1. 前言
selenium 原本是一款自动化测试工具，因其出色的页面数据解析和用户行为模拟能力而常用于爬虫程序中，致使爬虫程序的爬取过程更简单、快捷。
爬虫程序与其它类型程序相比较，本质一样，为数据提供处理逻辑，只是爬虫程序的数据来源于 HTML 代码片段中。
怎样准确查找到页面中数据所在的标签（或叫节点、元素、组件）就成了爬虫程序的关键，只有这一步成立，后续的数据提取、清洗、汇总才有可能。
相比较于 Beaufulsoup 模块， selenium 底层依靠的是强大的浏览器引擎，在页面解析能力上颇有王者的从容和决绝。
本文将使用 selenium 自动摸拟用户的搜索行为，获取不同商城上同类型商品的价格信息，最终生成商品在不同商城上的价格差对比表。
本文通过实现程序流程讲解 selenium，只会讲解程序中涉及到的 selenium 功能。不会深究其它 selenium API 的细节。所以你在阅读本文时，请确定你对 selenium 有所一点点的了解。
2、程序设计流程
2.1 需求分析：
本程序实现了用户不打开浏览器、只需要输入一个商品关键字，便能全自动化的实现在不同商城中查找商品价格，并汇总出价格一些差异信息。
1、程序运行时，提示使用者输入需要搜索的商品关键字。
本程序仅为探研 selenium 的奇妙之处，感受其王者风范，没有在程序结构和界面上费心力。
2、使用 selenium 摸拟用户打开京东和苏宁易购首页。
为什么选择京东和苏宁易，而不选择淘宝?
因为这 2 个网站使用搜索功能时没有登录验证需要，可简化本程序代码。
3、使用 selenium 在首页的文本搜索框中自动输入商品关键字，然后自动触发搜索按钮的点击事件，进入商品列表页面。
4、使用 selenium 分析、爬取不同商城中商品列表页面中的商品名称和价格数据。
5、对商品的价格数据做简单分析后，使用 CSV 模块以文件方式保存。
主要分析商品在不同商城上的平均价格、最低价格、最高体系的差异。
当然，如果有需要，可以借助其它的模块或分析逻辑，得到更多的数据分析结论。
2.2 认识 selenium
虽然本文不深究 selenium API 的细节，但是，既然要用它，其使用流程还是要面面俱到。
1、安装：
selenium 是 python 第三库，使用前要安装，安装细节就没必要在此多费笔墨。
pip3 install selenium
除了安装 selenium 模块，还需要为它下载一个浏览器驱动程序，否则它无法工作。
什么是浏览器驱动程序？为什么需要它？
解释这个问题，需要从 selenium 的工作原理说起。
2、浅淡 selenium 的工作原理：
Beautiful soup 使用特定的解析器程序解析 HTML 页面。selenium 更干脆、直接借助浏览器的解析能力。通过调用浏览器的底层 API 完成页面数据查找，也是跪服了，不仅爬取，还可以向浏览器模拟用户行为发送操作指令。
有没有感觉浏览器就是 selenium 手中的牵线木偶（玩弄浏览器于股掌之中）。 selenium 的工作就是驱动浏览器，向浏览器发送指令或接收浏览的反馈，此过程中，浏览器驱动程序（webdriver）就起到了上传下达的作用。
典型的组件开发模式。
很显然，因不同浏览器的内核存在差异性，驱动程序必然也不相同，所以，下载驱动程序之前，请确定你使用的浏览器类型和版本。
本文使用谷歌浏览器，需要下载与谷歌浏览器对应的 webdriver 驱动程序。
进入 https://www.selenium.dev/downloads/ 网站，选择 python 语言，选择最新稳定版本。
请选择与正使用的浏览版本一致的驱动程序。
下载完毕后，指定一个驱动程序的存放目录，本文存放在 D:\chromedriver\chromedriver.exe 。也可存放在浏览器的安装目录。
2.3 功能函数设计
准备工作就绪后，开始编码：
导入程序所需要的模块，定义程序所需要的变量。
from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.common.by import By
import csv
import time
import math
# 浏览器对象
chrome_browser = None
# 商品关键字
search_keyword = None
# 保存在京东商城搜索到的商品数据，格式{商品名：价格}
jd_data = {}
# 保存在苏宁商城搜索到的商品数据，格式{商品名：价格}
sn_data = {}
- webdriver： 用来构建浏览器对象，从底层设计角度讲，是 selenium 和浏览器之间的接口层。selenium 向上为用户提供高级应用接口，向下通过 webdriver 和浏览器无障碍沟通。
- Service： webdriver 构建浏览器对象时的参数类型。
- By： ** 封装了查找页面组件的各种方式。selenium** 向开者提供了很多高级方法用来查询 HTML 页面组件，如通过元素 ID、样式、样式选择器、XPATH……By 封装了这些方案。
