Python 爬取淘寶商品信息欄目的實現(xiàn)

更新時間：2021年02月06日 09:53:19 作者：qq_45893626

這篇文章主要介紹了Python 爬取淘寶商品信息欄目的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

一、相關(guān)知識點

1.1、Selenium

Selenium是一個強大的開源Web功能測試工具系列，可進行讀入測試套件、執(zhí)行測試和記錄測試結(jié)果，模擬真實用戶操作，包括瀏覽頁面、點擊鏈接、輸入文字、提交表單、觸發(fā)鼠標事件等操作，并且能夠?qū)撁娼Y(jié)果進行種種驗證。也就是說，只要在測試用例中把預期的用戶行為與結(jié)果都描述出來，我們就得到了一個可以自動化運行的功能測試套件。

1.2、ActionChains
Actionchains是selenium里面專門處理鼠標相關(guān)的操作如：鼠標移動，鼠標按鈕操作，按鍵和上下文菜單（鼠標右鍵）交互。這對于做更復雜的動作非常有用，比如懸停和拖放。

1.3、time
返回當前時間的時間戳

1.4、lxml
lxml是一個Python庫，使用它可以輕松處理XML和HTML文件，還可以用于web爬取。市面上有很多現(xiàn)成的XML解析器，但是為了獲得更好的結(jié)果，開發(fā)人員有時更愿意編寫自己的XML和HTML解析器。這時lxml庫就派上用場了。這個庫的主要優(yōu)點是易于使用，在解析大型文檔時速度非?？?，歸檔的也非常好，并且提供了簡單的轉(zhuǎn)換方法來將數(shù)據(jù)轉(zhuǎn)換為Python數(shù)據(jù)類型，從而使文件操作更容易。

1.5、csv
csv文件格式是一種通用的電子表格和數(shù)據(jù)庫導入導出格式。最近我調(diào)用RPC處理服務器數(shù)據(jù)時，經(jīng)常需要將數(shù)據(jù)做個存檔便使用了這一方便的格式。

1.6、requests
Requests 庫是一個優(yōu)雅而簡單的 Python HTTP 庫，主要用于發(fā)送和處理 HTTP 請求

二、部分代碼解析

加載Chrome驅(qū)動，動態(tài)解析爬取的網(wǎng)址

 #提取公共的爬取信息的api
 def commonsdk(self,url):
 browser = webdriver.Chrome('D:/chromedriver.exe')
 try:
 browser.get(url)
 except Exception as e:
 browser.execute_script('window.stop()') # 超出時間則不加載
 print(e, 'dynamic web load timeout')
 return browser;

實現(xiàn)模擬登錄

通過定位淘寶登陸界面的url的表單框，然后輸入自己的用戶名及密碼，再模擬鼠標點擊事件，繼而提交表單信息實現(xiàn)用戶登錄。

#模擬登錄
 def logon(self,url,a_href_list_next):
 username = "淘寶賬戶名"
 password = "密碼"
 browser1 = self.commonsdk(url)
 #登錄賬號
 browser1.find_element_by_id('fm-login-id').send_keys(username)
 browser1.find_element_by_id('fm-login-password').send_keys(password)
 #模擬用戶點擊登錄
 browser1.find_element_by_xpath('//*[@id="login-form"]/div[4]/button').click()
 #解析商品信息
 self.Buy_information(a_href_list_next,browser1)

爬取側(cè)邊欄目錄
1、首先定位到目錄分類欄，鼠標光標移動到需要選中的那一欄，繼而會出現(xiàn)隱藏的div，（這里需要實現(xiàn)鼠標懸停事件）action.move_to_element(li_list).perform()實現(xiàn)了這一功能。
2、然后定位自己所需要爬取的側(cè)邊欄的那一行或多行，通過實現(xiàn)鼠標懸停事件后獲取其中內(nèi)容。
3、獲取其超鏈接進入下一界面

#爬取目錄
 def List(self,url):
 browser = self.commonsdk(url)
 #ActionChains類實現(xiàn)鼠標的單擊、雙擊、拖拽等功能
 action = ActionChains(browser)
 li_list = browser.find_elements_by_css_selector('.service-bd li')[1]
 #實現(xiàn)執(zhí)行鼠標懸停,便于爬取懸停內(nèi)容
 action.move_to_element(li_list).perform()
 time.sleep(5)

