python自动化爬取淘宝商品数据导入execl表格

会python的小孩

已于 2024-01-08 22:15:09 修改

阅读量1.4k

点赞数 3

文章标签： python 自动化开发语言爬虫

于 2023-10-16 11:16:41 首次发布

本文链接：https://blog.csdn.net/mate1357/article/details/133854561

版权

电商时代，淘宝、京东、天猫商品数据对店铺运营有极大的帮助，因此获取相应店铺商品的数据能够带来极大的价值，那么我们如何获取到相应的数据呢？

这次我们来讲解淘宝爬虫代码————代码如下:

from selenium import webdriver
import time
import csv
import re

导入自动化的库selenium, 缓存时间time库, 将文件保存为csv形式, 导入re正则匹配的库

if __name__ == '__main__':
    keyword = input("请输入你要商品的关键字:")
    path = r'L:\webdriver\chromedriver.exe'
    driver = webdriver.Chrome(path)
    driver.get('https://www.taobao.com/')
    main()

输入查询的关键字: 例如输入ins潮流T恤，path为webdriver.exe驱动设备存放的路径，实例化一个driver对象,然后利用get方法访问淘宝网址！再调用main()方法.

请大家记住，一定要扫码登录！不然会被淘宝反爬！如图所示！

程序运行开始结果如下:

def main():
    print('正在爬取第一页数据')

    page = search_product(keyword)
    get_product()
    page_num = 1
    # q不变 0 44 188(页数*44)
    while page_num != page:
        print('-*-' * 50 )
        print('正在爬取第{}页的数据'.format(page_num + 1))
        print('*-*' * 50)
        driver.get('https://s.taobao.com/search?q={}&s={}'.format(keyword, page_num))
        # 浏览器等待方法
        driver.implicitly_wait(2)
        # 最大化浏览器
        driver.maximize_window()
        get_product()
        page_num += 1

main()方法当中呢，首先利用search_product函数与get_product函数爬取一页的数据, 再利用while循环爬取全部数据, 我们首先讲解一页数据的爬取.

def search_product(key):
    driver.find_element_by_id('q').send_keys(key)
    driver.find_element_by_class_name('btn-search').click()
    # 浏览器窗口最大化
    driver.maximize_window()
    time.sleep(15)
    # 因为自动登录基本实现不了，所以要实现手动登录
    # 找到页数的标签
    page = driver.find_element_by_xpath('//*[@id="mainsrp-pager"]/div/div/div/div[1]').text
    page = re.findall('(\d+)', page)[0]
    return int(page)

首先利用driver.find_element_by_id这个方法找到输入框，将key这个变量输入到搜索框中，再利用driver.find_element_by_class_name方法找到搜索两个字,利用click()方法点击搜索.将窗口最大化，并暂停15s.因为自动登录淘宝当中会被阿里巴巴识别，所有暂停15s是为了用手动扫码登录. 然后用用xapth找到page页数的标签,匹配数字获取第一个值，返回page页数,比如第5页，返回的就是5,将参数传入到page中,在调用get_product()方法获取这一页的商品详细数据，例如商品名字、商品价格、付款人数、商品地址、商品店铺名等等等,下面来看get_product()这个函数

def get_product():
    divs = driver.find_elements_by_xpath('//div[@class="items"]/div[@class="item J_MouserOnverReq  "]')
    print(divs)
    for div in divs:
        # 商品名称
        info = div.find_element_by_xpath('.//div[@class="row row-2 title"]/a').text
        # 商品价格
        price = div.find_element_by_xpath('.//strong').text + "元"
        # 付款人数
        deal = div.find_element_by_xpath('.//div[@class="deal-cnt"]').text
        # 店铺名称
        name = div.find_element_by_xpath('.//div[@class="shop"]/a').text
        # 店铺地点
        place = div.find_element_by_xpath('.//div[@class="location"]').text
        print(info, price, deal, name, place, sep='|')
        with open('ins短袖.csv', 'a', newline="") as fp:
            csvwriter = csv.writer(fp, delimiter=',')
            csvwriter.writerow([info, price, deal, name, place])

首先找到商品列表的标签divs，然后利用for循环获取每一个商品的div标签,利用xpath语法获取到info、price、deal、name、place信息然后保存为csv文件形式!