侯体宗的博客
  • 首页
  • Hyperf版
  • beego仿版
  • 人生(杂谈)
  • 技术
  • 关于我
  • 更多分类
    • 文件下载
    • 文字修仙
    • 中国象棋ai
    • 群聊
    • 九宫格抽奖
    • 拼图
    • 消消乐
    • 相册

Python使用Selenium爬取淘宝异步加载的数据方法

Python  /  管理员 发布于 7年前   238

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:utf8import refrom selenium import webdriverfrom selenium.common.exceptions import TimeoutExceptionfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support.ui import WebDriverWaitfrom selenium.webdriver.support import expected_conditions as ECfrom bs4 import BeautifulSoupfrom config import *import pymongoclient=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。


  • 上一条:
    Python单元测试unittest的具体使用示例
    下一条:
    Python 通过调用接口获取公交信息的实例
  • 昵称:

    邮箱:

    0条评论 (评论内容有缓存机制,请悉知!)
    最新最热
    • 分类目录
    • 人生(杂谈)
    • 技术
    • linux
    • Java
    • php
    • 框架(架构)
    • 前端
    • ThinkPHP
    • 数据库
    • 微信(小程序)
    • Laravel
    • Redis
    • Docker
    • Go
    • swoole
    • Windows
    • Python
    • 苹果(mac/ios)
    • 相关文章
    • 在python语言中Flask框架的学习及简单功能示例(0个评论)
    • 在Python语言中实现GUI全屏倒计时代码示例(0个评论)
    • Python + zipfile库实现zip文件解压自动化脚本示例(0个评论)
    • python爬虫BeautifulSoup快速抓取网站图片(1个评论)
    • vscode 配置 python3开发环境的方法(0个评论)
    • 近期文章
    • 在go语言中使用api.geonames.org接口实现根据国际邮政编码获取地址信息功能(1个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf分页文件功能(0个评论)
    • gmail发邮件报错:534 5.7.9 Application-specific password required...解决方案(0个评论)
    • 欧盟关于强迫劳动的规定的官方举报渠道及官方举报网站(0个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf文件功能(0个评论)
    • Laravel从Accel获得5700万美元A轮融资(0个评论)
    • 在go + gin中gorm实现指定搜索/区间搜索分页列表功能接口实例(0个评论)
    • 在go语言中实现IP/CIDR的ip和netmask互转及IP段形式互转及ip是否存在IP/CIDR(0个评论)
    • PHP 8.4 Alpha 1现已发布!(0个评论)
    • Laravel 11.15版本发布 - Eloquent Builder中添加的泛型(0个评论)
    • 近期评论
    • 122 在

      学历:一种延缓就业设计,生活需求下的权衡之选中评论 工作几年后,报名考研了,到现在还没认真学习备考,迷茫中。作为一名北漂互联网打工人..
    • 123 在

      Clash for Windows作者删库跑路了,github已404中评论 按理说只要你在国内,所有的流量进出都在监控范围内,不管你怎么隐藏也没用,想搞你分..
    • 原梓番博客 在

      在Laravel框架中使用模型Model分表最简单的方法中评论 好久好久都没看友情链接申请了,今天刚看,已经添加。..
    • 博主 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 @1111老铁这个不行了,可以看看近期评论的其他文章..
    • 1111 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 网站不能打开,博主百忙中能否发个APP下载链接,佛跳墙或极光..
    • 2016-10
    • 2016-11
    • 2018-04
    • 2020-03
    • 2020-04
    • 2020-05
    • 2020-06
    • 2022-01
    • 2023-07
    • 2023-10
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客