首先需要先導入webdriver
from selenium import webdriver 複製代碼
webdriver支持主流的瀏覽器,比如說:谷歌瀏覽器、火狐瀏覽器、IE瀏覽器等等
然後可以創建一個webdriver對象,通過這個對象就可以通過get方法請求網站
driver = webdriver.Chrome() # 創建driver對象 driver.get('https://www.baidu.com') # 請求百度 複製代碼
接下來可以定義一個方法:search_product
一、selenium的簡單介紹
1.selenium簡介
selenium是一個用於測試網站的自動化測試工具,支持很多主流的瀏覽器,比如:谷歌瀏覽器、火狐瀏覽器、IE、Safari等。
2.支持多個操作系統
如windows、Linux、IOS、Android等。
3、安裝selenium
打開終端輸入
pip install Selenium 複製代碼
4、安裝瀏覽器驅動
1、Chrome驅動文件下載: 點擊下載谷歌瀏覽器驅動
2、火狐瀏覽器驅動文件下載: 點擊下載geckodriver
5、配置環境變量
配置環境變量的方法非常簡單,首先將下載好的驅動進行解壓,放到你安裝Python的目錄下,即可。
因爲之前,在配置Python環境變量的時候,就將Python的目錄放到我的電腦–>屬性–>系統設置–>高級–>環境變量–>系統變量–>Path
二、selenium快速入門
1、selenium提供8種定位方式
1、id
2、name
3、class name
4、tag name
5、link text
6、partial link text
7、xpath
8、css selector
2、定位元素的8中方式詳解
定義一個元素 | 定位多個元素 | 含義 |
---|---|---|
find_element_by_id | find_elements_by_id | 通過元素的id定位 |
find_element_by_name | find_elements_by_name | 通過元素name定位 |
find_element_by_xpath | find_elements_by_xpath | 通過xpath表達式定位 |
find_element_by_link_text | find_elements_by_link_text | 通過完整超鏈接定位 |
find_element_by_partial_link_text | find_elements_by_partial_link_text | 通過部分鏈接定位 |
find_element_by_tag_name | find_elements_by_tag_name | 通過標籤定位 |
find_element_by_class_name | find_elements_by_class_name | 通過類名進行定位 |
find_element_by_css_selector | find_elements_by_css_selector | 通過css選擇器進行定位 |
3、selenium庫下webdriver模塊常用的方法與使用
控制瀏覽器的一些方法
方法 | 說明 |
---|---|
set_window_size() | 設置瀏覽器的大小 |
back() | 控制瀏覽器後退 |
forward() | 控制瀏覽器前進 |
refresh() | 刷新當前頁面 |
clear() | 清除文本 |
send_keys (value) | 模擬按鍵輸入 |
click() | 單擊元素 |
submit() | 用於提交表單 |
get_attribute(name) | 獲取元素屬性值 |
text | 獲取元素的文本 |
4、代碼實例
from selenium import webdriver import time # 創建Chrome瀏覽器對象,這會在電腦中打開一個窗口 browser = webdriver.Chrome() # 通過瀏覽器向服務器發起請求 browser.get('https://www.baidu.com') time.sleep(3) # 刷新瀏覽器 browser.refresh() # 最大化瀏覽器窗口 browser.maximize_window() # 設置鏈接內容 element = browser.find_element_by_link_text('抗擊肺炎') # 點擊'抗擊肺炎' element.click() 複製代碼
關於selenium的簡單介紹就先到這裏了,更多詳細內容大家可以去selenium官方文檔查看。 點擊查看selenium官方文檔
爬取淘寶數據
從上圖,可以看到需要獲取的信息是:價格、商品名稱、付款人數、店鋪名稱。
現在我們開始進入主題。
首先,需要輸入你要搜索商品的內容,然後根據內容去搜索淘寶信息,最後提取信息並保存。
1、搜素商品
我在這裏定義提個搜索商品的函數和一個主函數。
搜索商品
在這裏需要創建一個瀏覽器對象,並且根據該對象的 get方法 來發送請求。
從上圖可以發現搜索框的 id值爲q
,那麼這樣就簡單很多了,有HTML基礎的朋友肯定知道id值是唯一的。
通過id值可以獲取到文本框的位置,並傳入參數,然後點擊搜索按鈕。
從上圖可以發現搜索按鈕在一個類裏面,那麼可以通過這個類來定位到搜索按鈕,並執行點擊操作。
當點擊搜索按鈕之後,網頁便會跳轉到登錄界面,要求我們登錄,如下圖所示:
登錄成功後會發現,裏面的數據總共有100頁面。
上圖是前三頁的url地址,你會發現其實並沒有太大的變化,經過測試發現,真正有效的參數是框起來的內容,它的變化會導致頁面的跳轉,很明顯第一頁的s=0,第二頁s=44,第三頁s=88,以此類推,之後就可以輕鬆做到翻頁了。
搜搜商品的代碼如下:
def search_product(key_word): ''' :param key_word: 搜索關鍵字 :return: ''' # 通過id值來獲取文本框的位置,並傳入關鍵字 browser.find_element_by_id('q').send_keys(key_word) # 通過class來獲取到搜索按鈕的位置,並點擊 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 頁, page = re.findall('(\d+)', page)[0] # findall返回一個列表 return page 複製代碼
2、獲取商品信息並保存
獲取商品信息相對比較簡單,可以通過xpath方式來獲取數據。在這裏我就不在論述。在這邊我創建了一個函數get_product來獲取並保存信息。在保存信息的過程中使用到了csv模塊,目的是將信息保存到csv裏面。
def get_product():
divs = driver.find_elements_by_xpath('//div[@class="items"]/div[@class="item J_MouserOnverReq "]') # 這裏返回的是列表,注意:elements
for div in divs:
info = div.find_element_by_xpath('.//div[@class="row row-2 title"]/a').text
price = div.find_element_by_xpath('.//strong').text + '元'
nums = div.find_element_by_xpath('.//div[@class="deal-cnt"]').text
names = div.find_element_by_xpath('.//div[@class="shop"]/a').text
print(info, price, nums, names,sep='|')
with open('data3.csv', mode='a', newline='', encoding='utf-8') as file:
csv_writer = csv.writer(file, delimiter=',') # 指定分隔符爲逗號
csv_writer.writerow([info, price, nums, names])
加python學習qq羣:775690737 送python零基礎入門學習資料+99個源碼
複製代碼
3、構造URL實現翻頁爬取
從上面的圖片中可以發現連續三頁URL的地址,其實真正變化並不是很多,經過測試發現,只有q和s兩個參數是有用的。
構造出的url: s.taobao.com/search?q={}…
因爲q是你要搜索的商品,s是設置翻頁的參數。這段代碼就放在了主函數裏面
def main():
browser.get('https://www.taobao.com/') # 向服務器發送請求
page = search_product(key_word)
print('正在爬取第1頁的數據')
get_product() # 已經獲得第1頁的數據
page_nums = 1
while page_nums != page:
print('*'*100)
print('正在爬取第{}頁的數據'.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
加python學習qq羣:775690737 送python零基礎入門學習資料+99個源碼
複製代碼
最後結果,如下圖所示: