python实现某宝以图搜同款

# 代码说明：
'''
代码功能： 基于ChromeDriver爬取taobao（淘宝）平台商品列表数据
输入参数:  KEYWORLD --> 搜索商品“关键词”；
输出文件：爬取商品列表数据
        'Num'         ：序号
        'title'       ：商品标题
        'Price'       ：商品价格
        'Deal'        ：商品销量
        'Location'    ：地理位置
        'Shop'        ：商品
        'IsPostFree'  ：是否包邮
        'Title_URL'   ：商品详细页链接
        'Shop_URL'    ：商铺链接
        'Img_URL'     ：图片链接
'''
# 声明第三方库/头文件
from selenium import webdriver
from selenium.common.exceptions import TimeoutException
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
import time
import openpyxl as op               #导入Excel读写库
# import pyperclip
import win32clipboard
from io import BytesIO
from PIL import Image
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.keys import Keys
import sys

# 全局变量
count = 1                           # 写入Excel商品计数

# 启动ChromeDriver服务
options = webdriver.ChromeOptions()
# 关闭自动测试状态显示 // 会导致浏览器报：请停用开发者模式
options.add_experimental_option("excludeSwitches", ['enable-automation'])
# 把chrome设为selenium驱动的浏览器代理；
driver = webdriver.Chrome(options=options)
# 反爬机制
driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument",
                       {"source": """Object.defineProperty(navigator, 'webdriver', {get: () => undefined})"""})
driver.get('https://www.taobao.com')
# 窗口最大化
driver.maximize_window()
# wait是Selenium中的一个等待类，用于在特定条件满足之前等待一定的时间(这里是15秒)。
# 如果一直到等待时间都没满足则会捕获TimeoutException异常
wait = WebDriverWait(driver,10)
# 打开页面后会强制停止10秒，请在此时手动扫码登陆

# 在 Windows 系统中，可以使用 pywin32 将图像文件复制到剪贴板，pyperclip 主要用于复制文本内容
def copy_image_to_clipboard(image_path):
    # 打开图像文件
    image = Image.open(image_path)

    # 将图像转换为 BMP 格式
    output = BytesIO()
    image.convert('RGB').save(output, 'BMP')
    data = output.getvalue()[14:]  # BMP 文件头的前 14 字节需要跳过
    output.close()

    # 打开剪贴板
    win32clipboard.OpenClipboard()
    win32clipboard.EmptyClipboard()
    win32clipboard.SetClipboardData(win32clipboard.CF_DIB, data)  # CF_DIB 是 Windows 用于图像的格式
    win32clipboard.CloseClipboard()
 
 
# 根据图片，搜索
def search_goods(img_file):
    try:
        # 找到“搜同款”按钮
        print("准备开始以图搜物")
        search_image = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, ".search-suggest-image-search-out-icon")))
        search_image.click()
        
        # 复制图片到剪贴板
        copy_image_to_clipboard(img_file)
        time.sleep(3)
        image = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, ".image-search-success-img-wrapper")))

        # 模拟 Ctrl+V 粘贴操作
        actions = ActionChains(driver)
        actions.key_down(Keys.CONTROL,image).send_keys('v').key_up(Keys.CONTROL,image).perform()


        # 找到“搜索”按钮
        submit = wait.until(
            EC.element_to_be_clickable((By.CSS_SELECTOR, '#image-search-upload-button')))
        # 点击“搜索”按键
        submit.click()
        # 搜索商品后会再强制停止2秒，如有滑块请手动操作
        time.sleep(2)
        print("搜索完成！")
    except Exception as exc:
        print("search_goods函数错误！")
 

 
# 获取每一页的商品信息；
def get_goods():
    try:
        # 声明全局变量count
        global count
        # if input('确认界面加载完毕，输入数字“1”开始爬取-->') == 1:
        #     pass
        # 因为跳转新页面了，需要切换到新页面的窗口或标签页，然后才能获取新页面的 page_source
        # 获取所有窗口句柄
        time.sleep(10)
        window_handles = driver.window_handles
        # 切换到新窗口（假设新窗口是最后一个打开的）
        driver.switch_to.window(window_handles[-1])

        # 获取html网页
        print("开始获取商品信息")
        html = driver.page_source
        doc = pq(html)


        # 打开一个文件用于写入
        with open('output.txt', 'w', encoding='utf-8') as file:
            # 将 print 的输出重定向到文件
            sys.stdout = file
            
