Selenium 爬取淘宝实战练习

(点击上方Python爱好者社区，可快速关注)

蒋蜀黍，Python爱好者社区专栏作者

博客地址：https://ask.hellobi.com/blog/JiangYiXin

提示：本文参考文末崔老师课程创作而来

1、项目流程

---

2、中心调度

# 中心调度
defmain():
    try:
        total = search()
        total = int(re.compile('.*?(\d+).*?').search(total).group(1))
        fori inrange(2,total+1):
            next_page(i)
    exceptException ase:
        print('异常')
    finally:
        browser.close()

---

3、模拟查询

# 根据关键字查询
def search():
    try:
        browser.get('https://www.taobao.com/')
        # 直到搜索框加载出
        input_search = wait.until(EC.presence_of_element_located((By.ID,'q')))
        # 直到搜索按钮可以点击
        submit_button = wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'btn-search')))
        input_search.send_keys(KEYWORDS)
        submit_button.click()
        total = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'div.wraper  div.total')))
        get_products()
        returntotal.text
    exceptTimeoutException ase:
        print('响应超时')

---

4、下一页的操作

# 下一页爬取
def next_page(index):
    try:
        input = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#mainsrp-pager div.form > input')))
        submit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,'#mainsrp-pager div.form > span.btn.J_Submit')))
        input.clear()
        input.send_keys(index)
        submit.click()
        wait.until(EC.text_to_be_present_in_element((By.CSS_SELECTOR,'#mainsrp-pager > div > div > div > ul > li.item.active > span'),str(index)))
        get_products()
    exceptNoSuchElementException ase:
        print('元素未加载')
        returnnext_page(index)

---

5、商品信息的解析

# 获取一页上所有的商品
def get_products():
    wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#mainsrp-itemlist .items .item")))
    html = browser.page_source
    doc = PyQuery(html)
    items = doc('.m-itemlist .items  .item').items()
    foritem initems:
        product = {
            'image':item.find('.pic-link .img').attr('data-src'),
            'price':float(item.find('.price').text()[2:]),
            'deal':item.find('.deal-cnt').text()[:-3],
            'title':item.find('.title').text(),
            'shop':item.find('.shop').text(),
            'location':item.find('.location').text(),
            'keywords':KEYWORDS
        }
        save_to_mongo(product=product)

---

6、完整代码

#!/usr/bin/python
# -*- coding: utf-8 -*-

importpymongo
importre
frompyquery importPyQuery
fromselenium importwebdriver
fromselenium.webdriver.common.by importBy
fromselenium.webdriver.support.ui importWebDriverWait
fromselenium.webdriver.support importexpected_conditions asEC
fromselenium.common.exceptions importTimeoutException,NoSuchElementException
fromsetting import*

client = pymongo.MongoClient(MONGO_HOST)
db = client[MONGO_DB]
browser = webdriver.Chrome()
wait = WebDriverWait(browser,10)


# 根据关键字查询
def search():
    try:
        browser.get('https://www.taobao.com/')
        # 直到搜索框加载出
        input_search = wait.until(EC.presence_of_element_located((By.ID,'q')))
        # 直到搜索按钮可以点击
        submit_button = wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'btn-search')))
        input_search.send_keys(KEYWORDS)
        submit_button.click()
        total = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'div.wraper  div.total')))
        get_products()
        returntotal.text
    exceptTimeoutException ase:
        print('响应超时')


# 下一页爬取
def next_page(index):
    try:
        input = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#mainsrp-pager div.form > input')))
        submit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,'#mainsrp-pager div.form > span.btn.J_Submit')))
        input.clear()
        input.send_keys(index)
        submit.click()
        wait.until(EC.text_to_be_present_in_element((By.CSS_SELECTOR,'#mainsrp-pager > div > div > div > ul > li.item.active > span'),str(index)))
        get_products()
    exceptNoSuchElementException ase:
        print('元素未加载')
        returnnext_page(index)


# 获取一页上所有的商品
def get_products():
    wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#mainsrp-itemlist .items .item")))
    html = browser.page_source
    doc = PyQuery(html)
    items = doc('.m-itemlist .items  .item').items()
    foritem initems:
        product = {
            'image':item.find('.pic-link .img').attr('data-src'),
            'price':float(item.find('.price').text()[2:]),
            'deal':item.find('.deal-cnt').text()[:-3],
            'title':item.find('.title').text(),
            'shop':item.find('.shop').text(),
            'location':item.find('.location').text(),
            'keywords':KEYWORDS
        }
        save_to_mongo(product=product)


# 保存至mongoDB
def save_to_mongo(product):
    try:
        ifdb[MONGO_TABLE].insert(product):
            print('保存成功', product)
    exceptException:
        print('保存失败')


# 中心调度
def main():
    try:
        total = search()
        total = int(re.compile('.*?(\d+).*?').search(total).group(1))
        fori inrange(2,total+1):
            next_page(i)
    exceptException ase:
        print('异常')
    finally:
        browser.close()


if__name__=='__main__':
    main()

7、运行结果

点击文章末尾阅读原文即可购买

点击上图可查看详细课程说明信息

关注公众号，“Python爱好者社区”，回复“爬虫”即可获取崔老师爬虫免费学习视频。

Python爱好者社区

为大家提供与Python相关的最新技术和资讯

长按指纹 > 识别图中二维码 > 添加关注