scrapy+selenium爬取淘宝

最新推荐文章于 2025-06-13 15:32:18 发布

置顶

Amirhuang

最新推荐文章于 2025-06-13 15:32:18 发布

阅读量1.2k

点赞数 3

CC 4.0 BY-SA版权

分类专栏：爬虫-python3

本文链接：https://blog.youkuaiyun.com/qq_40154483/article/details/80325412

该博客介绍了如何结合Scrapy和Selenium爬取淘宝网站的商品信息。通过Scrapy设置请求和解析函数，利用Selenium的PhantomJS浏览器模拟页面加载，动态获取翻页后的商品详情，包括价格、标题、店铺、图片、销量和产地等信息。最后，数据被存储到MongoDB数据库中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

------------------taobao.py---------------------

# -*- coding: utf-8 -*-
import scrapy
from scrapy import Request
from urllib.parse import quote
from ..items import ScrapyseleniumtestItem


class TaobaoSpider(scrapy.Spider):


    name = 'tao_bao'
    allowed_domains = ['www.taobao.com']
    base_url = 'https://s.taobao.com/search?q='

    def start_requests(self):
        # 通过self.settings.get（）的方式获取setting里面的参数
        for keyword in self.settings.get('KEYWORDS'):
            for page in range(1, self.settings.get('MAX_PAGE') + 1):
                url = self.base_url + quote(keyword)
                # 通过meta={'键':"值"},传递你接下来需要的数据
                yield Request(url=url,
                              callback=self.parse,
                              meta={
  
  'page':page},
                              dont_filter=True)

    def parse(self, response):
        # xpath中class中有空格(class="J_ItemPic img") 可以使用contains(@class,'img')
        products = response.xpath(
            '//div[@id="mainsrp-itemlist"]//div[@class="items"]//div[contains(@class, "item")]')
        for product in products:
            item = ScrapyseleniumtestItem()
            item['price'] = ''.join(product.xpath(
                './/div[contains(@class, "price")]//text()').extract()).strip()
            item['title'] = ''.join(product.xpath(
                './/div[contains(@class, "title")]//text()').extract()).strip()
            item['shop'] = ''.join(product.xpath(