1.1、Selenium

Selenium是一個強大的開源Web功能測試工具系列，可進(jìn)行讀入測試套件、執(zhí)行測試和記錄測試結(jié)果，模擬真實用戶操作，包括瀏覽頁面、點擊鏈接、輸入文字、提交表單、觸發(fā)鼠標(biāo)事件等操作，并且能夠?qū)撁娼Y(jié)果進(jìn)行種種驗證。也就是說，只要在測試用例中把預(yù)期的用戶行為與結(jié)果都描述出來，我們就得到了一個可以自動化運行的功能測試套件。

1.2、ActionChainsActionchains是selenium里面專門處理鼠標(biāo)相關(guān)的操作如：鼠標(biāo)移動，鼠標(biāo)按鈕操作，按鍵和上下文菜單（鼠標(biāo)右鍵）交互。這對于做更復(fù)雜的動作非常有用，比如懸停和拖放。

1.3、time返回當(dāng)前時間的時間戳

1.4、lxmllxml是一個Python庫，使用它可以輕松處理XML和HTML文件，還可以用于web爬取。市面上有很多現(xiàn)成的XML解析器，但是為了獲得更好的結(jié)果，開發(fā)人員有時更愿意編寫自己的XML和HTML解析器。這時lxml庫就派上用場了。這個庫的主要優(yōu)點是易于使用，在解析大型文檔時速度非常快，歸檔的也非常好，并且提供了簡單的轉(zhuǎn)換方法來將數(shù)據(jù)轉(zhuǎn)換為Python數(shù)據(jù)類型，從而使文件操作更容易。

1.5、csvcsv文件格式是一種通用的電子表格和數(shù)據(jù)庫導(dǎo)入導(dǎo)出格式。最近我調(diào)用RPC處理服務(wù)器數(shù)據(jù)時，經(jīng)常需要將數(shù)據(jù)做個存檔便使用了這一方便的格式。

1.6、requestsRequests 庫是一個優(yōu)雅而簡單的 Python HTTP 庫，主要用于發(fā)送和處理 HTTP 請求

加載Chrome驅(qū)動，動態(tài)解析爬取的網(wǎng)址

#提取公共的爬取信息的api def commonsdk(self,url): browser = webdriver.Chrome(’D:/chromedriver.exe’) try: browser.get(url) except Exception as e: browser.execute_script(’window.stop()’) # 超出時間則不加載 print(e, ’dynamic web load timeout’) return browser;

實現(xiàn)模擬登錄

通過定位淘寶登陸界面的url的表單框，然后輸入自己的用戶名及密碼，再模擬鼠標(biāo)點擊事件，繼而提交表單信息實現(xiàn)用戶登錄。

#模擬登錄 def logon(self,url,a_href_list_next): username = '淘寶賬戶名' password = '密碼' browser1 = self.commonsdk(url) #登錄賬號 browser1.find_element_by_id(’fm-login-id’).send_keys(username) browser1.find_element_by_id(’fm-login-password’).send_keys(password) #模擬用戶點擊登錄 browser1.find_element_by_xpath(’//*[@id='login-form']/div[4]/button’).click() #解析商品信息 self.Buy_information(a_href_list_next,browser1)

爬取側(cè)邊欄目錄1、首先定位到目錄分類欄，鼠標(biāo)光標(biāo)移動到需要選中的那一欄，繼而會出現(xiàn)隱藏的div，（這里需要實現(xiàn)鼠標(biāo)懸停事件）action.move_to_element(li_list).perform()實現(xiàn)了這一功能。2、然后定位自己所需要爬取的側(cè)邊欄的那一行或多行，通過實現(xiàn)鼠標(biāo)懸停事件后獲取其中內(nèi)容。3、獲取其超鏈接進(jìn)入下一界面

#爬取目錄 def List(self,url): browser = self.commonsdk(url) #ActionChains類實現(xiàn)鼠標(biāo)的單擊、雙擊、拖拽等功能 action = ActionChains(browser) li_list = browser.find_elements_by_css_selector(’.service-bd li’)[1] #實現(xiàn)執(zhí)行鼠標(biāo)懸停,便于爬取懸停內(nèi)容 action.move_to_element(li_list).perform() time.sleep(5) #爬取整個目錄的div div_list = browser.find_element_by_css_selector(’.service-fi-links’) #爬取其中的總的名稱 h5_list = div_list.find_elements_by_css_selector(’h5’) #爬取小標(biāo)題的名稱 p_list = div_list.find_elements_by_css_selector(’p’) #獲取a標(biāo)簽 a_href_list = div_list.find_elements_by_css_selector(’a’) #獲取a標(biāo)簽的超鏈接 a_href_list_next = div_list.find_elements_by_css_selector(’a’)[1].get_attribute(’href’) print(li_list.text) for j in range(len(p_list)): if j<len(p_list): print(h5_list[j].text) print(p_list[j].text) for i in range(len(a_href_list)): print(a_href_list[i].get_attribute(’href’)) #獲取登錄框 logon = browser.find_element_by_id(’J_SiteNavBd’) #獲取登錄框的超鏈接 logon_url = logon.find_element_by_css_selector(’a’).get_attribute(’href’) #先關(guān)閉第一個網(wǎng)頁 browser.close() self.logon(logon_url,a_href_list_next)