 #爬取整個目錄的div
 div_list = browser.find_element_by_css_selector('.service-fi-links')
 #爬取其中的總的名稱
 h5_list = div_list.find_elements_by_css_selector('h5')
 #爬取小標題的名稱
 p_list = div_list.find_elements_by_css_selector('p')
 #獲取a標簽
 a_href_list = div_list.find_elements_by_css_selector('a')
 #獲取a標簽的超鏈接
 a_href_list_next = div_list.find_elements_by_css_selector('a')[1].get_attribute('href')

 print(li_list.text)
 for j in range(len(p_list)):
 if j<len(p_list):
 print(h5_list[j].text)
 print(p_list[j].text)
 for i in range(len(a_href_list)):
 print(a_href_list[i].get_attribute('href'))

 #獲取登錄框
 logon = browser.find_element_by_id('J_SiteNavBd')
 #獲取登錄框的超鏈接
 logon_url = logon.find_element_by_css_selector('a').get_attribute('href')
 #先關(guān)閉第一個網(wǎng)頁
 browser.close()
 self.logon(logon_url,a_href_list_next)

獲取商品信息

1、這里使用的定位方式是Xpath方式，使用了絕對定位來獲取標簽的位置。

#爬取商品信息
 def Buy_information(self,url,browser):
 browser.get(url)
 div_list = browser.find_element_by_xpath('//*[@id="mainsrp-itemlist"]/div/div/div[1]/div[1]')
 img = div_list.find_element_by_css_selector('img')
 img_url = "https:"+img.get_attribute('data-src')
 price = div_list.find_element_by_xpath('//*[@id="mainsrp-itemlist"]/div/div/div[1]/div[1]/div[2]/div[1]/div[1]').text
 number = div_list.find_element_by_xpath('//*[@id="mainsrp-itemlist"]/div/div/div[1]/div[1]/div[2]/div[1]/div[2]').text
 shoping_information = div_list.find_element_by_xpath('//*[@id="mainsrp-itemlist"]/div/div/div[1]/div[1]/div[2]/div[2]').text
 shop = div_list.find_element_by_xpath('//*[@id="mainsrp-itemlist"]/div/div/div[1]/div[1]/div[2]/div[3]/div[1]/a').text
 adress = div_list.find_element_by_xpath('//*[@id="mainsrp-itemlist"]/div/div/div[1]/div[1]/div[2]/div[3]/div[2]').text
 path = self.img_baocun(img_url)
 data={
 '圖片路徑':path,
 '價格':price,
 '購買人數(shù)':number,
 '商品信息':shoping_information,
 '商家':shop,
 '籍貫':adress
 }
 self.write_dictionary_to_csv(data,'information')

下載圖片

通過獲取到的圖片的url，然后將圖片下載到指定的文件夾內(nèi)

#下載照片
 def img_baocun(self,url):
 root = "文件夾下載的路徑"http://電腦上的絕對路徑
 path = root + url.split('?')[0].split('/')[-1].strip('')#獲取jpg的名稱
 #判斷是否存在該路徑，不存在則創(chuàng)建
 if not os.path.exists(root):
 os.mkdir(root)
 #判斷是否存在該圖片，存在則不下載
 if not os.path.exists(path):
 r = requests.get(url)
 r.raise_for_status()
 with open(path,'wb') as f:
 f.write(r.content)
 return path

將需要爬取的信息寫入到csv文件中，便于查看
1、商品信息以字典的形式寫入csv文件中方便查看。

#將解析得到的內(nèi)容（字典格式）逐行寫入csv文件
 def write_dictionary_to_csv(self,dict,filename):
 #格式化文件名
 file_name='{}.csv'.format(filename)
 with open(file_name, 'a',encoding='utf-8') as f: 
 file_exists = os.path.isfile(filename)
 #delimiter(定界符) 
 w =csv.DictWriter(f, dict.keys(),delimiter=',', quotechar='"', lineterminator='\n',quoting=csv.QUOTE_ALL, skipinitialspace=True)
 if not file_exists :
 w.writeheader()
 w.writerow(dict)
 print('當前行寫入csv成功！')

三、程序思路

1、首先定位到側(cè)邊欄的位置，然后使用action.move_to_element(li_list).perform()的方法實現(xiàn)鼠標的動態(tài)懸停，讓隱藏的div顯示出來，再獲取其中的信息。
2、然后再實現(xiàn)模擬登錄的功能，登錄賬號，獲取其中的商品信息（由于淘寶的反扒機制，多次登錄會讓用戶掃碼登錄，此功能暫未實現(xiàn)）
3、商品信息的獲取使用Xpath的絕對定位方式來獲取。

Xpath的使用方式：
右鍵需要定位的標簽->選中Copy選項->Copy Xpath