scrapy+selenium爬取淘宝

该博客介绍了如何结合Scrapy和Selenium爬取淘宝网站的商品信息。通过Scrapy设置请求和解析函数,利用Selenium的PhantomJS浏览器模拟页面加载,动态获取翻页后的商品详情,包括价格、标题、店铺、图片、销量和产地等信息。最后,数据被存储到MongoDB数据库中。
摘要由CSDN通过智能技术生成
------------------taobao.py---------------------

# -*- coding: utf-8 -*-
import scrapy
from scrapy import Request
from urllib.parse import quote
from ..items import ScrapyseleniumtestItem


class TaobaoSpider(scrapy.Spider):


    name = 'tao_bao'
    allowed_domains = ['www.taobao.com']
    base_url = 'https://s.taobao.com/search?q='

    def start_requests(self):
        # 通过self.settings.get()的方式获取setting里面的参数
        for keyword in self.settings.get('KEYWORDS'):
            for page in range(1, self.settings.get('MAX_PAGE') + 1):
                url = self.base_url + quote(keyword)
                # 通过meta={'':""},传递你接下来需要的数据
                yield Request(url=url,
                              callback=self.parse,
                              meta={
  'page':page},
                              dont_filter=True)

    def parse(self, response):
        # xpathclass中有空格(class="J_ItemPic img") 可以使用contains(@class,'img')
        products = response.xpath(
            '//div[@id="mainsrp-itemlist"]//div[@class="items"]//div[contains(@class, "item")]')
        for product in products:
            item = ScrapyseleniumtestItem()
            item['price'] = ''.join(product.xpath(
                './/div[contains(@class, "price")]//text()').extract()).strip()
            item['title'] = ''.join(product.xpath(
                './/div[contains(@class, "title")]//text()').extract()).strip()
            item['shop'] = ''.join
  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这里是一个使用ScrapySelenium结合爬取淘宝的简单示例代码: ```python import scrapy from scrapy.selector import Selector from selenium import webdriver from scrapy.http import HtmlResponse from time import sleep class TaobaoSpider(scrapy.Spider): name = 'taobao' allowed_domains = ['taobao.com'] start_urls = ['https://www.taobao.com/'] def __init__(self, *args, **kwargs): super(TaobaoSpider, self).__init__(*args, **kwargs) self.driver = webdriver.Chrome() def parse(self, response): self.driver.get(response.url) sleep(3) selector = Selector(text=self.driver.page_source) search_input = selector.css("#q") search_input.clear() search_input.send_keys("手机") btn = self.driver.find_element_by_css_selector('#J_TSearchForm > div.search-button > button') btn.click() sleep(3) while True: selector = Selector(text=self.driver.page_source) goods = selector.css('.J_MouserOnverReq') for good in goods: title = good.css('.title a::text').extract_first() price = good.css('.price strong::text').extract_first() yield { 'title': title, 'price': price } next_page = self.driver.find_element_by_css_selector('.J_Ajax.next') if 'disabled' in next_page.get_attribute('class'): break else: next_page.click() sleep(3) self.driver.quit() ``` 首先,我们需要在`__init__`方法中初始化Selenium的驱动程序。在`parse`方法中,我们使用Selenium模拟用户在淘宝搜索框中输入"手机",然后点击搜索按钮。接下来,我们使用Scrapy的选择器从页面源代码中提取商品的标题和价格,并将其作为字典返回。最后,我们使用Selenium查找下一页按钮,如果按钮没有被禁用,则点击它并等待页面加载。重复此过程,直到找到所有的商品。 需要注意的是,使用Selenium爬取数据的效率比纯粹使用Scrapy要慢得多。因此,如果可以,最好尝试避免使用Selenium爬取数据。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值