python 爬取淘宝商品

最新推荐文章于 2024-12-02 09:23:51 发布

小菜菜1223

最新推荐文章于 2024-12-02 09:23:51 发布

阅读量305

点赞数

CC 4.0 BY-SA版权

分类专栏： python 爬虫

本文链接：https://blog.youkuaiyun.com/qq_40771567/article/details/81076527

python 同时被 2 个专栏收录

88 篇文章

订阅专栏

爬虫

14 篇文章

订阅专栏

本文介绍了一种使用Python Selenium和PyQuery实现的网页爬虫技术，该爬虫用于抓取淘宝网上特定商品（如iPad）的详细信息，包括图片、价格、销量等，并通过Chrome浏览器的无头模式进行页面加载，确保了爬虫运行的隐蔽性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#coding:utf-8
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 pyquery import PyQuery as pq
from urllib.parse import quote
import json

#---------------配置webdriver加载浏览器不会弹出----------------------------
chrome_options = webdriver.ChromeOptions()
chrome_options.add_argument('--headless')
browser = webdriver.Chrome(chrome_options=chrome_options)


#---------------显示等待时间--------------------------
wait = WebDriverWait(browser, 10)
#client = pymongo.MongoClient(MONGO_URL)
#db = client[MONGO_DB]


h=open('taobao.txt','a',encoding='utf-8')

def index_page(page):
    print('正在爬取第', page, '页')
    try:
        url = 'https://s.taobao.com/search?q=' + quote('ipad') #----------------------可以更改商品
        print (url)
        browser.get(url)
        if page > 1:
            input = wait.until(
                EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-pager div.form > input')))  #寻找输入框以及按钮
            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)))   #判断高亮
        wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '.m-itemlist .items .item')))
        get_products()
    except TimeoutException:
        index_page(page)


def get_products():
    html = browser.page_source
    doc = pq(html)
    items = doc('#mainsrp-itemlist .items .item').items()
    for item in items:
        product = {
            'image': item.find('.pic .img').attr('data-src'),
            'price': item.find('.price').text(),
            'deal': item.find('.deal-cnt').text,
            'title': item.find('.title').text(),
            'shop': item.find('.shop').text(),
            'location': item.find('.location').text()
        }
        print(product)
        save(product)


def save(result):
    h.write(str(result))
def main():
    for i in range(1, 3):#--------------可以更改页数
        index_page(i)
    browser.close()


if __name__ == '__main__':
    main()

需要安装相关包。