1 安裝開發需要的一些庫

(1) 安裝mysql 的驅動：在Windows上按win+r輸入cmd打開命令行，輸入命令pip install pymysql，回車即可。

(2) 安裝自動化測試的驅動selenium：在命令行中輸入pip install selenium回車。

(3) 安裝標簽解析庫pyquery: 在命令行中輸入pip install pyquery回車。

(4) Anaconda指的是一個開源的Python發行版本，其包含了conda、Python等180多個科學包及其依賴項，下載anaconda，安裝後配置環境變量，在path中添加E:\Anaconda3\anaconda\Library\bin，重啟電腦使環境變量生效，安裝jieba庫，在命令行中輸入pip install jieba回車。

(5) 下載ChromeDriver，官方網址為：http://chromedriver.storage.googleapis.com/

index.html，並將chromedriver.exe放在Python安裝目錄的Scripts文件夾下。

2.實現

2.1 搜索模塊

搜索功能即一個數據框和一個搜索按鈕組成，點擊搜索之後會跳轉到顯示框的界面，之後點擊爬取數據可以在淘寶網站中對該商品進行搜索，並且爬取相關店鋪的信息，並儲存到數據庫中。

界面顯示用到Tkinter庫，Tkinter 是 Python 的標準 GUI 庫。Python 使用 Tkinter 可以快速的創建 GUI 應用程序。

搜索主要用到selenium，也就是自動化測試工具，測試中根據pyquery中的提供的方法，在得到網頁源碼的情況下，根據HTML中的標簽找到輸入框，搜索按鈕和翻頁的按鈕，模擬人工輸入和點擊，實現自動化控制，最後根據標簽提取出相應的信息插入數據庫中。

因為每個網站因網速的的問題都有響應時間，用WebDriverWait(driver,50)設置響應時間為50s，也就是響應超過50s便出現異常。提取數據時我用的是find_element_by_css_selector()方法，也就是標簽選擇器，可以定位到相應的區域。

Python連接數據庫用到pymysql，PyMySQL 是在 Python3.x 版本中用於連接 MySQL 服務器的一個庫。當得到標題，店鋪名稱，地點，購買人數，店鋪鏈接時，以“|”分割拼接成字符串，作為參數傳遞給insert_data()方法，插入到數據庫中。因為可能會有異常，所以放到try塊中。

爬取數據的實現主要是用到了Pyquery、selenium庫，以下代碼主要實現了對淘寶的檢索、翻頁和對數據的提取。

2.2 顯示模塊

當點擊搜索之後，考慮到可能搜索的商品會有本地儲存，所以沒有對其直接搜索，而是在顯示框中增加了一個爬取數據的按鈕，該按鈕即對商品進行搜索，而本地數據就是對數據庫的data表進行查詢，並將數據顯示到界面上來。排序是對本地數據按購買人數進行排序，並顯示在文本框中，在顯示行數後面輸入數字後，可以控制文本框的顯示條數，默認顯示10條。一鍵刪除即把data表中的數據清空。

本地數據：對數據庫中的data表進行查詢，並將信息顯示到文本框中，其中每條數據中間以“——”分開，每個字段之間以“|”分隔，因為考慮到店鋪名稱或是標題太長而不整齊，所以每個字段顯示10個字符。

排序：當點擊排序之後，會查詢出數據庫中每條數據的購買人數和店鋪名稱，並且以“，”分割拼接成字符串，設置一個元組（即數組性質），並根據用戶輸入的顯示行數，控制元組的長度，具體實現：根據從數據庫中得到的數據，每條每條的讀取，當讀取條數達到用戶輸入的顯示行數的值，對元組中的數據用sort(reverse=True)對其進行從大到小排序：原理是：因購買人數一個月不超過一百萬，所以得到的購買人數的最大長度為6位，這樣，當每次讀取的購買人數的長度不夠6位時，在其前面補0，這樣，購買人數的長度都為6，對其拼接的格式為“購買人數，店鋪名稱”，因為拼接後為字符串類型，所以用shot排序時會根據前面的購買人數進行字典序進行排序，進而前n條數據就排好序了，接著，每讀取一條數據就對元組中最後一個數據進行比較，若是大於其數值，就插入到元組中，最後返回元組，這樣，就實現了顯示n條購買人數最多的數據。清除數據：對文本框中的數據進行清空，同時，刪除data表中的數據。

