随着互联网时代的到来,人们更加倾向于互联网购物,某宝又是电商行业的巨头,在某宝平台中有很多商家数据,今天带大家使用python+selenium工具获取这些公开的。
本篇文章适合Python零基础、对爬虫数据采集感兴趣的同学!
环境介绍:
python 3.6
pycharm
selenium
time
selenium简介
自动化测试工具,驱动浏览器帮助我们获取到渲染之后的数据
模仿人的行为操作浏览器(用户行为加上代码逻辑的结合)
安装模块
pip install selenium
打开Google浏览器,点击进入设置界面
进入界面后点击关于Chrome,然后找到你Google浏览器的版本,安装Webdriver要对应浏览器的版本
import time import re import csv from selenium import webdriver from selenium.webdriver import ActionChains from 淘宝爬虫 import constans
def search_product(key): """模拟搜索商品,登陆账户,获取最大页数""" driver.get(‘http://www.taobao.com‘) driver.find_element_by_id(‘q‘).send_keys(key) # 输入框输入商品关键字 driver.find_element_by_class_name(‘btn-search‘).click() # 点击搜索按钮 driver.implicitly_wait(10) # 隐式等待 driver.maximize_window() # 最大化浏览器 def main() search_product(keyword) if __name__ == ‘__main__‘: keyword = input(‘请输入你要查询的商品数据:‘) driver = webdriver.Chrome() main()
driver.find_element_by_xpath(‘//*[@id="fm-login-id"]‘).send_keys(constans.USERNAME) # 找到用户名输入账号 time.sleep(1) driver.find_element_by_xpath(‘//*[@id="fm-login-password"]‘).send_keys(constans.PASSWORD) # 找到密码框输入密码 time.sleep(2) login = driver.find_element_by_xpath("//span[contains(@class, ‘btn_slide‘)]") # 找到滑动验证码滑块 手写 action = ActionChains(driver) # 创建动作连对象 action.click_and_hold(on_element=login) # 点击滑块维持动作 action.move_by_offset(xoffset=258, yoffset=0) # 设置动作链坐标长度 action.pause(0.5).release().perform() # 设置动作链执行时间 释放鼠标 执行动作链 driver.find_element_by_xpath(‘//*[@id="login-form"]/div[4]/button‘).click() # 找到登陆按钮点击 driver.implicitly_wait(10) # 隐式等待
def get_product(): for div in divs: info = div.find_element_by_xpath(‘.//div[@class="row row-2 title"]/a‘).text # 商品名称 price = div.find_element_by_xpath(‘.//strong‘).text + ‘元‘ # 商品价格 deal = div.find_element_by_xpath(‘.//div[@class="deal-cnt"]‘).text # 付款人数 name = div.find_element_by_xpath(‘.//div[@class="shop"]/a‘).text # 店铺名称 print(info, price, deal, name, sep=‘|‘) # 分隔符 with open(‘data2.csv‘, ‘a‘, newline=‘‘) as csvfile: # newline=‘‘ 指定一行一行写入 csvwriter = csv.writer(csvfile, delimiter=‘,‘) # delimiter=‘,‘ csv数据的分隔符 csvwriter.writerow([info, price, deal, name])
运行代码,效果如下图:
这样就可以获取第一页的数据了
运行代码,效果如下图:
page = driver.find_element_by_xpath(‘//*[@id="mainsrp-pager"]/div/div/div/div[1]‘).text # 找到页码标签 page = re.findall(‘(\d+)‘, page)[0] # print(‘商品页数:‘, page) return int(page) def main(): """程序的入口""" print(‘正在爬取第1页的数据‘) page = search_product(keyword) get_product() page_num = 1 while page_num != page: print(‘*‘ * 100) print(‘正在爬取第{}页的数据‘.format(page_num + 1)) print(‘*‘ * 100) driver.get(‘https://s.taobao.com/search?q={}&s={}‘.format(keyword, 44 * page_num)) # 拼接产品url地址 driver.implicitly_wait(10) # 浏览器等待方法 get_product() page_num += 1 driver.quit()
最后运行代码,就可以爬取100页的数据了
Python爬取某宝商品数据案例:100页的价格、购买人数等数据
原文:https://www.cnblogs.com/hhh188764/p/13178656.html