诸如：find_element_by_class_name( )、 find_element_by_id()、find_element_by_()、find_element_by_tag_name()、find_element_by_class_name()、find_element_by_xpath()、find_element_by_css_selector()
以上方法已经被标注为过时，请使用 find_element( ) 方法，配合 By 对象切换方式。
- csv： 用来把获取到的数据以 csv 格式保存。
- time： 时间模块，用来模拟网络延迟。
- math： 数学模块，辅助数据分析。
初始化函数：初始化浏览器对象和用户输入数据
'''
初始浏览器对象
'''
def init_data():
# 驱动程序存放路径
webdriver_path = r"D:\chromedriver\chromedriver.exe"
service = Service(webdriver_path)
# 构建浏览器对象
browser = webdriver.Chrome(service=service)
# 等待浏览器就绪
browser.implicitly_wait(10)
return browser
'''
初始用户输入的商品名称关键字
'''
def input_search_key():
info = input("请输入商品关键字:")
return info
查询京东商品信息。在京东商城查询商品，分两个步骤，在首页输入商品关键字，点击搜索后，在结果页面查询价格信息。完整代码如下：
'''
进入京东商城查询商品信息
'''
def search_jd():
global jd_data
products_names = []
products_prices = []
# 京东首页
jd_index_url = r"https://www.jd.com/"
# 打开京东首面
try:
if chrome_browser is None:
raise Exception()
else:
# 打开京东首页
chrome_browser.get(jd_index_url)
# 模拟网络延迟
chrome_browser.implicitly_wait(10)
# 找到文本输入组件
search_input = chrome_browser.find_element(By.ID, "key")
# 在文本框中输入商品关键字
search_input.send_keys(search_keyword)
chrome_browser.implicitly_wait(5)
# 找到搜索按钮 这里使用 CSS 选择器方案
search_button = chrome_browser.find_element(By.CSS_SELECTOR, "#search > div > div.form > button")
# 触发按钮事件
search_button.click()
chrome_browser.implicitly_wait(5)
# 获取所有打开的窗口（当点击按钮后应该有 2 个）
windows = chrome_browser.window_handles
# 切换新打开的窗口,使用负索引找到最后打开的窗口
chrome_browser.switch_to.window(windows[-1])
chrome_browser.implicitly_wait(5)
# 获取商品价格
product_price_divs = chrome_browser.find_elements(By.CLASS_NAME, "p-price")
for i in range(5):
div = product_price_divs[i]
if len(div.text) != 0:
# 删除价格前面的美元符号
products_prices.append(float(div.text[1:]))
# 获取商品名称
product_name_divs = chrome_browser.find_elements(By.CLASS_NAME, "p-name")
chrome_browser.implicitly_wait(10)
for i in range(5):
div = product_name_divs[i]
if len(div.text) != 0:
products_names.append(div.text)
jd_data = dict(zip(products_names, products_prices))
jd_data["平均价格"] = sum(products_prices) / len(products_prices)
jd_data["最低价格"] = min(products_prices)
jd_data["最高价格"] = max(products_prices)
# 使用 CSV 模块写入文档
csv_save("京东商城", jd_data)
except Exception as e:
print(e)
