一、核心操作
#阅读此文你可能觉得作者我逻辑混乱。第一次在CSDN写博客,请谅解。虽然爬取速度慢(1分钟约30页),但结果爬取成功了。如果你用这程序,需要更改各个需要点击的位置。
- 用pyautogui()模拟人的一系列操作,控制鼠标、按键,打开浏览器、输入淘宝网址,搜索商品、复制当前商品页面的 html代码。
- 用 win32clipboard()、 win32api()读取复制的 html代码
- 用 pyquery() 从html中获取商品信息
- pymongo()存入商品信息
二、过程及结果
1.具体过程看代码。需要提醒的是经常爬取偶尔会弹出一个小窗口,让你休息。运行程序前请确保输入法是英文状态。
2.爬取20页商品信息用时约45秒,从第10秒开始爬取第1页商品信息。
3.如何复制html代码?鼠标放到图中蓝色行,右击,复制、按 O。
4.结果:商品信息在Robo 3t 里。
三、完整代码如下
import win32clipboard as wc
import win32api
import time
import pyautogui
import pymongo
from pyquery import PyQuery as pq
'''
#MongoDB设置
MONGO_URL = 'localhost'
MONGO_DB = 'taobao'
MONGO_TABLE = 'product'
'''
client = pymongo.MongoClient('localhost')
#指定数据库
db = client['taobao']
#保存到mongoDB
def save_to_mongo(result):
try:
if db['product'].insert_one(result):
print('ok')
except Exception:
print('存储到MONGODB失败',result)
#打开浏览器,输入淘宝网址,搜索“美食”
def open_Firefox():
pyautogui.doubleClick(x=643, y=1050, button="left", duration=0.2)
pyautogui.moveTo(x=703, y=62, duration=0.2)
time.sleep(0.15)
pyautogui.click(x=703, y=62, button="left", duration=0.15)
pyautogui.typewrite(message="https://taobao.com", interval=0.05)
pyautogui.hotkey('backspace')
time.sleep(0.2)
pyautogui.hotkey('enter')
time.sleep(0.2)
# 进入淘宝,点击搜索栏
pyautogui.moveTo(x=905, y=305, duration=0.2)
#切换输入法
pyautogui.hotkey('shiftleft')
time.sleep(0.3)
# 五笔输入“美食”
pyautogui.typewrite(message="ugwy", interval=0.36)
time.sleep(0.2)
pyautogui.hotkey('1')
time.sleep(0.1)
pyautogui.hotkey('enter')
#已经打开淘宝,打开检查元素
def check_html():
pyautogui.click(x=1688, y=176, button="right", duration=0.25)
time.sleep(0.1)
pyautogui.hotkey('q')
time.sleep(0.1)
#复制html代码
def copy_html():
pyautogui.click(x=740, y=633, button="right", duration=0.25)
time.sleep(0.1)
pyautogui.moveTo(x=795, y=949, duration=0.15)
time.sleep(0.2)
# 按O复制html代码
pyautogui.hotkey('o')
time.sleep(0.2)
#点击下一页
def next_page1():
pyautogui.click(x=1907,y=153,button="left",duration=0.25)
time.sleep(0.15)
pyautogui.click(x=1417,y=319,button="left",duration=0.25)
time.sleep(0.15)
#第1页和第2页的“下一页”位置不同
def next_page2():
pyautogui.click(x=1422,y=429,button="left",duration=0.25)
time.sleep(0.2)
#获取粘贴板里的内容
def getCopyTxet():
wc.OpenClipboard()
copytxet = wc.GetClipboardData()
wc.CloseClipboard()
return str(copytxet)
#从html中获取商品信息
def read_html():
html =getCopyTxet()
doc = pq(html)
items = doc('#mainsrp-itemlist .items .item').items()
for item in items:
product = {
'image': item.find('.pic .img').attr('src') or item.find('.pic .img').attr('data-src'),
'price': item.find('.price').text(),
'deal': item.find('.deal-cnt').text()[:-3],
'title': item.find('.title').text(),
'shop': item.find('.shop').text(),
'location': item.find('.location').text()
}
#print(product)
save_to_mongo(product)
def main():
open_Firefox()
check_html()
copy_html()
read_html()
next_page1()
for i in range(1,20):
copy_html()
read_html()
next_page2()
if __name__ == '__main__':
main()