天猫商品数据爬虫使用教程
下载chrome浏览器
查看chrome浏览器的版本号，下载对应版本号的chromedriver驱动
pip安装下列包
pip install selenium
pip install pyquery
登录微博，并通过微博绑定淘宝账号密码
在main中填写chromedriver的绝对路径
在main中填写微博账号密码
#改成你的chromedriver的完整路径地址 chromedriver_path = "/Users/bird/Desktop/chromedriver.exe" #改成你的微博账号 weibo_username = "改成你的微博账号" #改成你的微博密码 weibo_password = "改成你的微博密码"效果演示图片
项目源码
# -*- coding: utf-8 -*- from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver import ActionChains from pyquery import PyQuery as pq from time import sleep #定义一个taobao类 class taobao_infos: #对象初始化 def __init__(self): url = 'https://login.taobao.com/member/login.jhtml' self.url = url options = webdriver.ChromeOptions() options.add_experimental_option("prefs", {"profile.managed_default_content_settings.images": 2}) # 不加载图片,加快访问速度 options.add_experimental_option('excludeSwitches', ['enable-automation']) # 此步骤很重要，设置为开发者模式，防止被各大网站识别出来使用了Selenium self.browser = webdriver.Chrome(executable_path=chromedriver_path, options=options) self.wait = WebDriverWait(self.browser, 10) #超时时长为10s #延时操作,并可选择是否弹出窗口提示 def sleep_and_alert(self,sec,message,is_alert): for second in range(sec): if(is_alert): alert = "alert(\"" + message + ":" + str(sec - second) + "秒\")" self.browser.execute_script(alert) al = self.browser.switch_to.alert sleep(1) al.accept() else: sleep(1) #登录淘宝 def login(self): # 打开网页 self.browser.get(self.url) # 自适应等待，点击密码登录选项 self.browser.implicitly_wait(30) #智能等待，直到网页加载完毕，最长等待时间为30s self.browser.find_element_by_xpath('//*[@class="forget-pwd J_Quick2Static"]').click() # 自适应等待，点击微博登录宣传 self.browser.implicitly_wait(30) self.browser.find_element_by_xpath('//*[@class="weibo-login"]').click() # 自适应等待，输入微博账号 self.browser.implicitly_wait(30) self.browser.find_element_by_name('username').send_keys(weibo_username) # 自适应等待，输入微博密码 self.browser.implicitly_wait(30) self.browser.find_element_by_name('password').send_keys(weibo_password) # 自适应等待，点击确认登录按钮 self.browser.implicitly_wait(30) self.browser.find_element_by_xpath('//*[@class="btn_tip"]/a/span').click() # 直到获取到淘宝会员昵称才能确定是登录成功 taobao_name = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '.site-nav-bd > ul.site-nav-bd-l > li#J_SiteNavLogin > div.site-nav-menu-hd > div.site-nav-user > a.site-nav-login-info-nick '))) # 输出淘宝昵称 print(taobao_name.text) # 获取天猫商品总共的页数 def search_toal_page(self): # 等待本页面全部天猫商品数据加载完毕 good_total = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#J_ItemList > div.product > div.product-iWrap'))) #获取天猫商品总共页数 number_total = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '.ui-page > div.ui-page-wrap > b.ui-page-skip > form'))) page_total = number_total.text.replace("共","").replace("页，到第页 确定","").replace("，","") return page_total # 翻页操作 def next_page(self, page_number): # 等待该页面input输入框加载完毕 input = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '.ui-page > div.ui-page-wrap > b.ui-page-skip > form > input.ui-page-skipTo'))) # 等待该页面的确定按钮加载完毕 submit = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '.ui-page > div.ui-page-wrap > b.ui-page-skip > form > button.ui-btn-s'))) # 清除里面的数字 input.clear() # 重新输入数字 input.send_keys(page_number) # 强制延迟1秒，防止被识别成机器人 