提出問題
如何在京東商城爬取出各個商品的相關信息(價格,名稱,評價,店鋪名等等),
比如,打開web京東網站,在搜索框輸入關鍵字:口紅;那麼商品展示列表的所有商品的信息,怎麼爬下來,怎麼保存到表格中。請實現這個功能。
解決思路
1、打開網站,輸入關鍵字,點擊搜索按鈕
2、將右側下拉框拉到最下面,保證獲取到全部的數據
3、將每一個商品進行遍歷,把每個item中的價格,名稱,店鋪,評價數量全部獲取到
4、將獲取的信息,裝在表格中
1 import time 2 import pandas as pd 3 from selenium import webdriver 4 import requests 5 from selenium.webdriver import Keys 6 from selenium.webdriver.common.by import By 7 8 if __name__ == '__main__': 9 search_word = input("請輸入你要搜索的商品:") 10 page_size = int(input("請輸入你要爬取的頁數:")) 11 prices, names, commits, shops = [], [], [], [] 12 # 打開瀏覽器 13 driver = webdriver.Chrome() 14 driver.get("https://www.jd.com") 15 time.sleep(1) 16 # 將web網頁窗口最大化 17 driver.maximize_window() 18 # 找到搜索框 19 input_box = driver.find_element(By.ID, "key") 20 # 將搜索的字輸入到京東搜索框中 21 input_box.send_keys(search_word) 22 # 按下enter鍵 23 input_box.send_keys(Keys.ENTER) 24 25 # range(page_size) 26 for i in range(page_size): 27 # 將下拉框拖到最下面: 28 driver.execute_script('window.scrollTo(0,document.body.scrollHeight)') 29 time.sleep(3) # 確保在向下拖動的過程中,數據全部加載出來,加幾秒等待 30 31 # 獲取所有的li 32 good_lists = driver.find_elements(By.XPATH, '//*[@id="J_goodsList"]/ul/li') 33 34 for item in good_lists: 35 # 找到產品的價格 36 price = item.find_element(By.CLASS_NAME, "p-price").text 37 # 找到商品的名字 38 name = item.find_element(By.CLASS_NAME, "p-name").text 39 # 找到商品的評論 40 commit = item.find_element(By.CLASS_NAME, "p-commit").text 41 # 找到商品的店鋪 42 shop = item.find_element(By.CLASS_NAME, "p-shop").text 43 # 將每一次爬到的數據信息,追加到列表[ ]中 44 prices.append(price) 45 names.append(name) 46 commits.append(commit) 47 shops.append(shop) 48 49 # 點擊下一頁 50 driver.find_element(By.CLASS_NAME, "pn-next").click() 51 52 df = pd.DataFrame({ 53 "價格": prices, 54 "名稱": names, 55 "評論": commits, 56 "商家": shops 57 }) 58 59 # 將數據保存到excel表格中 60 df.to_excel("{}.xlsx".format(search_word))
以上就是一個比較基礎的爬蟲Demo,通過selenium來實現,爬取的數據的業務邏輯較爲簡單,最後生成放在表格中就可以了。
感興趣的同學可以去淘寶網去爬一下,練練手。