python3通过selenium爬虫获取到dj商品的实例代码

Python  /  管理员 发布于 7年前   207

先给大家介绍下python3 selenium使用

其实这个就相当于模拟人的点击事件来连续的访问浏览器。如果你玩过王者荣耀的话在2016年一月份的版本里面就有一个bug。

安卓手机下载一个按键精灵就可以在冒险模式里面设置按键，让手机自动玩闯关，一局19个金币，一晚上就一个英雄了。不过

程序员也不是吃素的。给一个星期设置了大概4000金币上限。有兴趣的可以去试试。（注：手机需要root）

进入正题：

from selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.common.keys import Keysfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait

在写之前需要下载selenium模块

brguge=webdriver.Chrome()#声明驱动对象try:  brguge.get('https://www.baidu.com')#发送get请求  input=brguge.find_element_by_id('kw')#找到目标  input.send_keys('python')#输入python关键字  input.send_keys(Keys.ENTER)#敲入回车  wait=WebDriverWait(brguge,10)#等待元素加载出来  wait.until(EC.presence_of_element_located(By.ID,'content_left'))#加载  print(brguge.current_url)#输出搜索的路径  print(brguge.get_cookie())#输出cookie  print(brguge.page_source)#输出结果源代码finally:  brguge.close()#关闭谷歌浏览器

下面是一些selenium模块的基本用法

查找元素

    单个元素  

(from selenium import webdriver)    brguge.find_element_by_id('q')用这个元素找id是q的元素    brguge.find_element_by_css_selector('#q')找css样式是q的    brguge.find_element_by_xpath('//*[ @id="q"]')三个效果一样    brguge.find_element_by_name()通过name来查找    brguge.find_element_by_link_text()通过link来查找    brguge.find_element_by_partial_link_text()    brguge.find_element_by_tag_name()    brguge.find_element_by_class_name()通过class查找        from selenium import webdriver    from selenium.webdriver.common.by import By    brguge.find_element(By.ID,'Q')通用查找方式

    多个元素（find_elements）加了个s
        他会以列表的形式打印出来
        brguge.find_elements_by_css_selector('.service-bd li')css样式为li的元素
        brguge.find_elements（By.css_selector,'.service-bd li'）两个作用一样
        (利用索引就可以获取单个或多个元素了)
    元素交互操作（获取元素然后再给他指令）
        选择输入框 --》send_keys('输入文字')--》clear()清空输入框--在输入别的--》找到搜索--》click(点击)
        input.clear()清空按钮
    交互动作（将动作附加到动作链中串行执行）
        switch_to_frame('iframeResult')
        用css样式分别找到两个要交互
        调用ActionChains(调用谷歌的)
        drag_and_drop(source,target)第一个到第二个上面
        perform()

