taobaoMeishiSpider 爬取淘宝美食数据

我的源码地址: https://github.com/miaochaoqing123/taobaoMeishiSpider

  
 

from time import sleep

import re

 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 pyquery import PyQuery as pq
 from config import *
 import pymongo
  
 client = pymongo.MongoClient(MONGO_URL)
 db = client[MONGO_DB]
  
 # driver = webdriver.Chrome()
 # 把config.py里设置的放入到PhantomJS
 driver = webdriver.PhantomJS(service_args=SERVICE_ARGS) # 用PhantomJS让程序后台运行
 # headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36"}
 wait = WebDriverWait(driver, 10)
  
 driver.set_window_size(1366, 768)
  
 # 模拟输入美食和点击搜索
 def search():
 print("正在搜索.....")
 try:
 driver.get('https://www.taobao.com/')
 # 输入框
 input_tb = wait.until(
 EC.presence_of_element_located((By.ID, 'q'))
 )
 # 搜索按钮
 submit_tb = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '#J_TSearchForm > div.search-button > button')))
 # driver.find_element_by_css_selector('#J_TSearchForm > div.search-button > button').click()
 input_tb.send_keys('美食')
 submit_tb.click()
 # sleep(3)
 # 取出总页数
 sleep(2)
 total = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.total')))
 get_products() # 调用下面的解析方法
 total = total.text
 total = int(re.compile('(\d+)').search(total).group(1))
 return total
 except TimeoutError:
 return search()
  
 # 下一页
 def next_page(page_number):
 print('正在翻第 '+ str(page_number) + '')
 try:
 # 找到页码的输入框
 input_tb = wait.until(
 EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > input'))
 )
 # 页码确定按钮
 submit_tb = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit')))
 # driver.find_element_by_css_selector('#J_TSearchForm > div.search-button > button').click()
 input_tb.clear() # 先清除里面的数字
 input_tb.send_keys(page_number) # 再输入页码
 submit_tb.click() # 点击确认,转入到下一页
 sleep(2)
 # 判断高亮是否为本页
 wait.until(EC.text_to_be_present_in_element((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > ul > li.item.active > span'),str(page_number)))
 get_products()
 except TimeoutError:
 # 如果出现TimeoutError的错误,则继续
 next_page(page_number)
  
 # 解析内容
 def get_products():
 wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-itemlist .items .item')))
 html = driver.page_source # 获得网页源码
 doc = pq(html)
 items = doc('#mainsrp-itemlist .items .item').items() # 得到所有的items
 for item in items:
 product = {
 'image': item.find('.pic .img').attr('src'),
 'price': item.find('.price').text(),
 'deal': item.find('.deal-cnt').text()[:-3],
 'title': item.find('.title').text(),
 'shop': item.find('.shop').text(),
 'location': item.find('.location').text()
 }
 print(product)
 save_to_mongo(product)
  
 def save_to_mongo(result):
 try:
 if db[MONGO_TABLE].insert(result):
 print("存储到MONGODB成功",result)
 except Exception:
 print("存储到MONGODB失败",result)
  
  
  
  
 def main():
 # 异常处理:无论程序有无出现异常,最后都要关闭浏览器
 try:
 total = search()
 print(total)
 # 用for循环遍历页码
 for i in range(2,total + 1):
 next_page(i)
 except Exception:
 print("出错了...")
 finally:
 driver.quit()
  
 if __name__ == '__main__':
 main()
 


评论
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