selenium爬取淘宝商品

对于《python3网络爬虫实战分析》中selenium爬取淘宝商品信息代码进行修改。

原代码

from selenium import webdriver
from selenium.common.exceptions import TimeoutException
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from urllib.parse import quote
from pyquery import PyQuery as pq
from pymongo import MongoClient

browser = webdriver.Chrome()
wait = WebDriverWait(browser, 10)
KEYWORD = 'iPad'

def index_page(page):
    try:
        url = 'https://s.taobao.com/search?q=' + quote(KEYWORD)
        browser.get(url)
        if page > 1:
            input = wait.until(
                EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-pager div.form > input')))
            submit = wait.until(
                EC.element_to_be_clickable((By.CSS_SELECTOR, '#mainsrp-pager div.form > span.btn.J_Submit')))
            input.clear()
            input.send_keys(page)
            submit.click()
        wait.until(
            EC.text_to_be_present_in_element((By.CSS_SELECTOR, '#mainsrp-pager li.item.active > span'), str(page)))
        wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,
### 使用 Selenium 抓取淘宝商品链接 为了使用 Selenium 实现对淘宝商品链接的抓取,需遵循几个重要步骤。这不仅涉及到了解页面结构和元素定位方法,还需要掌握如何处理动态加载的内容。 #### 准备工作 安装必要的库文件是第一步操作。确保环境中已安装 `selenium` 和浏览器驱动程序(如 ChromeDriver),以及用于解析 HTML 的工具包如 `lxml` 或者 `BeautifulSoup`[^1]。 ```bash pip install selenium lxml beautifulsoup4 ``` #### 页面分析 淘宝商品列表页通常由 JavaScript 动态渲染而成,这意味着普通的 HTTP 请求无法直接获得完整的HTML文档。而 Selenium 可以启动真实的浏览器实例来加载这些页面,并等待JavaScript完全执行完毕后再提取所需的数据[^2]。 #### 代码实现 下面是一个简单的 Python 脚本示例,展示了如何利用 Selenium 获取指定类目下所有可见的商品URL: ```python from selenium import webdriver import time def get_product_urls(keyword, max_pages=5): options = webdriver.ChromeOptions() options.add_argument('--headless') # 设置无头模式运行Chrome driver = webdriver.Chrome(options=options) base_url = f"https://list.tmall.com/search_product.htm?q={keyword}" product_links = [] try: page_num = 1 while True and page_num <= max_pages: url = f"{base_url}&s={(page_num-1)*60}" # 模拟分页参数 driver.get(url) # 等待页面加载完成 time.sleep(3) elements = driver.find_elements_by_css_selector(".product-title a") # 查找所有的产品链接标签 for element in elements: link = element.get_attribute('href') if "detail" in link: product_links.append(link.strip()) next_button = driver.find_element_by_link_text("下一页") if not next_button.is_enabled(): break page_num += 1 finally: driver.quit() return list(set(product_links)) # 去重返回最终结果集 if __name__ == "__main__": urls = get_product_urls("美食", max_pages=3) print(f"Fetched {len(urls)} unique URLs.") ``` 此脚本会打开一个隐藏版的 Google Chrome 浏览器窗口,访问给定的关键字对应的天猫搜索页面,并尝试遍历多页以收集尽可能多的有效商品链接。注意这里的例子是以天猫为例,因为淘宝部分功能可能需要登录验证,增加了复杂度[^3]。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值