Python爬淘宝商品信息

2020-05-25 15:04:27 阅读：201 来源： 互联网

标签：商品信息浏览器 name Python text selenium element 淘宝 find

很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！
QQ群：1097524789

首先需要先导入webdriver

from selenium import webdriver
复制代码

webdriver支持主流的浏览器，比如说：谷歌浏览器、火狐浏览器、IE浏览器等等

然后可以创建一个webdriver对象，通过这个对象就可以通过get方法请求网站

driver = webdriver.Chrome()	# 创建driver对象
driver.get('https://www.baidu.com')	# 请求百度
复制代码

接下来可以定义一个方法：search_product

一、selenium的简单介绍

1.selenium简介

selenium是一个用于测试网站的自动化测试工具，支持很多主流的浏览器，比如：谷歌浏览器、火狐浏览器、IE、Safari等。

2.支持多个操作系统

如windows、Linux、IOS、Android等。

3、安装selenium

打开终端输入

pip install Selenium
复制代码

4、安装浏览器驱动

1、Chrome驱动文件下载：点击下载谷歌浏览器驱动

2、火狐浏览器驱动文件下载：点击下载geckodriver

5、配置环境变量

配置环境变量的方法非常简单，首先将下载好的驱动进行解压，放到你安装Python的目录下，即可。

因为之前，在配置Python环境变量的时候，就将Python的目录放到我的电脑–>属性–>系统设置–>高级–>环境变量–>系统变量–>Path

二、selenium快速入门

1、selenium提供8种定位方式

1、id

2、name

3、class name

4、tag name

5、link text

6、partial link text

7、xpath

8、css selector

2、定位元素的8中方式详解

定义一个元素	定位多个元素	含义
find_element_by_id	find_elements_by_id	通过元素的id定位
find_element_by_name	find_elements_by_name	通过元素name定位
find_element_by_xpath	find_elements_by_xpath	通过xpath表达式定位
find_element_by_link_text	find_elements_by_link_text	通过完整超链接定位
find_element_by_partial_link_text	find_elements_by_partial_link_text	通过部分链接定位
find_element_by_tag_name	find_elements_by_tag_name	通过标签定位
find_element_by_class_name	find_elements_by_class_name	通过类名进行定位
find_element_by_css_selector	find_elements_by_css_selector	通过css选择器进行定位

3、selenium库下webdriver模块常用的方法与使用

控制浏览器的一些方法

方法	说明
set_window_size()	设置浏览器的大小
back()	控制浏览器后退
forward()	控制浏览器前进
refresh()	刷新当前页面
clear()	清除文本
send_keys (value)	模拟按键输入
click()	单击元素
submit()	用于提交表单
get_attribute(name)	获取元素属性值
text	获取元素的文本

4、代码实例

from selenium import webdriver
import time

# 创建Chrome浏览器对象，这会在电脑中打开一个窗口
browser = webdriver.Chrome()

# 通过浏览器向服务器发起请求
browser.get('https://www.baidu.com')

time.sleep(3)

# 刷新浏览器
browser.refresh()

# 最大化浏览器窗口
browser.maximize_window()

# 设置链接内容
element = browser.find_element_by_link_text('抗击肺炎')

# 点击'抗击肺炎'
element.click()

复制代码

关于selenium的简单介绍就先到这里了，更多详细内容大家可以去selenium官方文档查看。点击查看selenium官方文档

爬取淘宝数据

从上图，可以看到需要获取的信息是：价格、商品名称、付款人数、店铺名称。

现在我们开始进入主题。

首先，需要输入你要搜索商品的内容，然后根据内容去搜索淘宝信息，最后提取信息并保存。

1、搜素商品

我在这里定义提个搜索商品的函数和一个主函数。

搜索商品

在这里需要创建一个浏览器对象，并且根据该对象的 get方法 来发送请求。

从上图可以发现搜索框的 id值为q

，那么这样就简单很多了，有HTML基础的朋友肯定知道id值是唯一的。

通过id值可以获取到文本框的位置，并传入参数，然后点击搜索按钮。

从上图可以发现搜索按钮在一个类里面，那么可以通过这个类来定位到搜索按钮，并执行点击操作。

当点击搜索按钮之后，网页便会跳转到登录界面，要求我们登录，如下图所示：

登录成功后会发现，里面的数据总共有100页面。

上图是前三页的url地址，你会发现其实并没有太大的变化，经过测试发现，真正有效的参数是框起来的内容，它的变化会导致页面的跳转，很明显第一页的s=0，第二页s=44，第三页s=88，以此类推，之后就可以轻松做到翻页了。

搜搜商品的代码如下：

def search_product(key_word):
    '''

    :param key_word: 搜索关键字
    :return:
    '''
    # 通过id值来获取文本框的位置，并传入关键字
    browser.find_element_by_id('q').send_keys(key_word)
    # 通过class来获取到搜索按钮的位置，并点击
    browser.find_element_by_class_name('btn-search').click()
    # 最大化窗口
    browser.maximize_window()

    time.sleep(15)
    page = browser.find_element_by_xpath('//div[@class="total"]').text  # 共 100 页，

    page = re.findall('(\d+)', page)[0] # findall返回一个列表
    return page
复制代码

2、获取商品信息并保存

获取商品信息相对比较简单，可以通过xpath方式来获取数据。在这里我就不在论述。在这边我创建了一个函数get_product来获取并保存信息。在保存信息的过程中使用到了csv模块，目的是将信息保存到csv里面。

def get_product():
    divs = driver.find_elements_by_xpath('//div[@class="items"]/div[@class="item J_MouserOnverReq  "]')	# 这里返回的是列表，注意：elements
    for div in divs:
        info = div.find_element_by_xpath('.//div[@class="row row-2 title"]/a').text
        price = div.find_element_by_xpath('.//strong').text + '元'
        nums = div.find_element_by_xpath('.//div[@class="deal-cnt"]').text
        names = div.find_element_by_xpath('.//div[@class="shop"]/a').text
        print(info, price, nums, names,sep='|')
        with open('data3.csv', mode='a', newline='', encoding='utf-8') as file:
            csv_writer = csv.writer(file, delimiter=',')    # 指定分隔符为逗号
            csv_writer.writerow([info, price, nums, names])
复制代码

3、构造URL实现翻页爬取

从上面的图片中可以发现连续三页URL的地址，其实真正变化并不是很多，经过测试发现，只有q和s两个参数是有用的。

构造出的url： s.taobao.com/search?q={}…

因为q是你要搜索的商品，s是设置翻页的参数。这段代码就放在了主函数里面

def main():
    browser.get('https://www.taobao.com/')  # 向服务器发送请求
    page = search_product(key_word)
    print('正在爬取第1页的数据')
    get_product()   # 已经获得第1页的数据
    page_nums = 1
    while page_nums != page:
        print('*'*100)
        print('正在爬取第{}页的数据'.format(page_nums+1))
        browser.get('https://s.taobao.com/search?q={}&s={}'.format(key_word, page_nums*44))
        browser.implicitly_wait(10) # 等待10秒
        get_product()
        page_nums += 1
复制代码

最后结果，如下图所示：

标签：商品信息,浏览器,name,Python,text,selenium,element,淘宝,find
来源： https://www.cnblogs.com/shannian999/p/12956933.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9