獲取商品信息

1、這里使用的定位方式是Xpath方式，使用了絕對定位來獲取標(biāo)簽的位置。

#爬取商品信息 def Buy_information(self,url,browser): browser.get(url) div_list = browser.find_element_by_xpath(’//*[@id='mainsrp-itemlist']/div/div/div[1]/div[1]’) img = div_list.find_element_by_css_selector(’img’) img_url = 'https:'+img.get_attribute(’data-src’) price = div_list.find_element_by_xpath(’//*[@id='mainsrp-itemlist']/div/div/div[1]/div[1]/div[2]/div[1]/div[1]’).text number = div_list.find_element_by_xpath(’//*[@id='mainsrp-itemlist']/div/div/div[1]/div[1]/div[2]/div[1]/div[2]’).text shoping_information = div_list.find_element_by_xpath(’//*[@id='mainsrp-itemlist']/div/div/div[1]/div[1]/div[2]/div[2]’).text shop = div_list.find_element_by_xpath(’//*[@id='mainsrp-itemlist']/div/div/div[1]/div[1]/div[2]/div[3]/div[1]/a’).text adress = div_list.find_element_by_xpath(’//*[@id='mainsrp-itemlist']/div/div/div[1]/div[1]/div[2]/div[3]/div[2]’).text path = self.img_baocun(img_url) data={ ’圖片路徑’:path, ’價格’:price, ’購買人數(shù)’:number, ’商品信息’:shoping_information, ’商家’:shop, ’籍貫’:adress } self.write_dictionary_to_csv(data,’information’)

下載圖片

通過獲取到的圖片的url，然后將圖片下載到指定的文件夾內(nèi)

#下載照片 def img_baocun(self,url): root = '文件夾下載的路徑'//電腦上的絕對路徑 path = root + url.split(’?’)[0].split(’/’)[-1].strip(’’)#獲取jpg的名稱 #判斷是否存在該路徑，不存在則創(chuàng)建 if not os.path.exists(root): os.mkdir(root) #判斷是否存在該圖片，存在則不下載 if not os.path.exists(path): r = requests.get(url) r.raise_for_status() with open(path,’wb’) as f: f.write(r.content) return path

將需要爬取的信息寫入到csv文件中，便于查看1、商品信息以字典的形式寫入csv文件中方便查看。

#將解析得到的內(nèi)容（字典格式）逐行寫入csv文件 def write_dictionary_to_csv(self,dict,filename): #格式化文件名 file_name=’{}.csv’.format(filename) with open(file_name, ’a’,encoding=’utf-8’) as f: file_exists = os.path.isfile(filename) #delimiter(定界符) w =csv.DictWriter(f, dict.keys(),delimiter=’,’, quotechar=’'’, lineterminator=’n’,quoting=csv.QUOTE_ALL, skipinitialspace=True) if not file_exists : w.writeheader() w.writerow(dict) print(’當(dāng)前行寫入csv成功！’)三、程序思路

1、首先定位到側(cè)邊欄的位置，然后使用action.move_to_element(li_list).perform()的方法實現(xiàn)鼠標(biāo)的動態(tài)懸停，讓隱藏的div顯示出來，再獲取其中的信息。2、然后再實現(xiàn)模擬登錄的功能，登錄賬號，獲取其中的商品信息（由于淘寶的反扒機制，多次登錄會讓用戶掃碼登錄，此功能暫未實現(xiàn)）3、商品信息的獲取使用Xpath的絕對定位方式來獲取。

Xpath的使用方式： 右鍵需要定位的標(biāo)簽->選中Copy選項->Copy Xpath

1、解決淘寶反扒機制的問題。傳送門，解決問題2、文件的寫入換用其他方式。

到此這篇關(guān)于Python 爬取淘寶商品信息欄目的實現(xiàn)的文章就介紹到這了,更多相關(guān)Python 爬取淘寶商品信息內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！