            # 所有 print 的内容都会写入文件
            print(doc)
        # 恢复标准输出
        sys.stdout = sys.__stdout__

        # 提取所有商品的共同父元素的类选择器
        items = doc('div.content--CUnfXXxv > div > a').items()

        for item in items:
            # 定位商品标题
            title = item.find('.title--qJ7Xg_90 span').text()
            # 定位价格
            price_int = item.find('.priceInt--yqqZMJ5a').text()
            price_float = item.find('.priceFloat--XpixvyQ1').text()
            if price_int and price_float:
                price = float(f"{price_int}{price_float}")
            else:
                price = 0.0
            # 定位交易量
            deal = item.find('.realSales--XZJiepmt').text()
            # 定位所在地信息
            location = item.find('.procity--wlcT2xH9 span').text()
            # 定位店名
            shop = item.find('.shopNameText--DmtlsDKm').text()
            # 定位包邮的位置
            postText = item.find('.subIconWrapper--Vl8zAdQn').text()
            postText = "包邮" if "包邮" in postText else "/"
            # 定位商品url
            t_url = item.find('.doubleCardWrapperAdapt--mEcC7olq')
            t_url = t_url.attr('href')
            # t_url = item.attr('a.doubleCardWrapperAdapt--mEcC7olq href')
            # 定位店名url
            shop_url = item.find('.TextAndPic--grkZAtsC a')
            shop_url = shop_url.attr('href')
            # 定位商品图片url
            img = item.find('.mainPicAdaptWrapper--V_ayd2hD img')
            img_url = img.attr('src')
            # 定位风格
            style_list = item('div.abstractWrapper--whLX5va5 > div').items()
            style = []
            for s in style_list:
                s_span = s('div.descBox--RunOO4S3 > span').text()
                if s_span != '':
                    style.append(s_span)
 
            # 构建商品信息字典
            product = {
                'Num':          count-1,
                'title':        title,
                'price':        price,
                'deal':         deal,
                'location':     location,
                'shop':         shop,
                'isPostFree':   postText,
                'url':          t_url,
                'shop_url':     shop_url,
                'img_url':      img_url
            }
            print(product)
            
            # 商品信息写入Excel表格中
            wb.cell(row=count, column=2, value=count-1)             # 序号
            wb.cell(row=count, column=3, value=title)               # 标题
            wb.cell(row=count, column=4, value=price)               # 价格
            wb.cell(row=count, column=5, value=deal)                # 付款人数
            wb.cell(row=count, column=6, value=location)            # 地理位置
            wb.cell(row=count, column=7, value=shop)                # 店铺名称
            wb.cell(row=count, column=8, value=postText)            # 是否包邮
            wb.cell(row=count, column=9, value=t_url)               # 商品链接
            wb.cell(row=count, column=10, value=shop_url)           # 商铺链接
            wb.cell(row=count, column=11, value=img_url)            # 图片链接
            for i in range(0,len(style)):
                wb.cell(row=count, column=12+i, value=style[i])     # 风格1~3
            count += 1                                              # 下一行
    except Exception:
        print("get_goods函数错误！")
 

 
# 爬虫main函数
def Crawer_main():
    try:
        # 搜索KEYWORD
        search_goods('4.png')
        # 爬取商品信息
        get_goods()
    except Exception as exc:
        print("Crawer_main函数错误！")
 
 
 
if __name__ == '__main__':
    # 建立Excel表格
    try:
        ws = op.Workbook()                                  # 创建Workbook
        wb = ws.create_sheet(index=0)                       # 创建worsheet
        # Excel第一行：表头
        title_list = ['Page', 'Num', 'title', 'Price', 'Deal', 'Location', 'Shop', 'IsPostFree', 'Title_URL',
                      'Shop_URL', 'Img_URL', 'Style_1', 'Style_2', 'Style_3']
        for i in range(0, len(title_list)):
            wb.cell(row=count, column=i + 1, value=title_list[i])
        count += 1  # 从第二行开始写爬取数据
        print("Excel建立！")
    except Exception as exc:
        print("Excel建立失败！")
 
    # 开始爬取数据
    Crawer_main()
 
    # 保存Excel表格
    data = time.strftime('%Y%m%d-%H%M', time.localtime(time.time()))
    Filename = "No.{}_FromTB.xlsx".format(data)
    ws.save(filename = Filename)
    print(Filename + "存储成功~")