以下代碼是一個排序的算法，其主要作用是在界面上顯示多少行數據，主要思路為：根據用戶輸入的數字創建一個數組，讀取數據庫中得到數據，分離出來購買人數並轉換成int類型，將數據每次添加一個到數組中，當數組的長度等於用戶想要顯示最大行數時，對其數組中的數據從大到小進行排序，接下來，每當讀取一個數據之後，就對數組中最小的那個進行比較，如果比起小，就跳過，否則，對該數據進行插入操作，並刪除之前最小的那個數據，最後數組中保存的就是購買人數最多的前n條數據。

主要代碼如下：

#對數據進行排序，data為購買人數
def shot_data(self,data,i=10):    # i為用戶想要顯示的最大行數，默認為10行
    top=[]
    if i>len(data):
        i=len(data)
    for x in data:
        if len(top)<i:     # 控制數組的長度，另其大小等於i
            top.append(x)
            if len(top)==i:
                top.sort(reverse=True)        # 數組內的數據進行排序
        else:
            l=len(top)
            y=len(top)
            t=1
            if x>top[l-1]:    # 判斷其數值是否大於數組內的最小值
                while x>top[l-t] and y>0:    # 控制循環條件
                    t+=1
                    y-=1
                if y!=0:    # y的值若是==0，那麽該數值就是最大值
                    for c in range(1,t):
                        top[l-c]=top[l-c-1]
                    top[l-t+1]=x
                else:
                   for c in range(1,t):
                       top[l-c]=top[l-c-1]
                   top[0]=x
    return top    # 返回裝有最大的前i個數的數組

2.3 評論模塊

點擊查看鏈接之後會出現一個搜索框，即根據店鋪名稱搜索出相關的連接，點擊查看評論之後可以對其店鋪進行爬取，最後顯示在評論框中。分析就是對評論進行關鍵詞提取，並按權重顯示出前n個詞。點擊查看評論進行自動化測試。

搜索店鋪鏈接：根據用戶輸入的信息對數據庫進行模糊查詢，返回所有的匹配信息。並顯示在文本框中。

爬取評論：首先清空comment表中的數據，根據curselection()方法得到用戶選中的鏈接，接著對該鏈接進行爬取，在進入該店鋪時，會提示需要登錄，這樣會對我們的自動化測試造成一定的阻礙，這裏，我根據pyquery中提供的標簽選擇器，找到關閉按鈕，模擬點擊進行關閉，當進入店鋪後，依舊是先得到該網頁的源代碼，根據標簽選擇器進行相應的操作，爬取到的評論時間，評論和購買物品以“|”拼接成字符串，顯示到文本框的同時插入到數據庫中。

評論分析：jieba是Python的中文分詞組件。當查詢到comment表中所有數據時，將每一條數據拼接成一個字符串，接著用jieba.posseg中的cut()方法，將評論分割成單個詞並標註詞性，用startswith(‘a‘)、startswith(‘v‘)得到形容詞和動詞。最後用jieba.analyse.extract_t

ags(v,topK=10)方法得到動詞、形容詞中權重較大的前10個詞。

以下代碼是對評論進行關鍵詞的提取，用到了jieba庫中的一些方法。

主要代碼如下：

def dis_an(self):
# 清空顯示界面
    self.txtMess.delete(1.0,END)
    t=to.Data_oper()
# 得到數據庫中的存儲信息
    test=t.dis_only_discuss()
# 定義字符串adg，v
    adg=""
    v=""
# 對評論進行分割並標註詞性
    word=psg.cut(test)
# w為詞意，f為詞性
    for w,f in word:
    # 判斷詞性是否為形容詞
        if f.startswith(‘a‘):
            print(w)
            adg=adg+","+w
    # 判斷詞性是否為動詞
        elif f.startswith(‘v‘):
            v=v+","+w
    # 根據該詞的權重提取出前5個詞
tags=jieba.analyse.extract_tags(adg,topK=5)
    tags1=jieba.analyse.extract_tags(v,topK=5)

Python爬取淘寶店鋪和評論