这次的实例是使用selenium爬取淘宝美食关键字下的商品信息,然后存储到MongoDB。
首先我们需要声明一个browser用来操作,我的是chrome。这里的wait是在后面的判断元素是否出现时使用,第二个参数为等待最长时间,超过该值则抛出异常。
browser = webdriver.Chrome() wait = WebDriverWait(browser,10)
声明好之后就需要进行打开网页、进行搜索的操作。
#使用webdriver打开chrome,打开淘宝页面,搜索美食关键字,返回总页数 def search(): try: browser.get(‘https://www.taobao.com‘) #判断输入框是否已经加载 input = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,‘#q‘))) #判断搜索按钮是否可以进行点击操作 submit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,‘#J_TSearchForm > div.search-button > button‘))) #输入美食,点击搜索按钮 input.send_keys(‘美食‘) submit.click() #使用css_selector找到显示总页面的元素,判断是否出现并获取其中文字 total = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,‘#mainsrp-pager > div > div > div > div.total‘))) get_products() return total.text except TimeoutException: print(‘timeout!‘) return search()
第一个页面操作之后,我们需要进行翻页操作,如下:
#进行页面的跳转,输入下一页的页号,然后点击确定按钮,在高亮区域判定是否正确跳转 def next_page(page_num): try: #判断输入框是否出现 input = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,‘#mainsrp-pager > div > div > div > div.form > input‘))) #判断确定按钮是否可点击 submit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,‘#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit‘))) #清空输入框现有内容然后输入页号,点击确定 input.clear() input.send_keys(page_num) submit.click() #根据高亮区域显示数字来判断页面是否跳转成功 wait.until(EC.text_to_be_present_in_element((By.CSS_SELECTOR,‘#mainsrp-pager > div > div > div > ul > li.item.active > span‘),str(page_num))) #跳转成功则获取该页所有商品详情 get_products() except TimeoutException: next_page(page_num)
写完搜索操作和翻页操作后,我们需要完成对每个页面的商品信息获取功能。
#获取商品详情 def get_products(): #判断商品的item是否加载出来 wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,‘#mainsrp-itemlist .items .item‘))) #获取该页的源代码 html = browser.page_source #使用pyquery进行解析,获取需要的信息 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) save_to_mongo(product)
获取信息之后则需要对信息进行存储:
def save_to_mongo(result): try: if db[MONGO_TABLE].insert(result): print(‘存储成功‘,result) except Exception: print(‘存储失败‘,result)
主函数:
def main(): total = search() total = int(re.search(‘(\d+)‘,total).group(1)) #‘\d‘表示匹配数字 for i in range(2,total+1): next_page(i)
时间: 2024-11-05 11:23:25