python爬取天猫_Python爬取天猫商品数据

使用教程点击这里下载下载chrome浏览器

查看chrome浏览器的版本号，点击这里下载对应版本号的chromedriver驱动

pip安装下列包pip install selenium

pip install pyquery

点击这里登录微博，并通过微博绑定淘宝账号密码

在main中填写chromedriver的绝对路径

在main中填写微博账号密码

#改成你的chromedriver的完整路径地址

chromedriver_path = "/Users/bird/Desktop/chromedriver.exe"

#改成你的微博账号

weibo_username = "改成你的微博账号"

#改成你的微博密码

weibo_password = "改成你的微博密码"

演示图片

# -*- coding: utf-8 -*-

from selenium import webdriver

from selenium.webdriver.common.by import By

from selenium.webdriver.support.ui import WebDriverWait

from selenium.webdriver.support import expected_conditions as EC

from selenium.webdriver import ActionChains

from pyquery import PyQuery as pq

from time import sleep

#定义一个taobao类

class taobao_infos:

#对象初始化

def __init__(self):

url = 'https://login.taobao.com/member/login.jhtml'

self.url = url

options = webdriver.ChromeOptions()

options.add_experimental_option("prefs", {"profile.managed_default_content_settings.images": 2}) # 不加载图片,加快访问速度

options.add_experimental_option('excludeSwitches', ['enable-automation']) # 此步骤很重要，设置为开发者模式，防止被各大网站识别出来使用了Selenium

self.browser = webdriver.Chrome(executable_path=chromedriver_path, options=options)

self.wait = WebDriverWait(self.browser, 10) #超时时长为10s

#延时操作,并可选择是否弹出窗口提示

def sleep_and_alert(self,sec,message,is_alert):

for second in range(sec):

if(is_alert):

alert = "alert(\"" + message + ":" + str(sec - second) + "秒\")"

self.browser.execute_script(alert)

al = self.browser.switch_to.alert

sleep(1)

al.accept()

else:

sleep(1)

#登录淘宝

def login(self):

# 打开网页

self.browser.get(self.url)

# 自适应等待，点击密码登录选项

self.browser.implicitly_wait(30) #智能等待，直到网页加载完毕，最长等待时间为30s

self.browser.find_element_by_xpath('//*[@class="forget-pwd J_Quick2Static"]').click()

# 自适应等待，点击微博登录宣传

self.browser.implicitly_wait(30)

self.browser.find_element_by_xpath('//*[@class="weibo-login"]').click()

# 自适应等待，输入微博账号

self.browser.implicitly_wait(30)

self.browser.find_element_by_name('username').send_keys(weibo_username)

# 自适应等待，输入微博密码

self.browser.implicitly_wait(30)

self.browser.find_element_by_name('password').send_keys(weibo_password)

# 自适应等待，点击确认登录按钮

self.browser.implicitly_wait(30)

self.browser.find_element_by_xpath('//*[@class="btn_tip"]/a/span').click()

# 直到获取到淘宝会员昵称才能确定是登录成功

taobao_name = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '.site-nav-bd > ul.site-nav-bd-l > li#J_SiteNavLogin > div.site-nav-menu-hd > div.site-nav-user > a.site-nav-login-info-nick ')))

# 输出淘宝昵称

print(taobao_name.text)

# 获取天猫商品总共的页数

def search_toal_page(self):

# 等待本页面全部天猫商品数据加载完毕

good_total = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#J_ItemList > div.product > div.product-iWrap')))

#获取天猫商品总共页数

number_total = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '.ui-page > div.ui-page-wrap > b.ui-page-skip > form')))

page_total = number_total.text.replace("共","").replace("页，到第页 确定","").replace("，","")

return page_total

# 翻页操作

def next_page(self, page_number):

# 等待该页面input输入框加载完毕

input = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '.ui-page > div.ui-page-wrap > b.ui-page-skip > form > input.ui-page-skipTo')))

# 等待该页面的确定按钮加载完毕

submit = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '.ui-page > div.ui-page-wrap > b.ui-page-skip > form > button.ui-btn-s')))

# 清除里面的数字

input.clear()

# 重新输入数字

input.send_keys(page_number)

# 强制延迟1秒，防止被识别成机器人

sleep(1)

# 点击确定按钮

submit.click()

# 模拟向下滑动浏览

def swipe_down(self,second):

for i in range(int(second/0.1)):

js = "var q=document.documentElement.scrollTop=" + str(300+200*i)

self.browser.execute_script(js)

sleep(0.1)

js = "var q=document.documentElement.scrollTop=100000"

self.browser.execute_script(js)

sleep(0.2)

# 爬取天猫商品数据

def crawl_good_data(self):

# 对天猫商品数据进行爬虫

self.browser.get("https://list.tmall.com/search_product.htm?q=羽毛球")

# 获取天猫商品总共的页数

page_total = self.search_toal_page()

print("总共页数" + page_total)

# 遍历所有页数

for page in range(2,int(page_total)):

# 等待该页面全部商品数据加载完毕

good_total = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#J_ItemList > div.product > div.product-iWrap')))

# 等待该页面input输入框加载完毕

input = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '.ui-page > div.ui-page-wrap > b.ui-page-skip > form > input.ui-page-skipTo')))

# 获取当前页

now_page = input.get_attribute('value')

print("当前页数" + now_page + ",总共页数" + page_total)

# 获取本页面源代码

html = self.browser.page_source

# pq模块解析网页源代码

doc = pq(html)

# 存储天猫商品数据

good_items = doc('#J_ItemList .product').items()

# 遍历该页的所有商品

for item in good_items:

good_title = item.find('.productTitle').text().replace('\n',"").replace('\r',"")

good_status = item.find('.productStatus').text().replace(" ","").replace("笔","").replace('\n',"").replace('\r',"")

good_price = item.find('.productPrice').text().replace("¥", "").replace(" ", "").replace('\n', "").replace('\r', "")

good_url = item.find('.productImg').attr('href')

print(good_title + " " + good_status + " " + good_price + " " + good_url + '\n')

# 精髓之处，大部分人被检测为机器人就是因为进一步模拟人工操作

# 模拟人工向下浏览商品，即进行模拟下滑操作，防止被识别出是机器人

self.swipe_down(2)

# 翻页，下一页

self.next_page(page)

# 等待滑动验证码出现,超时时间为5秒，每0.5秒检查一次

# 大部分情况不会出现滑动验证码，所以如果有需要可以注释掉下面的代码

# sleep(5)

WebDriverWait(self.browser, 5, 0.5).until(EC.presence_of_element_located((By.ID, "nc_1_n1z"))) #等待滑动拖动控件出现

try:

swipe_button = self.browser.find_element_by_id('nc_1_n1z') #获取滑动拖动控件

#模拟拽托

action = ActionChains(self.browser) # 实例化一个action对象

action.click_and_hold(swipe_button).perform() # perform()用来执行ActionChains中存储的行为

action.reset_actions()

action.move_by_offset(580, 0).perform() # 移动滑块

except Exception as e:

print ('get button failed: ', e)

if __name__ == "__main__":

# 使用之前请先查看当前目录下的使用说明文件README.MD

# 使用之前请先查看当前目录下的使用说明文件README.MD

# 使用之前请先查看当前目录下的使用说明文件README.MD

chromedriver_path = "/Users/bird/Desktop/chromedriver.exe" #改成你的chromedriver的完整路径地址

weibo_username = "改成你的微博账号" #改成你的微博账号

weibo_password = "改成你的微博密码" #改成你的微博密码

a = taobao_infos()

a.login() #登录

a.crawl_good_data() #爬取天猫商品数据