chrome_browser： 由 webdriver 构建出来的对浏览器映射的对象，selenium 通过此对象控制对浏览器的所有操作。
此对象有一个 find_element( ) 核心方法，用来查找（定位）HTML 页面元素。查找时，可以通过 By 对象指定查找的方式（这里使用了工厂设计模式）， By 的取值可以是 ID、CSS_SELECTOR、XPATH、CLASS_NAME、CSS_SELECTOR、TAG_NAME、LINK_TEX、PARTIAL_LINK_TEXT。
打开京东首页后，先定位定位文本搜索框和搜索按钮。
使用浏览器的开发者工具，检查到文本框的源代码是一段 input html 片段，为了精确地定位到此组件，一般先试着分析此组件有没有独有的属性或特征值，id 是一个不错的选择。html 语法规范 id 值应该是一个唯一值。
search_input = chrome_browser.find_element(By.ID, "key")
找到组件后，可以对此组件进行一系列操作，常用的操作：
- text 属性： 获取组件的文本内容。
- send_keys( ) 方法：为此组件赋值。
- get_attribute( ) 方法：获取组件的属性值。
这里使用 send_keys 给文本组件赋予用户输入商品关键字。
search_input.send_keys(search_keyword)
再查找搜索按钮组件：
按钮组件是一段 button html 代码，没有过于显著的特性属性值，为了找到这个唯一组件，可以使用 XPATH 或 CSS 选择器方式。右击此代码片段，在弹出的快捷菜单中找到“复制”命令，再找到此组件的 CSS选择器值。
search_button = chrome_browser.find_element(By.CSS_SELECTOR, "#search > div > div.form > button")
调用按钮组件的 click() 方法，模拟用户点击操作，此操作会打开新窗口，并以列表方式显示搜索出来的商品数据。
search_button.click()
selenium 接收到浏览器打开新窗后的反馈后，可以使用 window_handles 属性获取浏览器中已经打开的所有窗口，并以列表的方式存储每一个窗口的操作引用。
windows = chrome_browser.window_handles
对页面元素进行定位查找时，有一个当前窗口（当前可以、正在操作的窗口）的概念。刚开始是在首页窗口操作，现在要在搜索结果窗口中进行操作，所以要切换到刚打开的新窗口。使用负索引得到刚打开的窗口（刚打开的窗口一定是最后一个窗口）。
chrome_browser.switch_to.window(windows[-1])
注意，这时切换到了搜索结果窗口，便可以在这个窗口中搜索所需要组件。
在这个页面中，只需要获取前 5 名的商品具体信息，包括商品名、商品价格。至于具体要获取什么数据，可以根据自己的需要定夺。本程序只需要商品的价格和名称，则检查页面，找到对应的 html 片段。
商品名信息存放在一个 div 片段中，此 div 有一个值为 p-name 的 class 属性。可以使用 CSS-NAME 方式获取，因为所有的商品采用相同片段模板，这里使用 find_elements( ) 方法即可。
product_name_divs = chrome_browser.find_elements(By.CLASS_NAME, "p-name")
find_elements 方法返回具有相同 CSS-NAME 的组件列表，编写代码迭代出每一个组件，并获取数据，然后存储在商品名称列表中。
for i in range(5):
div = product_name_divs[i]
if len(div.text) != 0:
products_names.append(div.text)
以同样的方式，获取到价格数据。再把商品名称和价格数据制成字典，并对价格数据做简单分析。
jd_data = dict(zip(products_names, products_prices))
jd_data["平均价格"] = sum(products_prices) / len(products_prices)
jd_data["最低价格"] = min(products_prices)
jd_data["最高价格"] = max(products_prices)
csv_save("京东商城", jd_data)
以 CSV 格式存储从京东商城上爬取下来的数据。
获取苏宁易购上的商品数据。与从京东上获取数据的逻辑一样（两段代码可以整合到一个函数中，为了便于理解，本文分开编写）。两者的区别在于页面结构、承载数据的页面组件不一样或组件的属性设置不一样。
def search_sn():
global sn_data
# 保存商品名称
products_names = []
# 保存商品价格
products_prices = []
# 苏宁首页
sn_index_url = r"https://www.suning.com/"
try:
if chrome_browser is None:
