爬虫实战：使用Selenium爬取京东宝贝信息

有些页面数据是采用Ajax获取的，但是这些Ajax接口参数比较复杂，可能会加入加密秘钥。对于这种页面，最方便的方法是通过selenium。可以用Selenium来模拟浏览器操作，抓取京东商品信息。
网页分析

今天用Selenium模拟浏览器来爬取信息。

输入框id为q

在Chrome浏览器中，选择搜索按钮，审查元素，找到搜索按钮所在位置，右键，选择copy,选择copy seletor 即可选择搜索按钮的css
本次选择结果为#search > div > div.form > button

输入宝贝名字：如内衣
然后网页拉到页末
同理找到页末100页的css路径
#J_bottomPage > span.p-skip > em:nth-child(1) > b

如图发现，每个商品都是一个Li标签。提取li标签css路径（ul包含所有商品）
css路径为#J_goodsList > ul > li

driver.find_elements_by_css_selector('#J_goodsList > ul > li')

得到的是 li:nth-child(1)， li:nth-child(2)…

提取商品信息如提取名字，选择某一商品的名字得到的css路径为
#J_goodsList > ul > li:nth-child(1) > div > div.p-name.p-name-type-2 > a > em
我们应修改为div > div.p-name.p-name-type-2 > a > em

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# @Author: yudengwu(余登武）
# @Date  : 2021/2/18
#@email:[email protected]
from selenium import webdriver
import time
import csv
import re

def search_product(key):
    driver.find_element_by_id('key').send_keys(key)
    driver.find_element_by_css_selector('#search > div > div.form > button').click()
    # 浏览器窗口最大化
    driver.maximize_window()
    time.sleep(3)
    # 找到页数的标签
    page = driver.find_element_by_css_selector('#J_bottomPage > span.p-skip > em:nth-child(1) > b').text
    page = re.findall('(\d+)', page)[0]
    return int(page)
def get_product():
    lis = driver.find_elements_by_css_selector('#J_goodsList > ul > li')#
    for li in lis:
        # 商品名称
        info = li.find_element_by_xpath('div/div[4]/a/em').text
        # 商品价格
        price = li.find_element_by_css_selector('div > div.p-price > strong > i').text + "元"
        #评价数
        evaluate=li.find_element_by_css_selector('div > div.p-commit > strong').text
        # 店铺名称
        name = li.find_element_by_css_selector('div > div.p-shop > span > a').text
        #图片超链接
        photo=li.find_element_by_css_selector('div > div.p-img > a > img').get_attribute('src')
        print(info, price, evaluate,name,photo,sep='|')
        with open('京东商品.csv', 'a', newline="") as fp:
            csvwriter = csv.writer(fp, delimiter=',')
            csvwriter.writerow([info, price, evaluate,name,photo])



def main():
    print('正在爬取第一页数据')

    page = search_product(keyword)
    get_product()
    page_num = 1
    #
    while page_num != page:
        print('-*-' * 10)
        print('正在爬取第{}页的数据'.format(page_num + 1))
        print('*-*' * 10)
        driver.get('https://search.jd.com/Search?keyword={}&wq={}&page={}&s=116&click=0'.format(keyword,keyword, page_num))
        # 浏览器等待方法
        driver.implicitly_wait(2)
        # 最大化浏览器
        driver.maximize_window()
        get_product()
        page_num += 1


if __name__ == '__main__':
    keyword = input("请输入你要商品的关键字:")
    path='D:\chromedriver_win32\chromedriver.exe'#驱动目录
    driver = webdriver.Chrome(path)
    driver.get('https://www.jd.com/?cu=true&utm_source=c.duomai.com&utm_medium=tuiguang&utm_campaign=t_16282_137005883&utm_term=5b4355c849464534ae6a958b61187471')
    main()

换一种商品试试

我们可以抓取京东上的所有商品