首页 > 其他 > 详细

selenium+pyquery爬取淘宝商品信息

时间:2018-07-29 17:26:04      阅读:172      评论:0      收藏:0      [点我收藏+]
import re
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


KEYWORD = 小米手机
MAX_PAGE = 3

# 浏览器驱动
browser = webdriver.Chrome()
wait = WebDriverWait(browser,10)


def get_products():
    # 获取网页源代码
    html = browser.page_source
    # 解析
    content = pq(browser.page_source)
    # 得到所有选择的内容
    items = content(#mainsrp-itemlist .m-itemlist .grid.g-clearfix .item).items()
    for item in items:
        product = {
            image:item.find(.pic .img).attr(data-src),
            price:item.find(.price).text().strip(),
            deal:item.find(.deal-cnt).text(),
            title:item.find(.title).text(),
            shop:item.find(.shop).text(),
            location:item.find(.location).text()
        }

        print(--------{}----------\n.format(product))


def index_page(page):
    ‘‘‘
    抓取索引页
    :param page:
    :return:
    ‘‘‘
    print(10*-,正在抓取第{}页.format(page),10*-)
    try:
        url = https://s.taobao.com/search?q={}.format(KEYWORD)
        print(url)
        browser.get(url)
        # 如果抓取的不是第一页,进行跳页操作
        if page > 1:
            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)
            submit.click()
        # 等待页面加载完成(当前高亮页码是page)
        wait.until(EC.text_to_be_present_in_element((
            By.CSS_SELECTOR,#mainsrp-pager > div > div > div > ul > li.item.active > span
        ),str(page)))
        # 等待所有商品信息加载完成
        wait.until(EC.presence_of_element_located((
            By.CSS_SELECTOR,#mainsrp-itemlist .m-itemlist .grid.g-clearfix .item)
        ))
        get_products()
    except TimeoutException:
        index_page()


def main():
    # 遍历每一页
    for page in range(1,MAX_PAGE+1):
        index_page(page)

 

selenium+pyquery爬取淘宝商品信息

原文:https://www.cnblogs.com/ray-mmss/p/9385927.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!