python爬虫之使用Selenium爬取淘宝商品信息

爬取淘宝商品信息，并且将爬取到的商品名，图片，店铺名，价格，地址等信息存储到Linux系统下的Mongodb数据库，可以在控制台根据输入不同的商品关键字，爬取各种淘宝商品
爬取的过程中遇到了一些坑
例如执行borwser = webdriver.Chrome()的时候出现了Message: ‘chromedriver’ executable needs to be in PATH.Please see …”异常，查阅资料后发现只要下载chromedriver.exe放在pyhton主目录下就OK了
**
效果图
代码

import re
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from pyquery import PyQuery as pq
import pymongo
from PaChong import config

#mongodb连接
client = pymongo.MongoClient(config.MONGO_URL)
db = client[config.MONGO_DB]

#加载驱动
borwser = webdriver.Chrome()
#如果页面加载缓慢，程序就执行，会报错，等待页面加载完，再执行代码
wait = WebDriverWait(borwser, 10)

#搜索方法
def search():
    try:
        borwser.get('https://www.taobao.com')
        # Presence_of_element_located           元素是否存在
        input = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#q")))     #根据选择器得到搜索框
        # Element_to_be_clickable               判断元素是否点击，它处于可见和启动状态
        submit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,"#J_TSearchForm > div.search-button > button"))) #搜索按钮
        input.send_keys(config.KEYWORD)         #搜索框键入键入文字
        submit.click()                          #点击
        totle = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > div.total"))) #总页数
        #此时是第一页
        get_products()                          #获取商品信息
        return totle.text                       #将页数返回
    except Exception:
        return search()

def next_page(page_number):                     #翻页
    try:
        input = wait.until(
            EC.presence_of_element_located((By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > div.form > input"))    #底部的输入页数的文本框
        )
        submit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit"))) #底部的输入页数的确定按钮
        input.clear()                           #清除内容
        input.send_keys(page_number)            #输入页数
        submit.click()                          #点击确认
                                                #点击确认后翻页了，等待页码条加载翻页的页数
        wait.until(EC.text_to_be_present_in_element((By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > ul > li.item.active > span"), str(page_number)))
                                                #获取商品信息
        get_products()
    except Exception:
        next_page(page_number)


def get_products():

    wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#mainsrp-itemlist .items .item")))
    html = borwser.page_source
    doc = pq(html)                              #使用PyQuery来解析html
    items = doc("#mainsrp-itemlist .items .item").items()
    for item in items:
        product = {
            "price": item.find(".price").text().replace("\n", ""),  #去掉价格中的换行符
            "image": item.find(".pic .img").attr("src"),
            "name": item.find(".title").text(),
            "location": item.find(".location").text(),
            "shop": item.find(".shop").text(),
        }
        print(product)
        save_products(product)

def save_products(result):
    """将商品的信息存储到MongoDB数据库、txt文件中"""
    try:
        # 尝试将结果集插入到数据库中
        if db[config.MONGO_TABLE].insert(result):
            print("存储到MongoDB数据库成功！", result)
    except Exception:
        print(Exception)
        print("存储失败！", result)

def main():
    try:
        total = search()
        total = int(re.compile('(\d+)').search(total).group(1))
        for i in range(2,total + 1):
            print('------------------------------第'+str(i)+'页---------------------------------------')
            next_page(i)
    except Exception:
        print('出错啦！')
        #执行完后关闭浏览器
        borwser.close()

if __name__ == '__main__':
    main()