用selenium爬取淘宝美食

'''利用selenium爬取淘宝美食网页内容'''

import re
from selenium import webdriver
from selenium.common.exceptions import TimeoutException
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
from config import *

driver = webdriver.PhantomJS(service_args=SERVICE_ARGS)
# driver = webdriver.Chrome()
wait = WebDriverWait(driver, 10)

driver.set_window_size(1400,900)            #有这这句话就是可以爬取到网页的内容,没有的话就出现TimeOut错误

def search():
    print('正在搜索')
    try:
        driver.get('http://www.taobao.com')
        s_input = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#q')))
        sumbit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,'#J_TSearchForm > div.search-button > button')))
        s_input.send_keys(KEYWORD)
        sumbit.click()
        totle = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#mainsrp-pager > div > div > div > div.total')))
        get_products()
        return totle.text
    except TimeoutException:
        print('TimeOut')
        return search()

def next_page(page_number):
    print('正在翻页', page_number)
    try:
        s_input = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > input')))
        sumbit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit')))
        s_input.clear()
        s_input.send_keys(page_number)
        sumbit.click()
        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)))
        get_products()
    except TimeoutException:
        print('TimeOut')
        next_page(page_number)

def get_products():
    wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#mainsrp-itemlist .items .item')))
    html = driver.page_source
    doc = pq(html)
    items = doc('#mainsrp-itemlist .items .item').items()
    for item in items:
        product = {
            'image': item.find('.pic .img').attr('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)


def main():
    try:
        totle = search()
        totle = int(re.compile('(\d+)').search(totle).group(1))
        for num in range(2,totle + 1):
            next_page(num)
    except Exception as e:
        print(e)
    finally:        #最后执行的操作
        driver.close()

if __name__  == '__main__':
    main()
View Code

config文件

SERVICE_ARGS = ['--load-images=false', '--disk-cache=true']
KEYWORD = '美食'
View Code

 

转载于:https://www.cnblogs.com/114811yayi/p/7226206.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用Selenium进行淘宝商品爬取,通常涉及以下几个步骤: 1. **安装依赖**: 首先需要安装Selenium库,这是一个浏览器自动化工具,可以模拟用户操作。另外,由于Selenium需要与特定的浏览器驱动(如ChromeDriver、FirefoxDriver等)配合使用,你也需要下载对应版本的浏览器驱动。 2. **启动浏览器**: 导入`webdriver`模块,比如`from selenium import webdriver`,然后通过`webdriver.Chrome()`或`webdriver.Firefox()`创建一个新的浏览器实例。 3. **打开淘宝网站**: 调用`browser.get('https://www.taobao.com')`打开淘宝主页。 4. **定位元素**: Selenium通过XPath、CSS选择器或ID等属性定位网页中的元素。例如,你可以找到搜索框并输入关键词:`search_box = browser.find_element_by_id('q')`。 5. **提交搜索**: 利用`search_box.send_keys(keyword)`发送搜索请求。 6. **查找商品列表**: 通过定位元素,找到商品列表区域,并遍历查找商品信息。 7. **解析数据**: 一旦找到商品信息,利用如BeautifulSoup这样的HTML解析库,提取标题、价格、图片链接等数据。 8. **保存数据**: 将抓取到的数据存储到CSV、JSON文件,或者数据库中。 ```python # 示例代码片段 from selenium import webdriver from bs4 import BeautifulSoup def crawl_taobao(keyword): # ...其他步骤... browser.find_element_by_id('su').click() # 提交搜索 page_source = browser.page_source soup = BeautifulSoup(page_source, 'html.parser') products = soup.select('.product-title') # 假设商品标题类名为.product-title for product in products: title = product.text.strip() price = product.find('span', class_='price').text # 类名假设为.price img_url = product.find('img')['src'] # 存储数据 save_data(title, price, img_url) # 实际使用时记得处理异常和浏览器关闭 if __name__ == '__main__': keyword = input("请输入你要搜索的商品关键字:") try: crawl_taobao(keyword) finally: browser.quit() ```
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