欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python爬蟲爬取淘寶商品信息(selenum+phontomjs)

 更新時間:2018年02月24日 15:21:37   作者:開心果汁  
這篇文章主要為大家詳細(xì)介紹了python爬蟲爬取淘寶商品信息,具有一定的參考價值,感興趣的小伙伴們可以參考一下

本文實(shí)例為大家分享了python爬蟲爬取淘寶商品的具體代碼,供大家參考,具體內(nèi)容如下

1、需求目標(biāo)

進(jìn)去淘寶頁面,搜索耐克關(guān)鍵詞,抓取 商品的標(biāo)題,鏈接,價格,城市,旺旺號,付款人數(shù),進(jìn)去第二層,抓取商品的銷售量,款號等。

這里寫圖片描述

這里寫圖片描述

2、結(jié)果展示

這里寫圖片描述

3、源代碼

# encoding: utf-8
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
import time
import pandas as pd
time1=time.time()
from lxml import etree
from selenium import webdriver
#########自動模擬
driver=webdriver.PhantomJS(executable_path='D:/Python27/Scripts/phantomjs.exe')
import re

#################定義列表存儲#############
title=[]
price=[]
city=[]
shop_name=[]
num=[]
link=[]
sale=[]
number=[]

#####輸入關(guān)鍵詞耐克(這里必須用unicode)
keyword="%E8%80%90%E5%85%8B"


for i in range(0,1):

  try:
    print "...............正在抓取第"+str(i)+"頁..........................."

    url="https://s.taobao.com/search?q=%E8%80%90%E5%85%8B&imgfile=&js=1&stats_click=search_radio_all%3A1&initiative_id=staobaoz_20170710&ie=utf8&bcoffset=4&ntoffset=4&p4ppushleft=1%2C48&s="+str(i*44)
    driver.get(url)
    time.sleep(5)
    html=driver.page_source

    selector=etree.HTML(html)
    title1=selector.xpath('//div[@class="row row-2 title"]/a')
    for each in title1:
      print each.xpath('string(.)').strip()
      title.append(each.xpath('string(.)').strip())


    price1=selector.xpath('//div[@class="price g_price g_price-highlight"]/strong/text()')
    for each in price1:
      print each
      price.append(each)


    city1=selector.xpath('//div[@class="location"]/text()')
    for each in city1:
      print each
      city.append(each)


    num1=selector.xpath('//div[@class="deal-cnt"]/text()')
    for each in num1:
      print each
      num.append(each)


    shop_name1=selector.xpath('//div[@class="shop"]/a/span[2]/text()')
    for each in shop_name1:
      print each
      shop_name.append(each)


    link1=selector.xpath('//div[@class="row row-2 title"]/a/@href')
    for each in link1:
      kk="https://" + each


      link.append("https://" + each)
      if "https" in each:
        print each

        driver.get(each)
      else:
        print "https://" + each
        driver.get("https://" + each)
      time.sleep(3)
      html2=driver.page_source
      selector2=etree.HTML(html2)

      sale1=selector2.xpath('//*[@id="J_DetailMeta"]/div[1]/div[1]/div/ul/li[1]/div/span[2]/text()')
      for each in sale1:
        print each
        sale.append(each)

      sale2=selector2.xpath('//strong[@id="J_SellCounter"]/text()')
      for each in sale2:
        print each
        sale.append(each)

      if "tmall" in kk:
        number1 = re.findall('<ul id="J_AttrUL">(.*?)</ul>', html2, re.S)
        for each in number1:
          m = re.findall('>*號:&nbsp;(.*?)</li>', str(each).strip(), re.S)
          if len(m) > 0:
            for each1 in m:
              print each1
              number.append(each1)

          else:
            number.append("NULL")

      if "taobao" in kk:
        number2=re.findall('<ul class="attributes-list">(.*?)</ul>',html2,re.S)
        for each in number2:
          h=re.findall('>*號:&nbsp;(.*?)</li>', str(each).strip(), re.S)
          if len(m) > 0:
            for each2 in h:
              print each2
              number.append(each2)

          else:
            number.append("NULL")

      if "click" in kk:
        number.append("NULL")

  except:
    pass


print len(title),len(city),len(price),len(num),len(shop_name),len(link),len(sale),len(number)

