爬取淘宝信息数据
首先需要先导入webdriver
1.from selenium import webdriver
webdriver支持主流的浏览器，比如说：谷歌浏览器、火狐浏览器、IE浏览器等等
然后可以创建一个webdriver对象，通过这个对象就可以通过get方法请求网站
1.driver = webdriver.Chrome() # 创建driver对象
2.driver.get('https://www.baidu.com') # 请求百度
接下来可以定义一个方法：search_product
一、selenium的简单介绍
1.selenium简介
selenium是一个用于测试网站的自动化测试工具，支持很多主流的浏览器，比如：谷歌浏览器、火狐浏览器、IE、Safari等。
2.支持多个操作系统
如windows、Linux、IOS、Android等。
3、安装selenium
打开终端输入
pip install Selenium
1
4、安装浏览器驱动
1、Chrome驱动文件下载：点击下载谷歌浏览器驱动
2、火狐浏览器驱动文件下载：点击下载geckodriver
5、配置环境变量
配置环境变量的方法非常简单，首先将下载好的驱动进行解压，放到你安装Python的目录下，即可。
因为之前，在配置Python环境变量的时候，就将Python的目录放到我的电脑–>属性–>系统设置–>高级–>环境变量–>系统变量–>Path
二、selenium快速入门
1、selenium提供8种定位方式
1、id
2、name
3、class name
4、tag name
5、link text
6、partial link text
7、xpath
8、css selector2、定位元素的8中方式详解
定义一个元素 定位多个元素 含义
find_element_by_id find_elements_by_id 通过元素的id定位
find_element_by_name find_elements_by_name 通过元素name定位
find_element_by_xpath find_elements_by_xpath 通过xpath表达式定位
find_element_by_link_text find_elements_by_link_text 通过完整超链接定位
find_element_by_partial_link_text find_elements_by_partial_link_text 通过部分链接定位
find_element_by_tag_name find_elements_by_tag_name 通过标签定位
find_element_by_class_name find_elements_by_class_name 通过类名进行定位
find_element_by_css_selector find_elements_by_css_selector 通过css选择器进行定位
3、selenium库下webdriver模块常用的方法与使用
控制浏览器的一些方法
方法 说明
set_window_size() 设置浏览器的大小
back() 控制浏览器后退
forward() 控制浏览器前进
refresh() 刷新当前页面
clear() 清除文本
send_keys (value) 模拟按键输入
click() 单击元素
submit() 用于提交表单
get_attribute(name) 获取元素属性值
text 获取元素的文本
4、代码实例
from selenium import webdriver
import time# 创建Chrome浏览器对象，这会在电脑中打开一个窗口
browser = webdriver.Chrome()# 通过浏览器向服务器发起请求
browser.get('https://www.baidu.com')time.sleep(3)# 刷新浏览器
browser.refresh()# 最大化浏览器窗口
browser.maximize_window()# 设置链接内容
element = browser.find_element_by_link_text('抗击肺炎')# 点击'抗击肺炎'爬取淘宝数据测试
淘宝页面可以看到需要获取的信息是：价格、商品名称、付款人数、店铺名称。
现在我们开始进入主题。
首先，需要输入你要搜索商品的内容，然后根据内容去搜索淘宝信息，最后提取信息并保存。
1、搜素商品
我在这里定义提个搜索商品的函数和一个主函数。
搜索商品
在这里需要创建一个浏览器对象，并且根据该对象的get方法来发送请求。
从上图可以发现搜索框的id值为q，那么这样就简单很多了，有HTML基础的朋友肯定知道id值是唯一的。
通过id值可以获取到文本框的位置，并传入参数，然后点击搜索按钮。
从上图可以发现搜索按钮在一个类里面，那么可以通过这个类来定位到搜索按钮，并执行点击操作。
当点击搜索按钮之后，网页便会跳转到登录界面，要求我们登录，如下图所示：
登录成功后会发现，里面的数据总共有100页面。
上图是前三页的url地址，你会发现其实并没有太大的变化，经过测试发现，真正有效的参数是框起来的内容，它的变化会导致页面的跳转，很明显第一页的s=0，第二页s=44，第三页s=88，以此类推，之后就可以轻松做到翻页了。
搜搜商品的代码如下：
def search_product(key_word):''':param key_word: 搜索关键字:return:'''# 通过id值来获取文本框的位置，并传入关键字browser.find_element_by_id('q').send_keys(key_word)# 通过class来获取到搜索按钮的位置，并点击browser.find_element_by_class_name('btn-search').click()# 最大化窗口browser.maximize_window()time.sleep(15)page = browser.find_element_by_xpath('//div[@class="total"]').text # 共 100 页，page = re.findall('(\d+)', page)[0] # findall返回一个列表return page
2、获取商品信息并保存
获取商品信息相对比较简单，可以通过xpath方式来获取数据。在这里我就不在论述。在这边我创建了一个函数get_product来获取并保存信息。在保存信息的过程中使用到了csv模块，目的是将信息保存到csv里面。def get_product():divs = driver.find_elements_by_xpath('//div[@class="items"]/div[@class="item J_MouserOnverReq "]') # 这里返回的是列表，注意：elementsfor div in divs:info = div.find_element_by_xpath('.//div[@class="row row-2 title"]/a').textprice = div.find_element_by_xpath('.//strong').text + '元'nums = div.find_element_by_xpath('.//div[@class="deal-cnt"]').textnames = div.find_element_by_xpath('.//div[@class="shop"]/a').textprint(info, price, nums, names,sep='|')with open('data3.csv', mode='a', newline='', encoding='utf-8') as file:csv_writer = csv.writer(file, delimiter=',') # 指定分隔符为逗号csv_writer.writerow([info, price, nums, names])
3、构造URL实现翻页爬取
从上面的图片中可以发现连续三页URL的地址，其实真正变化并不是很多，经过测试发现，只有q和s两个参数是有用的。构造出的url：https://s.taobao.com/search?q={}&s={}因为q是你要搜索的商品，s是设置翻页的参数。这段代码就放在了主函数里面def main():browser.get('https://www.taobao.com/') # 向服务器发送请求page = search_product(key_word)print('正在爬取第1页的数据')get_product() # 已经获得第1页的数据page_nums = 1while page_nums != page:print('*'*100)print('正在爬取第{}页的数据'.format(page_nums+1))browser.get('https://s.taobao.com/search?q={}&s={}'.format(key_word, page_nums*44))browser.implicitly_wait(10) # 等待10秒get_product()page_nums += 1
