又到了一年一度的教師節(jié)，每次教師節(jié)大家都會(huì)煩惱不知道送什么禮物?尤其是對(duì)于理工男來(lái)說(shuō)，更是一個(gè)讓人頭大的問(wèn)題。我今天就和大家分享一個(gè)用Python爬取淘寶商品信息的項(xiàng)目，希望可以給大家選禮物時(shí)提供一個(gè)參考。

[[276394]]

1.爬取目標(biāo)

本次項(xiàng)目利用selenium抓取淘寶商品信息，用selenium語(yǔ)法來(lái)獲取商品信息、價(jià)格、購(gòu)買人數(shù)、圖片、以及店鋪的名字，最后再把獲取的信息儲(chǔ)存在MongoDB中。

2.準(zhǔn)備工作

在開(kāi)始本次項(xiàng)目前，首先你要確保正確安裝好Chome瀏覽器并配置好對(duì)應(yīng)版本的ChromeDriver;另外，還需要正確安裝Python的selenium庫(kù)和pymongo庫(kù);最后還要在電腦上安裝好MongoDB。

3.下面給出Windows下安裝selenium、pymongo、MongoDB的方法

selenium：

pip install selenium   || pip3 install selenium 

pymongo:

pip install pymongo || pip3 install pymongo 

MongoDB:

由于MongoDB現(xiàn)在版本比較多，3.0和4.0安裝方法存在差異，我下載的是3.x版本的，安裝和配置都比較簡(jiǎn)單，所以，我也建議大家安裝和使用3.x版本的。

下載鏈接：

https://www.mongodb.com/download-center/community

ChromeDriver下載鏈接：

https://chromedriver.storage.googleapis.com/index.html

這里下載的ChromeDriver版本要和你下載的谷歌瀏覽器的版本相一致，否則程序運(yùn)行會(huì)出現(xiàn)錯(cuò)誤。下載完后將ChromeDriver.exe放到你Python安裝路徑下的Scripts中即可。

4.提取單頁(yè)商品信息

獲取各個(gè)元素用到的是selenium語(yǔ)法的

find_element_by_xpath() 

括號(hào)中需要填入各元素的Xpath路徑。

• 獲取商品信息

代碼如下：

'info' : li.find_element_by_xpath('.//div[@class="row row-2 title"]').text 

• 獲取價(jià)格信息

代碼如下：

'price' : li.find_element_by_xpath('.//a[@class="J_ClickStat"]').get_attribute('trace-price') + '元' 

• 獲取付款人數(shù)

代碼如下：

'deal' : li.find_element_by_xpath('.//div[@class="deal-cnt"]').text 

• 獲取圖片

代碼如下：

'image' : li.find_element_by_xpath('.//div[@class="pic"]/a/img').get_attribute('src') 

• 獲取店鋪名字

代碼如下：

'name' : li.find_element_by_xpath('.//div[@class="shop"]/a/span[2]').text 

5.提取多頁(yè)商品信息

經(jīng)過(guò)上面的分析，只能爬取一頁(yè)的商品信息，我們想獲取多頁(yè)信息，就需要先定義一個(gè)函數(shù)，將總頁(yè)數(shù)提取出來(lái)，代碼如下

#提取總頁(yè)數(shù) 
def search(): 
    driver.find_element_by_id('q').send_keys('python') 
    driver.find_element_by_class_name("tb-bg").click() 
    time.sleep(10) 
    token 
= driver.find_element_by_xpath( 
'//*[@id="mainsrp-pager"]/div/div/div/div[1]' 
).text 
    token = int(re.compile('\d+').search(token).group(0)) 
    return token 

6.向下滑動(dòng)頁(yè)面

我們都知道selenium用來(lái)抓取動(dòng)態(tài)渲染的頁(yè)面非常有效，我們?cè)谧ト№?yè)面信息時(shí)，需要模擬人來(lái)操作下拉、翻頁(yè)等操作。

對(duì)于下拉操作，有爬蟲(chóng)基礎(chǔ)的可能會(huì)想到用selenium模擬的操作，但本次項(xiàng)目我們用js語(yǔ)法來(lái)模擬下拉，這樣做的好處就是不容易被淘寶的反爬機(jī)制識(shí)別，代碼如下

def drop_down(): 
    for x in range(1,11,2): 
        time.sleep(0.5) 
        j = x/10           #滑動(dòng)到的位置 
        js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight * %f' %j 
        driver.execute_script(js) 

同理，我們也定義一個(gè)函數(shù)來(lái)模擬翻頁(yè)，代碼如下

def next_page(): 
    token = search() 
    num = 0 
    while num != token - 1: 
        driver.get('https://s.taobao.com/search?q={}&s={}'.format(keyword,44*num)) 
        driver.implicitly_wait(10)  #隱式等待 
        num += 1 
        drop_down() 
        get_product() 

翻頁(yè)編寫(xiě)時(shí)，需要注意，我在代碼加入了keyword，意思就是可以根據(jù)你自己的需求，爬取不同種類的商品信息。

7.將數(shù)據(jù)保存至MongoDB

def save_to_mongo(result): 
    try: 
        if db[MONGO_COLLECTION].insert(result): 
            print('儲(chǔ)存到MongoDB成功') 
    except  Exception: 
        print('儲(chǔ)存到MongoDB失敗') 

8.結(jié)果展示

總結(jié)

這次用selenium爬取淘寶商品信息，代碼邏輯框架如下

由于我能力有限，暫時(shí)只能實(shí)現(xiàn)這么多功能，下一步準(zhǔn)備對(duì)MongoDB儲(chǔ)存的數(shù)據(jù)進(jìn)行分析，這樣就完成了從數(shù)據(jù)爬取——數(shù)據(jù)儲(chǔ)存——數(shù)據(jù)分析一個(gè)完整的過(guò)程。

最后，祝所有的老師們：教師節(jié)快樂(lè)!