python3實現爬取淘寶頁面的商品的資料資訊(selenium+pyquery+mongodb)
阿新 • • 發佈:2019-02-09
1.環境須知
做這個爬取的時候需要安裝好python3.6和selenium、pyquery等等一些比較常用的爬取和解析庫,還需要安裝MongoDB這個分散式資料庫。
2.直接上程式碼
spider.py
import re
from config import *
import pymongo
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 pyquery import PyQuery as pq
#mongodb配置資訊
client = pymongo.MongoClient(MONGO_URL)
db = client[MONGO_DB]
#開啟chrome瀏覽器
browser = webdriver.Chrome()
wait = WebDriverWait(browser, 10)
#第一次搜尋頁面的方法
def search():
print('正在搜尋' )
try:
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')))
input.send_keys(KEYWORD)
submit.click()
total = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#mainsrp-pager > div > div > div > div.total' )))
get_products()
return total.text
except TimeoutException:
return search()
#運用selenium進行翻頁的操作
def next_page(page_number):
print('正在翻頁')
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()
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_products()
except TimeoutException:
next_page(page_number)
#運用pyquery進行頁面的解析
def get_products():
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:
products = {
'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(products)
save_to_mongo(products)
#資料儲存到mongodb中
def save_to_mongo(result):
try:
if db[MONGO_TABLE].insert(result):
print('儲存成功', result)
except Exception:
print('儲存失敗', result)
#主方法
def main():
try:
total = search()
total = int(re.compile('(\d+)').search(total).group(1))
for i in range(2, total+1):
next_page(i)
except Exception:
print('下載中斷,出錯了')
finally:
browser.close()
#程式入口
if __name__ == '__main__':
main()
config.py
#mongodb資料庫的配置資訊
MONGO_URL = 'localhost'
MONGO_DB = 'taobao'
MONGO_TABLE = 'product'
#搜尋關鍵詞的更改
SERVICE_ARGS = ['--load-images=false']
KEYWORD = '美食'
3.執行結果
上面我爬取了淘寶頁面搜尋‘美食’關鍵詞後的商品的資訊,你也可以根據修改關鍵詞爬取其他不同的資訊。下面是儲存在mongodb裡面的資料截圖,以表格的形式展示出來了。
。。。。。。
這些是50個商品的資料,一共爬取了100頁的商品應該有幾千條的資料,就不一一展示了。
打完收工。