raise Exception()
else:
# 打开首页
chrome_browser.get(sn_index_url)
# 摸拟网络延迟
chrome_browser.implicitly_wait(10)
# 查找文本输入组件
search_input = chrome_browser.find_element(By.ID, "searchKeywords")
# 在文本框中输入商品关键字
search_input.send_keys(search_keyword)
time.sleep(2)
# 找到搜索按钮 这里使用 CSS 选择器方案
search_button = chrome_browser.find_element(By.ID, "searchSubmit")
# 触发按钮事件
search_button.click()
time.sleep(3)
# 获取所有打开的窗口（当点击按钮后应该有 2 个）
windows = chrome_browser.window_handles
# 切换新打开的窗口,使用负索引找到最后打开的窗口
chrome_browser.switch_to.window(windows[-1])
chrome_browser.implicitly_wait(20)
# 获取商品价格所在标签
product_price_divs = chrome_browser.find_elements(By.CLASS_NAME, "def-price")
# 仅查看前 5 个商品信息
for i in range(5):
div = product_price_divs[i]
# 删除价格前面的美元符号
if len(div.text) != 0:
products_prices.append(float(div.text[1:]))
chrome_browser.implicitly_wait(10)
# 获取商品名称
product_name_divs = chrome_browser.find_elements(By.CLASS_NAME, "title-selling-point")
for i in range(5):
products_names.append(product_name_divs[i].text)
#
sn_data = dict(zip(products_names, products_prices))
sn_data["平均价格"] = sum(products_prices) / len(products_prices)
sn_data["最低价格"] = min(products_prices)
sn_data["最高价格"] = max(products_prices)
# 使用 CSV 模块写入文档
csv_save("苏宁商城", sn_data)
except Exception as e:
print(e)
获取到苏宁易购上的商品数据后，同样以 CSV 格式存储。
存储最终的分析结果。这里仅分析了两个商城上同类型商品的平均价格、最低价、最高价的差异性。
def price_result():
if len(jd_data) != 0 and len(sn_data) != 0:
with open("d:/商品比较表.csv", "w", newline='') as f:
csv_writer = csv.writer(f)
jd_name = list(jd_data.keys())
jd_price = list(jd_data.values())
sn_price = list(sn_data.values())
csv_writer.writerow(["比较项", "京东价格", "苏宁价格", "价格差"])
for i in range(5, len(jd_price)):
csv_writer.writerow([jd_name[i], jd_price[i], sn_price[i], math.fabs(jd_price[i] - sn_price[i])])
保存了两个商城上商品价格的平均值、最小值、最大值以及绝对差。
最终测试代码
if __name__ == '__main__':
search_keyword = input_search_key()
chrome_browser = init_data()
search_jd()
time.sleep(2)
search_sn()
price_result()
请输入商品关键字:华为meta 40
3. 总结
本文主要是应用 selenium 。通过应用过程对 selenium 做一个讲解，了解 selenium 的基本使用流程。数据分析并不是本文的重点。
如果要得到更全面的分析结果，则需要提供更多维度的数据分析逻辑。
到此这篇关于Pythonr基于selenium如何实现不同商城的商品价格差异分析系统的文章就介绍到这了,更多相关Pythonr selenium商品价格差异分析系统内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！