一、相關(guān)知識(shí)點(diǎn)

1.1、Selenium

Selenium是一個(gè)強(qiáng)大的開源Web功能測(cè)試工具系列，可進(jìn)行讀入測(cè)試套件、執(zhí)行測(cè)試和記錄測(cè)試結(jié)果，模擬真實(shí)用戶操作，包括瀏覽頁(yè)面、點(diǎn)擊鏈接、輸入文字、提交表單、觸發(fā)鼠標(biāo)事件等操作，并且能夠?qū)?yè)面結(jié)果進(jìn)行種種驗(yàn)證。也就是說，只要在測(cè)試用例中把預(yù)期的用戶行為與結(jié)果都描述出來，我們就得到了一個(gè)可以自動(dòng)化運(yùn)行的功能測(cè)試套件。

1.2、ActionChains

Actionchains是selenium里面專門處理鼠標(biāo)相關(guān)的操作如：鼠標(biāo)移動(dòng)，鼠標(biāo)按鈕操作，按鍵和上下文菜單（鼠標(biāo)右鍵）交互。這對(duì)于做更復(fù)雜的動(dòng)作非常有用，比如懸停和拖放。

1.3、time

返回當(dāng)前時(shí)間的時(shí)間戳

1.4、lxml

lxml是一個(gè)Python庫(kù)，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(shí)更愿意編寫自己的XML和HTML解析器。這時(shí)lxml庫(kù)就派上用場(chǎng)了。這個(gè)庫(kù)的主要優(yōu)點(diǎn)是易于使用，在解析大型文檔時(shí)速度非常快，歸檔的也非常好，并且提供了簡(jiǎn)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(kù)導(dǎo)入導(dǎo)出格式。最近我調(diào)用RPC處理服務(wù)器數(shù)據(jù)時(shí)，經(jīng)常需要將數(shù)據(jù)做個(gè)存檔便使用了這一方便的格式。

1.6、requests

Requests 庫(kù)是一個(gè)優(yōu)雅而簡(jiǎn)單的 Python HTTP 庫(kù)，主要用于發(fā)送和處理 HTTP 請(qǐng)求

二、部分代碼解析

加載Chrome驅(qū)動(dòng)，動(dòng)態(tài)解析爬取的網(wǎng)址

#提取公共的爬取信息的apidef 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(shí)間則不加載print(e, 'dynamic web load timeout')return browser;

實(shí)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(biāo)點(diǎn)擊事件，繼而提交表單信息實(shí)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(hào)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(diǎn)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(biāo)光標(biāo)移動(dòng)到需要選中的那一欄，繼而會(huì)出現(xiàn)隱藏的div，（這里需要實(shí)現(xiàn)鼠標(biāo)懸停事件）action.move_to_element(li_list).perform()實(shí)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(shí)現(xiàn)鼠標(biāo)懸停事件后獲取其中內(nèi)容。
3、獲取其超鏈接進(jìn)入下一界面

#爬取目錄def List(self,url):browser = self.commonsdk(url)#ActionChains類實(shí)現(xiàn)鼠標(biāo)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(shí)現(xiàn)執(zhí)行鼠標(biāo)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(gè)目錄的divdiv_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(biāo)題的名稱p_list = div_list.find_elements_by_css_selector('p')#獲取a標(biāo)簽a_href_list = div_list.find_elements_by_css_selector('a')#獲取a標(biāo)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(gè)網(wǎng)頁(yè)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(duì)定位來獲取標(biāo)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]').textnumber = div_list.find_element_by_xpath('//*[@id="mainsrp-itemlist"]/div/div/div[1]/div[1]/div[2]/div[1]/div[2]').textshoping_information = div_list.find_element_by_xpath('//*[@id="mainsrp-itemlist"]/div/div/div[1]/div[1]/div[2]/div[2]').textshop = div_list.find_element_by_xpath('//*[@id="mainsrp-itemlist"]/div/div/div[1]/div[1]/div[2]/div[3]/div[1]/a').textadress = div_list.find_element_by_xpath('//*[@id="mainsrp-itemlist"]/div/div/div[1]/div[1]/div[2]/div[3]/div[2]').textpath = self.img_baocun(img_url)data={'圖片路徑':path,'價(jià)格':price,'購(gòu)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"//電腦上的絕對(duì)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(dāng)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(shí)現(xiàn)鼠標(biāo)的動(dòng)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(shí)現(xiàn)模擬登錄的功能，登錄賬號(hào)，獲取其中的商品信息（由于淘寶的反扒機(jī)制，多次登錄會(huì)讓用戶掃碼登錄，此功能暫未實(shí)現(xiàn)）
3、商品信息的獲取使用Xpath的絕對(duì)定位方式來獲取。

Xpath的使用方式：右鍵需要定位的標(biāo)簽->選中Copy選項(xiàng)->Copy Xpath

四、發(fā)展空間

1、解決淘寶反扒機(jī)制的問題。傳送門，解決問題
2、文件的寫入換用其他方式。

總結(jié)

以上是生活随笔為你收集整理的Python 爬取淘宝商品信息栏目的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。