使用Selenium模拟浏览器抓取淘宝商品美食信息

Posted 一蓑烟雨

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了使用Selenium模拟浏览器抓取淘宝商品美食信息相关的知识,希望对你有一定的参考价值。

1.搜索关键词:利用Selenium驱动浏览器,得到商品列表。

2.分析页码并翻页:得到商品页码数,模拟翻页,得到后续页面的商品列表。

3.分析提取商品内容:利用PyQuery分析源码,解析得到商品列表。

4.存储到MongoDB:将商品列表信息存储到数据库MongoDB。

 1 from selenium import webdriver
 2 from selenium.common.exceptions import TimeoutException
 3 from selenium.webdriver.common.by import By
 4 from selenium.webdriver.support.ui import WebDriverWait
 5 from selenium.webdriver.support import expected_conditions as EC
 6 import re
 7 from pyquery import PyQuery as pq
 8 from urllib.parse import quote
 9 import pymongo
10 from config import *
11 
12 client = pymongo.MongoClient(MONGO_URL)
13 db = client[MONGO_DB]
14 browser = webdriver.Chrome()
15 wait = WebDriverWait(browser, 10)
16 
17 def search():
18     try:
19         browser.get(https://www.taobao.com)
20         input = wait.until(
21             EC.presence_of_element_located((By.CSS_SELECTOR, #q))
22         )
23         submit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, #J_TSearchForm > div.search-button > button)))
24         input.send_keys(美食)
25         submit.click()
26         total = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, #mainsrp-pager > div > div > div > div.total)))
27         get_products()
28         return total.text
29     except TimeoutEXception:
30         return search()
31 
32 def next_page(page_number):
33     try:
34         input = wait.until(
35             EC.presence_of_element_located((By.CSS_SELECTOR, #mainsrp-pager > div > div > div > div.form > input))
36         )
37         submit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, #mainsrp-pager > div > div > div > div.form > span.btn.J_Submit)))
38         input.clear()
39         input.send_keys(page_number)
40         submit.click()
41         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)))
42         get_products()
43     except TimeoutException:
44         next_page(page_number)
45 
46 def get_products():
47     wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, #mainsrp-itemlist .items .item)))
48     html = browser.page_source
49     doc = pq(html)
50     items = doc(#mainsrp-itemlist .items .item).items()
51     for item in items:
52         product = {
53             image: item.find(.pic .img).attr(src),
54             price: item.find(.price).text(),
55             deal: item.find(.deal-cnt).text()[:-3],
56             title: item.find(.title).text(),
57             shop: item.find(.shop).text(),
58             location: item.find(.location).text()
59         }
60         print(product)
61         save_to_mongo(product)
62 
63 def save_to_mongo(result):
64     try:
65         if db[MONGO_TABLE].insert(result):
66             print(保存MONGOBD成功,result)
67     except Exception:
68         print(存储到MONGODB失败,result)
69 
70 def main():
71     total = search()
72     total = int(re.compile((\d+)).search(total).group(1))
73     for i in range(2,total+1):
74         next_page(i)
75     browser.close()
76 
77 if __name__ == __main__:
78     main()

可以利用PhantomJS。

修改代码:

client = pymongo.MongoClient(MONGO_URL)
db = client[MONGO_DB]
#browser = webdriver.Chrome()
browser = webdriver.PhantomJS(service_args=SERVICE_ARGS)
wait = WebDriverWait(browser, 10)
browser.set_window_size(1400, 900)

 

MONGO_URL = localhost
MONGO_DB = taobao
MONGO_TABLE = products

SERVICE_ARGS = [--load-images=false, --disk-cache=true]

 

以上是关于使用Selenium模拟浏览器抓取淘宝商品美食信息的主要内容,如果未能解决你的问题,请参考以下文章

使用Selenium模拟浏览器抓取淘宝商品美食信息

使用selenium模拟浏览器抓取淘宝信息

使用selenium抓取淘宝的商品信息

吃货们注意了!淘宝美食排行榜!用Python来分析什么最好吃!

python -- 使用selenium模拟登录淘宝,爬取商品信息

selenium抓取淘宝商品