# #
# ######數(shù)據(jù)框
data1=pd.DataFrame({"標(biāo)題":title,"價格":price,"旺旺":shop_name,"城市":city,"付款人數(shù)":num,"鏈接":link,"銷量":sale,"款號":number})
print data1
# 寫出excel
writer = pd.ExcelWriter(r'C:\\taobao_spider2.xlsx', engine='xlsxwriter', options={'strings_to_urls': False})
data1.to_excel(writer, index=False)
writer.close()

time2 = time.time()
print u'ok,爬蟲結(jié)束!'
print u'總共耗時:' + str(time2 - time1) + 's'
####關(guān)閉瀏覽器
driver.close()

以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • 使用Python中的cookielib模擬登錄網(wǎng)站

    使用Python中的cookielib模擬登錄網(wǎng)站

    這篇文章主要介紹了使用Python中的cookielib模擬登錄網(wǎng)站,用作生成cookie然后登錄,需要的朋友可以參考下
    2015-04-04
  • Python入門教程之運(yùn)算符與控制流

    Python入門教程之運(yùn)算符與控制流

    本文主要針對 Python 的運(yùn)算符和控制流進(jìn)行講解,這里只介紹 Python 中比較獨(dú)特的部分,和其他語言類似的東西,比如加減乘除運(yùn)算符就不在介紹。由于這篇文章是入門級別的文章,高手可直接跳過。
    2016-08-08
  • Python restful框架接口開發(fā)實(shí)現(xiàn)

    Python restful框架接口開發(fā)實(shí)現(xiàn)

    這篇文章主要介紹了Python restful框架接口開發(fā)實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2020-04-04
  • TOPI如何使TVM代碼不那么樣板化

    TOPI如何使TVM代碼不那么樣板化

    這篇文章主要為大家介紹了TOPI如何使TVM代碼不那么樣板化實(shí)現(xiàn)過程詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2023-04-04
  • 分步驟教你用python一步步提取PPT中的圖片

    分步驟教你用python一步步提取PPT中的圖片

    今天要帶大家實(shí)現(xiàn)的是PPT圖片的提取。在我們學(xué)習(xí)工作中,PPT的使用還是非常頻繁的,但是自己做PPT是很麻煩的,所以就需要用到別人的模板或者素材,這個時候提取PPT圖片就可以減少我們很多工作。
    2021-09-09
  • Django錯誤:TypeError at / ''bool'' object is not callable解決

    Django錯誤:TypeError at / ''bool'' object is not callable解決

    這篇文章主要介紹了Django 錯誤:TypeError at / 'bool' object is not callable解決,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2019-08-08
  • Python中__str__()的妙用

    Python中__str__()的妙用

    本文主要介紹了Python中__str__()的妙用,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-01-01
  • 10個Python Itertools方法助你事半功倍

    10個Python Itertools方法助你事半功倍

    itertools模塊就是一個很好的例子,它為開發(fā)者提供了許多強(qiáng)大的工具,可以用更短的代碼來操作Python的可迭代對象,本文主要介紹了Python中itertools高效迭代工具,感興趣的可以了解一下
    2024-04-04
  • 解決90%的常見問題的8個python NumPy函數(shù)

    解決90%的常見問題的8個python NumPy函數(shù)

    這篇文章主要為大家介紹了解決90%的常見問題的8個python NumPy函數(shù)示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2023-06-06
  • 兒童python練習(xí)實(shí)例

    兒童python練習(xí)實(shí)例

    小編在網(wǎng)上整理了關(guān)于兒童python相關(guān)編程的練習(xí)實(shí)例,如果有小朋友對此感興趣可以學(xué)習(xí)下。
    2018-05-05

最新評論