下面看下python3通过selenium爬虫获取到dj商品的实例代码。

具体代码如下所示：

from selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.common.keys import Keysfrom selenium.webdriver.support.wait import WebDriverWaitfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.chrome.options import Optionsfrom selenium.common.exceptions import NoSuchElementExceptionfrom lxml import etreeimport time, jsonJD_URL_Login = "https://www.jd.com/"class CustomizeException(Exception):  def __init__(self, status, msg):    self.status = status    self.msg = msgclass JD:  def __init__(self):    self.browser = None    self.__init_browser()  def __init_browser(self):    options = Options()    options.add_argument("--headless")    options.add_experimental_option('excludeSwitches', ['enable-automation'])    # 设置为无图模式    options.add_experimental_option("prefs", {"profile.managed_default_content_settings.images": 2})    self.browser = webdriver.Chrome(options=options)    # 设置浏览器最大化窗口    self.browser.maximize_window()    # 隐式等待时间为3s    self.browser.implicitly_wait(3)    self.browser.get(JD_URL_Login)    self.wait = WebDriverWait(self.browser, 10)  def __search_goods(self, goods):    '''搜索商品的方法'''    self.file = open("jd-{}.json".format(goods), "a", encoding="utf-8")    self.wait.until(EC.presence_of_all_elements_located((By.ID, "key")))    serach_input = self.browser.find_element_by_id("key")    serach_input.clear()    serach_input.send_keys(goods, Keys.ENTER)  def __get_goods_info(self, page_source):    '''从网页源码中获取到想要的数据'''    selector_html = etree.HTML(page_source)    # 商品名字 不要获取title属性，以后再改吧，最好是获取到商品名的文本内容    goods_name = selector_html.xpath("//div[@class='gl-i-wrap']//div[contains(@class,'p-name')]/a/@title")    # 商品价格    goods_price = selector_html.xpath("//div[@class='gl-i-wrap']//div[@class='p-price']/strong/i/text()")    # 商品评价数量    comment_num_selector = selector_html.xpath("//div[@class='p-commit']/strong")    comment_num = [selector.xpath("string(.)") for selector in comment_num_selector]    # 商品店铺    shop_name = selector_html.xpath("//a[@class='curr-shop']/text()")    goods_zip = zip(goods_name, goods_price, comment_num, shop_name)    for goods_info in goods_zip:      dic = {}      dic["goods_name"] = goods_info[0]      dic["goods_price"] = goods_info[1]      dic["comment_num"] = goods_info[2]      dic["shop_name"] = goods_info[3]      # print("商品名字>>:", goods_info[0])      # print("商品价格>>:", goods_info[1])      # print("商品评价数量>>:", goods_info[2])      # print("商品店铺>>:", goods_info[3])      # print("*" * 100)      yield dic  def __swipe_page(self):    '''上下滑动页面，将完整的网页源码返回'''    height = self.browser.execute_script("return document.body.scrollHeight;")    js = "window.scrollTo(0, {});".format(height)    self.browser.execute_script(js)    while True:      time.sleep(1)      now_height = self.browser.execute_script("return document.body.scrollHeight;")      if height == now_height:        return self.browser.page_source      js = "window.scrollTo({}, {});".format(height, now_height)      self.browser.execute_script(js)      height = now_height  def __is_element_exists(self, xpath):    '''检测一个xpath是否能够找到'''    try:      self.browser.find_element_by_xpath(xpath=xpath)      return True    except NoSuchElementException:      return False  def __click_next_page(self):    '''点击下一页，实现翻页功能'''    self.wait.until(EC.presence_of_all_elements_located((By.CLASS_NAME, "pn-next")))    xpath = "//a[@class='pn-next']"    if not self.__is_element_exists(xpath):      raise CustomizeException(10000, "该商品访问完毕")    self.browser.find_element_by_xpath(xpath).click()  def __write_to_json(self, dic: dict):    data_json = json.dumps(dic, ensure_ascii=False)    self.file.write(data_json + "\n")  def run(self, goods):    self.__search_goods(goods)    n = 1    while True:      print("正在爬取商品 <{}>---第{}页......".format(goods, n))      time.sleep(3)      html = self.__swipe_page()      for dic in self.__get_goods_info(html):        self.__write_to_json(dic)      try:        self.__click_next_page()      except CustomizeException:        try:          goods = goods_list.pop(0)          self.run(goods)        except IndexError:          return      n += 1  def __del__(self):    self.browser.close()    self.file.close()if __name__ == '__main__':  jd = JD()  goods_list = ["纯牛奶", "酸奶", "奶茶", "床上用品", "电磁炉", "电视", "小米笔记本", "华硕笔记本", "联想笔记本", "男士洗面奶", "女士洗面奶", "沐浴露", "洗发露",         "牙刷", "牙膏", "拖鞋", "剃须刀", "水手服", "运动服", "红龙果", "苹果", "香蕉", "洗衣液", "电饭煲"]  try:    goods = goods_list.pop(0)  except IndexError:    raise CustomizeException(20000, "goods_list不能为空")  try:    jd.run(goods)  finally:    del jd

总结

以上所述是小编给大家介绍的python3通过selenium爬虫获取到dj商品的实例代码,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！