Python中怎么使用selenium爬取淘宝商品信息

本篇内容主要讲解“Python中怎么使用selenium爬取淘宝商品信息”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python中怎么使用selenium爬取淘宝商品信息”吧!

具体代码如下：

# encoding=utf-8 __author__ = 'Jonny' __location__ = '西安' __date__ = '2018-05-14' ''' 需要的基本开发库文件： requests,pymongo,pyquery,selenium 开发流程：   搜索关键字：利用selenium驱动浏览器搜索关键字，得到查询后的商品列表   分析页码并翻页：得到商品页码数，模拟翻页，得到后续页面的商品列表   分析提取商品内容：利用PyQuery分析页面源代码，解析获得商品列表信息   存储到MongDB中：将商品的信息列表存储到数据库MongoDB。 ''' import requests from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.common.exceptions import TimeoutException from pyquery import PyQuery as pq import pymongo import re import time browser = webdriver.Chrome() wait = WebDriverWait(browser,10) client = pymongo.MongoClient('localhost',27017) mongo = client['taobao'] def searcher():   url = 'https://www.taobao.com/'   browser.get(url=url)   try:     #判断页面加载是够成功，设置等待时间     #判断位置1：搜索输入框是否加载完成     input_kw = wait.until(       EC.presence_of_element_located((By.CSS_SELECTOR, '#q'))     )     #判断位置2：搜索输入框对应的搜索按键是否加载完成     submit = wait.until(EC.element_to_be_clickable(       (By.CSS_SELECTOR,'#J_TSearchForm > div.search-button > button'))     )     input_kw.send_keys('男装')     submit.click()     #等待页面加载完成，便于准确判断网页的总页数     page_counts = wait.until(       EC.presence_of_element_located(         (By.CSS_SELECTOR,'#mainsrp-pager > div > div > div > div.total'))     )     parse_page()     return page_counts.text   except TimeoutException as e:     print(e.args)     return searcher() #实现翻页 def next_page(page_number):   try:     # 判断页面加载是够成功，设置等待时间     # 判断位置1：页面跳转输入页是否加载完成     input_page = wait.until(       EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > input'))     )     # 判断位置2：确认按键是否加载完成     submit = wait.until(EC.element_to_be_clickable(       (By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit'))     )     input_page.send_keys(page_number)     submit.click()     #判断翻页是否成功     wait.until(EC.text_to_be_present_in_element(       (By.CSS_SELECTOR,'#mainsrp-pager > div > div > div > ul > li.item.active'),str(page_number))     )     parse_page()   except TimeoutException as e:     print(e.args)     next_page(page_number) #对页面进行数据处理 def parse_page():   # wait.until(EC.presence_of_element_located(By.CSS_SELECTOR,'#mainsrp-itemlist > div > div'))   wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-itemlist .items .item')))   html = browser.page_source   doc = pq(html)   items = doc('#mainsrp-itemlist .items .item').items()   for item in items:     goods = {       '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(goods)     data_storage(goods) #将数据存入数据库 def data_storage(goods):   try:     if mongo['mongo_sheet'].insert(goods):       print('Successfully storage!')   except Exception as e:     print('failedly storage!',goods) def main():   text = searcher()   print(text)   #获取总页数   pages = int(re.compile('(\d+)').search(text).group(0))   print(pages)   for i in range(2,pages+1):     next_page(i)   browser.close() if __name__ == '__main__':   main()

到此，相信大家对“Python中怎么使用selenium爬取淘宝商品信息”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！