淘宝的页面很复杂,如果使用分析ajax或者js的方式,很麻烦
抓取淘宝‘美食\'上面的所有食品信息
spider.py
#encoding:utf8
import re
from selenium import webdriver
from selenium.common.exceptions import TimeoutException
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from bs4 import BeautifulSoup
from config import *
import pymongo
client=pymongo.MongoClient(MONGODB_URL)
db=client[MONGODB_DB]
##这里使用PhantomJS,并配置了一些参数
browser=webdriver.PhantomJS(service_args=SERVICE_ArGS)
##窗口的大小,不设置的话,默认太小,会有问题
browser.set_window_size(1400,900)
wait=WebDriverWait(browser, 10)
def search():
print(\'正在搜索\')
##容易出现超时的错误
try:
##等待这两个模块都加载好
browser.get(\"https://www.taobao.com\")
input = wait.until(
EC.presence_of_element_located((By.CSS_SELECTOR, \'#q\'))
)
submit=wait.until(
EC.element_to_be_clickable((By.CSS_SELECTOR, \'#J_TSearchForm > div.search-button > button\'))
)
######这块python2搞得鬼
#input.send_keys(\'\\u7f8e\\u98df\'.decode(\"unicode-escape\"))
input.send_keys(KEYWORD.decode(\"unicode-escape\"))
submit.click()
total = wait.until(
EC.presence_of_element_located((By.CSS_SELECTOR, \'#mainsrp-pager > div > div > div > div.total\'))
)
get_product()
return total.text
except TimeoutException:
return search()
def next_page(page_number):
print(\'翻页\'+str(page_number))
try:
input = wait.until(
EC.presence_of_element_located((By.CSS_SELECTOR, \'#mainsrp-pager > div > div > div > div.form > input\'))
)
submit=wait.until(
EC.element_to_be_clickable((By.CSS_SELECTOR, \'#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit\'))
)
input.clear()
input.send_keys(page_number)
submit.click()
##判断是否翻页成功 高亮的是不是输入的值,直接加在后面即可
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)))
get_product()
except TimeoutException:
return next_page(page_number)
#获取产品信息
def get_product():
products = wait.until(
EC.presence_of_element_located((By.CSS_SELECTOR, \'#mainsrp-itemlist .m-itemlist .items\'))
)
##拿到网页
html = browser.page_source
soup = BeautifulSoup(html,\'l \')
items = soup.select(\'#mainsrp-itemlist .m-itemlist .items .item.J_MouserOnverReq\')#
print(\'*************************到此*************\')
for item in items:
img = item.select(\'.J_ItemPic.img\')[0].get(\'src\')
price = item.select(\'.price.g_price.g_price-highlight > strong\')[0].get_text()
deal = item.select(\'.deal-cnt\')[0].get_text()
= item.select(\'.row.row-2. > a \')[0].get_text().strip() #:nth-of-type(3)
shop = item.select(\'.row.row-3.g-clearfix > .shop > a > span:nth-of-type(2)\')[0].get_text()
location = item.select(\'.location\')[0].get_text()
product={
\'img\':img,
\'price\':price,
\'deal\':deal,
\' \': ,
\'shop\':shop,
\'location\':location
}
#打印一下
import json
j = json.dumps(product)
dict2 = j.decode(\"unicode-escape\")
print dict2
save_to_mongo(product)
def save_to_mongo(product):
try:
if db[MONGODB_TABLE].insert(product):
print(\'存储到mongodb成功\'+str(product))
except Exception:
print(\"存储到mongodb失败\"+str(product))
def main():
try:
total=search()
##搜寻 re正则表达式
s=re.compile(\'(\\d+)\')
total=int(s.search(total).group(1))
for i in range(2,total+1):
next_page(i)
except Exception:
print(\'出错\')
finally:
browser.close()
if __name__ == \'__main__\':
main()
config.py
MONGODB_URL=\'localhost\' MONGODB_DB=\'taobao\' MONGODB_TABLE=\'meishi\' SERVICE_ArGS=[\'--load-images=false\',\'--disk-cache=true\'] ##就是美食这两个字,直接用汉字会报错 KEYWORD=\'\\u7f8e\\u98df\'
以上这篇Python使用Selenium爬取淘宝异步加载的数据方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
继续阅读与本文标签相同的文章
上一篇 :
互联网+工业视觉分析
-
小程序如何引流?企业推广其实很简单
2026-05-19栏目: 教程
-
2019云栖大会 | 云原生时代 带你聚焦新数据库的硬核科技
2026-05-19栏目: 教程
-
AI人工智能了不得,帮助研究人员设计自行车,速度打破世界纪录
2026-05-19栏目: 教程
-
RNG官宣入驻快手,UZI成首席电竞官,S9成快手布局游戏圈跳板
2026-05-19栏目: 教程
-
国家邮政局官宣万国邮联国际小包终端费改革 你想知道的都在这里
2026-05-19栏目: 教程
