2014/06/21 职场文书
英文演讲稿开场白
2014/08/25 职场文书
个人作风建设心得体会
2014/10/22 职场文书
学校党的群众路线教育实践活动总结材料
2014/10/30 职场文书
早安问候语大全
2015/11/10 职场文书
《鸡兔同笼》教学反思
2016/02/19 职场文书