sleep(1) # 点击确定按钮 submit.click() # 模拟向下滑动浏览 def swipe_down(self,second): for i in range(int(second/0.1)): js = "var q=document.documentElement.scrollTop=" + str(300+200*i) self.browser.execute_script(js) sleep(0.1) js = "var q=document.documentElement.scrollTop=100000" self.browser.execute_script(js) sleep(0.2) # 爬取天猫商品数据 def crawl_good_data(self): # 对天猫商品数据进行爬虫 self.browser.get("https://list.tmall.com/search_product.htm?q=羽毛球") err1 = self.browser.find_element_by_xpath("//*[@id='content']/div/div[2]").text err1 = err1[:5] if(err1 == "喵~没找到"): print("找不到您要的") return try: self.browser.find_element_by_xpath("//*[@id='J_ComboRec']/div[1]") err2 = self.browser.find_element_by_xpath("//*[@id='J_ComboRec']/div[1]").text #print(err2) err2 = err2[:5] if(err2 == "我们还为您"): print("您要查询的商品书目太少了") return except: print("可以爬取这些信息") # 获取天猫商品总共的页数 page_total = self.search_toal_page() print("总共页数" + page_total) # 遍历所有页数 for page in range(2,int(page_total)): # 等待该页面全部商品数据加载完毕 good_total = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#J_ItemList > div.product > div.product-iWrap'))) # 等待该页面input输入框加载完毕 input = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '.ui-page > div.ui-page-wrap > b.ui-page-skip > form > input.ui-page-skipTo'))) # 获取当前页 now_page = input.get_attribute('value') print("当前页数" + now_page + ",总共页数" + page_total) # 获取本页面源代码 html = self.browser.page_source # pq模块解析网页源代码 doc = pq(html) # 存储天猫商品数据 good_items = doc('#J_ItemList .product').items() # 遍历该页的所有商品 for item in good_items: good_title = item.find('.productTitle').text().replace('\n',"").replace('\r',"") good_status = item.find('.productStatus').text().replace(" ","").replace("笔","").replace('\n',"").replace('\r',"") good_price = item.find('.productPrice').text().replace("¥", "").replace(" ", "").replace('\n', "").replace('\r', "") good_url = item.find('.productImg').attr('href') print(good_title + " " + good_status + " " + good_price + " " + good_url + '\n') # 精髓之处，大部分人被检测为机器人就是因为进一步模拟人工操作 # 模拟人工向下浏览商品，即进行模拟下滑操作，防止被识别出是机器人 self.swipe_down(2) # 翻页，下一页 self.next_page(page) # 等待滑动验证码出现,超时时间为5秒，每0.5秒检查一次 # 大部分情况不会出现滑动验证码，所以如果有需要可以注释掉下面的代码 # sleep(5) WebDriverWait(self.browser, 5, 0.5).until(EC.presence_of_element_located((By.ID, "nc_1_n1z"))) #等待滑动拖动控件出现 try: swipe_button = self.browser.find_element_by_id('nc_1_n1z') #获取滑动拖动控件 #模拟拽托 action = ActionChains(self.browser) # 实例化一个action对象 action.click_and_hold(swipe_button).perform() # perform()用来执行ActionChains中存储的行为 action.reset_actions() action.move_by_offset(580, 0).perform() # 移动滑块 except Exception as e: print ('get button failed: ', e) if __name__ == "__main__": # 使用之前请先查看当前目录下的使用说明文件README.MD # 使用之前请先查看当前目录下的使用说明文件README.MD # 使用之前请先查看当前目录下的使用说明文件README.MD chromedriver_path = "/Users/bird/Desktop/chromedriver.exe" #改成你的chromedriver的完整路径地址 weibo_username = "改成你的微博账号" #改成你的微博账号 weibo_password = "改成你的微博密码" #改成你的微博密码 a = taobao_infos() a.login() #登录 a.crawl_good_data() #爬取天猫商品数据平台网站经常变动，可以做参考
很多初学者，对Python的概念都是模糊不清的，Python能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，想深入了解，详情可以点击有道云笔记链接了解：http://note.youdao.com/noteshare?id=7df52a4961924a8d98d3bc774cbfe54d
