Selenium+PhantomJS爬取淘宝

预备知识:

  1. Selenium:web的自动化测试工具,直接运行在浏览器中,模拟用户操作。
  2. PhantomJS:基于 WebKit 的服务器端 JavaScript API。它全面支持web而不需浏览器支持。提供了诸如CSS选择器、支持Web标准、DOM操作、JSON、html5等,同时也提供了处理文件I/O的操作,可以向操作系统读写文件。
  3. PyQuery:使用 jQuery 的风格来遍历 XML 文档,它使用了 lxml 来处理 XML , HTML 文档。

流程框架

1:搜索关键词:
利用Selenium驱动浏览器搜索关键词,得到查询后的商品列表
2:分析页码并翻页
得到商品页码数,模拟翻页,得到后续页面的商品列表
3:分析提取商品内容
利用PyQuery分析源码,解析得到商品列表
3:存储至MongoDB
将商品列表信息存储到数据库MongoDB


源码网址:

https://github.com/braid123/ScrapyProject

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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