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
python模拟登陆阿里妈妈生成商品推广链接
Apr 03 Python
Python中__init__和__new__的区别详解
Jul 09 Python
Python实现的一个找零钱的小程序代码分享
Aug 25 Python
Python获取DLL和EXE文件版本号的方法
Mar 10 Python
将Django使用的数据库从MySQL迁移到PostgreSQL的教程
Apr 11 Python
Python ValueError: invalid literal for int() with base 10 实用解决方法
Jun 21 Python
python抓取文件夹的所有文件
Feb 27 Python
解决python matplotlib imshow无法显示的问题
May 24 Python
对TensorFlow中的variables_to_restore函数详解
Jul 30 Python
Python爬虫图片懒加载技术 selenium和PhantomJS解析
Sep 18 Python
python中自带的三个装饰器的实现
Nov 08 Python
教你如何用python操作摄像头以及对视频流的处理
Oct 12 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
推荐个功能齐全的发送PHP邮件类
2007/01/03 PHP
PHP 修复未正常关闭的HTML标签实现代码(支持嵌套和就近闭合)
2012/06/07 PHP
老生常谈PHP位运算的用途
2017/03/12 PHP
纯js简单日历实现代码
2013/10/05 Javascript
javascript获取xml节点的最大值(实现代码)
2013/12/11 Javascript
一个CSS+jQuery实现的放大缩小动画效果
2014/02/19 Javascript
简单易用的倒计时js代码
2014/08/04 Javascript
jQuery中outerWidth()方法用法实例
2015/01/19 Javascript
Javascript的无new构建实例详解
2016/05/15 Javascript
Angularjs 制作购物车功能实例代码
2016/09/14 Javascript
深入理解javascript中的 “this”
2017/01/17 Javascript
实例详解display:none与visible:hidden的区别
2017/03/30 Javascript
javascript 面向对象实战思想分享
2017/09/07 Javascript
VueJs使用Amaze ui调整列表和内容页面
2017/11/30 Javascript
javascript关于“时间”的一次探索
2019/07/24 Javascript
Vue2.0 实现页面缓存和不缓存的方式
2019/11/12 Javascript
VueCli4项目配置反向代理proxy的方法步骤
2020/05/17 Javascript
JS检测浏览器开发者工具是否打开的方法详解
2020/10/02 Javascript
python目录操作之python遍历文件夹后将结果存储为xml
2014/01/27 Python
使用python实现rsa算法代码
2016/02/17 Python
Python 数据结构之堆栈实例代码
2017/01/22 Python
利用Python如何批量更新服务器文件
2018/07/29 Python
python OpenCV GrabCut使用实例解析
2019/11/11 Python
python读取文件指定行内容实例讲解
2020/03/02 Python
升级keras解决load_weights()中的未定义skip_mismatch关键字问题
2020/06/12 Python
Python爬虫爬取糗事百科段子实例分享
2020/07/31 Python
python 模拟登陆github的示例
2020/12/04 Python
CSS3 实现飘动的云朵动画
2020/12/01 HTML / CSS
香港太阳眼镜网上商店:SmartBuyGlasses香港
2016/07/22 全球购物
美国知名保健品网站:LuckyVitamin(支持中文)
2017/08/09 全球购物
Jacadi Paris美国官方网站:法国童装品牌
2017/10/15 全球购物
施华洛世奇日本官网:SWAROVSKI日本
2018/05/04 全球购物
局域网标准
2016/09/10 面试题
详解Python生成器和基于生成器的协程
2021/06/03 Python
SQL语法CONSTRAINT约束操作详情
2022/01/18 MySQL
Kubernetes中Deployment的升级与回滚
2022/04/01 Servers