Python爬淘宝商品信息
很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！
QQ群：1097524789
首先需要先导入webdriver
SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。from selenium import webdriver 复制代码
webdriver支持主流的浏览器，比如说：谷歌浏览器、火狐浏览器、IE浏览器等等
然后可以创建一个webdriver对象，通过这个对象就可以通过get方法请求网站
driver = webdriver.Chrome() # 创建driver对象 driver.get('https://www.baidu.com') # 请求百度 复制代码
接下来可以定义一个方法：search_product
一、selenium的简单介绍
1.selenium简介
selenium是一个用于测试网站的自动化测试工具，支持很多主流的浏览器，比如：谷歌浏览器、火狐浏览器、IE、Safari等。
2.支持多个操作系统
如windows、Linux、IOS、Android等。
3、安装selenium
打开终端输入
pip install Selenium
复制代码
4、安装浏览器驱动
1、Chrome驱动文件下载： 点击下载谷歌浏览器驱动
2、火狐浏览器驱动文件下载： 点击下载geckodriver
5、配置环境变量
配置环境变量的方法非常简单，首先将下载好的驱动进行解压，放到你安装Python的目录下，即可。
因为之前，在配置Python环境变量的时候，就将Python的目录放到我的电脑–>属性–>系统设置–>高级–>环境变量–>系统变量–>Path
二、selenium快速入门
1、selenium提供8种定位方式
1、id
2、name
3、class name
4、tag name
5、link text
6、partial link text
7、xpath
8、css selector
2、定位元素的8中方式详解
| 定义一个元素 | 定位多个元素 | 含义 |
|---|---|---|
| find_element_by_id | find_elements_by_id | 通过元素的id定位 |
| find_element_by_name | find_elements_by_name | 通过元素name定位 |
| find_element_by_xpath | find_elements_by_xpath | 通过xpath表达式定位 |
| find_element_by_link_text | find_elements_by_link_text | 通过完整超链接定位 |
| find_element_by_partial_link_text | find_elements_by_partial_link_text | 通过部分链接定位 |
| find_element_by_tag_name | find_elements_by_tag_name | 通过标签定位 |
| find_element_by_class_name | find_elements_by_class_name | 通过类名进行定位 |
| find_element_by_css_selector | find_elements_by_css_selector | 通过css选择器进行定位 |
3、selenium库下webdriver模块常用的方法与使用
控制浏览器的一些方法
| 方法 | 说明 |
|---|---|
| set_window_size() | 设置浏览器的大小 |
| back() | 控制浏览器后退 |
| forward() | 控制浏览器前进 |
| refresh() | 刷新当前页面 |
| clear() | 清除文本 |
| send_keys (value) | 模拟按键输入 |
| click() | 单击元素 |
| submit() | 用于提交表单 |
| get_attribute(name) | 获取元素属性值 |
| text | 获取元素的文本 |
4、代码实例
from selenium import webdriver import time # 创建Chrome浏览器对象，这会在电脑中打开一个窗口 browser = webdriver.Chrome() # 通过浏览器向服务器发起请求 browser.get('https://www.baidu.com') time.sleep(3) # 刷新浏览器 browser.refresh() # 最大化浏览器窗口 browser.maximize_window() # 设置链接内容 element = browser.find_element_by_link_text('抗击肺炎') # 点击'抗击肺炎' element.click() 复制代码
关于selenium的简单介绍就先到这里了，更多详细内容大家可以去selenium官方文档查看。 点击查看selenium官方文档
爬取淘宝数据
从上图，可以看到需要获取的信息是：价格、商品名称、付款人数、店铺名称。
现在我们开始进入主题。
首先，需要输入你要搜索商品的内容，然后根据内容去搜索淘宝信息，最后提取信息并保存。
1、搜素商品
我在这里定义提个搜索商品的函数和一个主函数。
搜索商品
在这里需要创建一个浏览器对象，并且根据该对象的 get方法 来发送请求。
，那么这样就简单很多了，有HTML基础的朋友肯定知道id值是唯一的。
通过id值可以获取到文本框的位置，并传入参数，然后点击搜索按钮。
从上图可以发现搜索按钮在一个类里面，那么可以通过这个类来定位到搜索按钮，并执行点击操作。
当点击搜索按钮之后，网页便会跳转到登录界面，要求我们登录，如下图所示：
登录成功后会发现，里面的数据总共有100页面。
上图是前三页的url地址，你会发现其实并没有太大的变化，经过测试发现，真正有效的参数是框起来的内容，它的变化会导致页面的跳转，很明显第一页的s=0，第二页s=44，第三页s=88，以此类推，之后就可以轻松做到翻页了。
搜搜商品的代码如下：
def search_product(key_word): ''' :param key_word: 搜索关键字 :return: ''' # 通过id值来获取文本框的位置，并传入关键字 browser.find_element_by_id('q').send_keys(key_word) # 通过class来获取到搜索按钮的位置，并点击 browser.find_element_by_class_name('btn-search').click() # 最大化窗口 browser.maximize_window() time.sleep(15) page = browser.find_element_by_xpath('//div[@class="total"]').text # 共 100 页， page = re.findall('(\d+)', page)[0] # findall返回一个列表 return page 复制代码
2、获取商品信息并保存
获取商品信息相对比较简单，可以通过xpath方式来获取数据。在这里我就不在论述。在这边我创建了一个函数get_product来获取并保存信息。在保存信息的过程中使用到了csv模块，目的是将信息保存到csv里面。
def get_product(): divs = driver.find_elements_by_xpath('//div[@class="items"]/div[@class="item J_MouserOnverReq "]') # 这里返回的是列表，注意：elements for div in divs: info = div.find_element_by_xpath('.//div[@class="row row-2 title"]/a').text price = div.find_element_by_xpath('.//strong').text + '元' nums = div.find_element_by_xpath('.//div[@class="deal-cnt"]').text names = div.find_element_by_xpath('.//div[@class="shop"]/a').text print(info, price, nums, names,sep='|') with open('data3.csv', mode='a', newline='', encoding='utf-8') as file: csv_writer = csv.writer(file, delimiter=',') # 指定分隔符为逗号 csv_writer.writerow([info, price, nums, names]) 复制代码
3、构造URL实现翻页爬取
从上面的图片中可以发现连续三页URL的地址，其实真正变化并不是很多，经过测试发现，只有q和s两个参数是有用的。
构造出的url： s.taobao.com/search?q={}…
因为q是你要搜索的商品，s是设置翻页的参数。这段代码就放在了主函数里面
def main(): browser.get('https://www.taobao.com/') # 向服务器发送请求 page = search_product(key_word) print('正在爬取第1页的数据') get_product() # 已经获得第1页的数据 page_nums = 1 while page_nums != page: print('*'*100) print('正在爬取第{}页的数据'.format(page_nums+1)) browser.get('https://s.taobao.com/search?q={}&s={}'.format(key_word, page_nums*44)) browser.implicitly_wait(10) # 等待10秒 get_product() page_nums += 1 复制代码
最后结果，如下图所示：
