selenium + Chrome 模拟浏览器爬淘宝信息

环境:

ubuntu16.04
python3.5.2
版本 67.0.3396.87（正式版本） （64 位）
chromedriver 2.40

安装所需工具:

1 selenium三方库安装

pip install selenium  # 安装selenium库

2 chromedriver安装
chromedriver官网地址: http://chromedriver.storage.googleapis.com/index.html
选择合适的版本安装,解压,把解压的文件放入/usr/bin/目录下即可:

mv chromedriver /usr/bin/

python下测试chromedriver:

from selenium import webdriver  # 引入驱动对象
driver = webdriver.Chrome()  　# 生成谷歌浏览器对象
driver.get('http://www.baidu.com')  #访问百度

－－－－浏览器会自动打开一个新的页面并访问百度，成功说明安装配置成功．－－－－

分析淘宝页面并执行selenium

python selenium官网地址: http://selenium-python.readthedocs.io/

#coding:utf-8
import re
from bs4 import BeautifulSoup
from selenium.common.exceptions import TimeoutException
from selenium import webdriver
#这几个都是从selenium官网套用的
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
# 谷歌浏览器驱动对象
browser = webdriver.Chrome()
# selenium和PhantomJS分手了，现在可以用无头浏览器FireFox或者Chrome代替
# browser = webdriver.PhantomJS()
wait = WebDriverWait(browser, 10)# 打开淘宝页面并输入"美食"
def search():try:browser.get('https://www.taobao.com/')# 等待10秒直到找到輸入框  通過css选择器语法来实现input_button = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#q")))# 等待10秒直到找到搜索按钮  通過css选择器语法来实现submmit = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#J_TSearchForm > div.search-button > button")))# 用send_keys()方法輸入"美食"input_button.send_keys('美食')# 用click()方法点击搜索按钮submmit.click()# 关键词搜索出来在淘宝中的页数total = wait.until( EC.presence_of_element_located((By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > div.total")))return total.text# timeout报错 递归调用自己except TimeoutException:return search()# 翻页函数
def next_page(page_number):try:# 等待10秒直到找到輸入框  通過css选择器语法来实现# 淘宝返回页下面的跳转的输入框: 第 [1] 页input_button = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > div.form > input")))# 等待10秒直到找到搜索按钮  通過css选择器语法来实现#　淘宝返回页下面的跳转按钮：第 [1] 页　确认submmit = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit")))# 清楚内容input_button.clear()# 输入跳转页码input_button.send_keys(page_number)# 点击跳转submmit.click()# 等待跳转后 高亮的页码数字是不是page_number,一定注意参数((By.CSS_SELECTOR,'css语法'),(text))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)))except TimeoutException:next_page(page_number)# 商品详情解析，这里只做了打印输入并未保存在数据库
def get_products():wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#mainsrp-itemlist > div > div > div:nth-child(1) > div:nth-child(1) > div.ctx-box.J_MouseEneterLeave.J_IconMoreNew")))res = browser.page_sourcehtml = BeautifulSoup(res, 'html.parser')# 每个上坪详情列表结果items= html.find_all('div',{'class':'ctx-box J_MouseEneterLeave J_IconMoreNew'})for item in items:print({'price':item.find('div',{'class':'price g_price g_price-highlight'}).find('strong').string,'pay_nums':item.find('div',{'class':'deal-cnt'}).string,'name':item.find('div',{'class':'row row-2 title'}).find('a').get_text().replace('\n','').replace(' ',''),'location':item.find('div',{'class':'location'}).string})# 主函数
def main():total = search()#　返回的是字符串，正则匹配返回页码数字total = int(re.compile('(\d+)').search(total).group(1))# print(type(total))for i in range(2,total+1):get_products()next_page(i)if __name__ == '__main__':main()

总结：

本人大四小白，不喜勿碰．如有错误欢迎指正，一起学习，共同进步．

PhantomJS
本来打算用Phantomjs代替界面化浏览器结果发现，selenium和PhantomJS分道扬镳了，不过可以用无头FireFox或者Chrome浏览器代替．这里没有做研究．

selenium + Chrome 模拟浏览器爬淘宝信息相关推荐

使用selenium模拟浏览器,获取淘宝搜索页面商品名称销量等信息
作者:李忠林 Github: https://github.com/Leezhonglin Gitblog: https://leezhonglin.github.io/ 本文仅用于学习. 使用自动化 ...
解决selenium + chromedriver模拟登录被淘宝反爬
解决selenium + chromedriver模拟登录被淘宝反爬问题使用 selenium + webdriver 模拟淘宝登录时,出现滑动验证码反爬,尝试程序模拟滑动滑块,以及在程序打开的 ...
用selenium模拟浏览器登录淘宝识别滑动验证码
用selenium模拟浏览器登录淘宝,使用账号密码的方式登录淘宝,但是在登录的时候遇到需要滑动验证,使用selenium模拟点击滑块,滑动验证码完成登录. 本文的代码现测可用.做个记录,方便以后查看. ...
Python爬虫之selenium爬虫，模拟浏览器爬取天猫信息
由于工作需要,需要提取到天猫400个指定商品页面中指定的信息,于是有了这个爬虫.这是一个使用 selenium 爬取天猫商品信息的爬虫,虽然功能单一,但是也算是 selenium 爬虫的基本用法了. ...
python模拟登录爬淘宝模特信息
先模拟登录再爬取照片 # -*- coding:utf-8 -*-import urllib import urllib2 import cookielib import re import web ...
使用selenium模仿手机浏览器访问淘宝网页
众所周知,selenium模拟浏览器进行页面访问是爬虫工具中较好用的方法.通过模拟浏览器可以很方便的访问很多需要通过登录验证才能访问的网页. 我们通过selenium其中访问h5手机端网页的办法解决这 ...
python刷新页面_Python模拟浏览器爬取天猫信息
由于工作需要,需要提取到天猫400个指定商品页面中指定的信息,于是有了这个爬虫.这是一个使用 selenium 爬取天猫商品信息的爬虫,虽然功能单一,但是也算是 selenium 爬虫的基本用法了. ...
Python模拟浏览器登录淘宝
因为前几天写了个Python登录教务网的爬虫,这几天又突然想到用Python登录淘宝试试,于是二话不说,代码走起.本来以为很简单,但一写我就傻眼了,登淘宝的涉及到很多东西,验证码,加密算法,用http ...
selenium+phantomjs 模拟抓取淘宝分类信息
selenium+phantomjs集成到项目中做到无界面模拟用户行为,请参考https://github.com/Lixianshengchao/phanbedder.git https://git ...

selenium + Chrome 模拟浏览器爬淘宝信息

环境:

安装所需工具:

分析淘宝页面并执行selenium

总结：

selenium + Chrome 模拟浏览器爬淘宝信息相关推荐

最新文章

热门文章