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的Django框架中的数据库配置指南
Jul 17 Python
Python算法应用实战之队列详解
Feb 04 Python
python在ubuntu中的几种安装方法(小结)
Dec 08 Python
python实现括号匹配的思路详解
Aug 23 Python
Django2.1集成xadmin管理后台所遇到的错误集锦(填坑)
Dec 20 Python
django-allauth入门学习和使用详解
Jul 03 Python
django使用F方法更新一个对象多个对象字段的实现
Mar 28 Python
jupyter notebook 多行输出实例
Apr 09 Python
浅谈keras2 predict和fit_generator的坑
Jun 17 Python
python将字典内容写入json文件的实例代码
Aug 12 Python
python实现简易名片管理系统
Apr 11 Python
python脚本框架webpy的url映射详解
Nov 20 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开发需要注意的安全问题
2010/09/01 PHP
PHP array_multisort()函数的使用札记
2011/07/03 PHP
解析mysql left( right ) join使用on与where筛选的差异
2013/06/18 PHP
php+js实现图片的上传、裁剪、预览、提交示例
2013/08/27 PHP
利用PHP获取网站访客的所在地位置
2017/01/18 PHP
php strftime函数的详细用法
2018/06/21 PHP
php-fpm重启导致的程序执行中断问题详解
2019/04/29 PHP
TNC vs IO BO3 第二场2.13
2021/03/10 DOTA
基于jquery的代码显示区域自动拉长效果
2011/12/07 Javascript
jQuery插件原来如此简单 jQuery插件的机制及实战
2012/02/07 Javascript
javascript 另一种图片滚动切换效果思路
2012/04/20 Javascript
Node.js生成HttpStatusCode辅助类发布到npm
2013/04/09 Javascript
Js+php实现异步拖拽上传文件
2015/06/23 Javascript
JS实现合并两个数组并去除重复项只留一个的方法
2015/12/17 Javascript
理解Angular数据双向绑定
2016/01/10 Javascript
关于Node.js的events.EventEmitter用法介绍
2017/04/01 Javascript
详解nodejs爬虫程序解决gbk等中文编码问题
2017/04/06 NodeJs
vuex中的 mapState,mapGetters,mapActions,mapMutations 的使用
2018/04/13 Javascript
JavaScript利用键盘码控制div移动
2020/03/19 Javascript
python获取指定目录下所有文件名列表的方法
2015/05/20 Python
Ruby使用eventmachine为HTTP服务器添加文件下载功能
2016/04/20 Python
Python通过OpenCV的findContours获取轮廓并切割实例
2018/01/05 Python
Python序列循环移位的3种方法推荐
2018/04/09 Python
Python检查和同步本地时间(北京时间)的实现方法
2018/12/03 Python
浅谈Python2之汉字编码为unicode的问题(即类似\xc3\xa4)
2019/08/12 Python
浅谈django url请求与数据库连接池的共享问题
2019/08/29 Python
使用Python开发个京东上抢口罩的小实例(仅作技术研究学习使用)
2020/03/10 Python
无畏的旅行:Intrepid Travel
2017/12/20 全球购物
Clarks西班牙官方在线商店:clarks鞋
2019/05/03 全球购物
大学毕业感言
2014/01/10 职场文书
大队干部竞选演讲稿
2014/04/28 职场文书
给老婆的保证书范文
2014/04/28 职场文书
小学爱国卫生月活动总结
2014/06/30 职场文书
大学生赌博检讨书
2014/09/22 职场文书
私用公车造成事故检讨书
2014/11/16 职场文书
2015年民兵整组工作总结
2015/07/24 职场文书