明霞山资源网 Design By www.htccd.com
进入淘宝网,分别按综合、销量排序抓取100页的所有商品的列表信息。
1、按综合
import re
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 #获取整个网页的源代码
from config import * #可引用congif的所有变量
import pymongo
import pymysql
# client=pymongo.MongoClient(MONGO_URL)
# db = client[MONGO_DB]
# 按综合排序 100页
# 打开淘宝链接,输入‘美食',搜索
# 自动翻页:先得到总页数,再转到 _ 页,确定
#
# browser = webdriver.PhantomJS(service_args=SERVICE_ARGS)
# browser =webdriver.Chrome()
browser = webdriver.Firefox()
wait = WebDriverWait(browser,10)
def search():
print('正在搜索...')
try:
browser.get('https://www.taobao.com') #用这个网页'https://s.taobao.com',无法输入keywords
input=wait.until(
EC.presence_of_element_located((By.CSS_SELECTOR,'#q')) #打开淘宝,右击查看元素,定位到搜索框,选择对应代码,复制-CSS选择器,其实就是‘#q'。
)
submit=wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,'#J_TSearchForm > div.search-button > button')))
input.send_keys(KEYWORD) #模拟操作,输入内容
submit.click() #点击提交
total = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#mainsrp-pager > div > div > div > div.total'))) #页数
return total.text
except TimeoutException :
return search()
# 翻页
def next_page(page_number):
print('正在翻页',page_number)
try:
input = wait.until(
# 输入框
EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > input')) # 打开淘宝,右击查看元素,定位到搜索框,选择对应代码,复制-CSS选择器,其实就是‘#q'。
)
# 搜索按钮
submit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit'))) #未修改
input.clear()
input.send_keys(page_number) # 模拟操作,输入页码
submit.click()
#判断翻页是否成功,找到高亮页码数,由数子判断
wait.until(EC.text_to_be_present_in_element((By.CSS_SELECTOR ,'#mainsrp-pager > div > div > div > ul > li.item.active > span'), str(page_number)))
get_products()
except TimeoutException :
next_page(page_number)
# 解析,获取每页的商品并输出
def get_products():
wait.until(EC.presence_of_all_elements_located((By.CSS_SELECTOR,'#mainsrp-itemlist .items .item'))) #加载所有宝贝
html=browser.page_source
doc = pq(html)
items = doc('#mainsrp-itemlist .items .item').items()
for item in items:
product = {
# 'picture':item.find('.pic .img').attr('src'),#用find去获取内部元素,选择器是 pic,img,用attr获取属性
'image': item.find('.pic .img').attr('data-src'), # 用find去获取内部元素,选择器是 pic,img,用attr获取属性
'shop_id': item.find('.shop').find('a').attr('data-userid'), # 店铺 id
'data_id': item.find('.shop').find('a').attr('data-nid'), # 商品 id
'link': item.find('.pic-box-inner').find('.pic').find('a').attr['href'],
'price':item.find('.price').text()[1:-3], # 用text获取内容
'deal':item.find('.deal-cnt').text()[:-3],
'title':item.find('.title').text().replace(' ',''),
'shop':item.find('.shop').text(),
'location':item.find('.location').text()
}
# print(product)
# print(product['location'])
save_to_mysql(product)
'''''
def main():
try:
# search()
total=search() # 此时 total = ‘共 100 页,'
total=int(re.compile('(\d+)').search(total).group(1)) # 用正则表达式提取数字100
# print(total)
for i in range(2,total+1):
next_page(i)
except Exception:
print('出错啦')
finally: # 不管有没有异常,都要执行此操作
browser.close() # 关浏览器
'''
def main():
total=search()
total=int(re.compile('(\d+)').search(total).group(1))
for i in range(2,total+1):
next_page(i)#显示当前爬取网页的页数
print ('搞定%d'%i)
def save_to_mysql(product):
# print(product['location'])
#,use_unicode = False
try:
conn = pymysql.connect(host='localhost', user='root', passwd=' ', db='test1', port=3306,charset='utf8' )
cur = conn.cursor() # 创建一个游标对象
sql = """INSERT INTO women_clothes_zonghe VALUES (%s,%s,%s,%s,%s,%s,%s,%s,%s)"""
cur.execute(sql, (product['shop_id'],product['shop'], product['link'],product['data_id'], product['title'], product['price'], product['location'],product['deal'],product['image']))
# cur.execute(sql)
print('- - - - - 数据保存成功 - - - - -')
cur.close()
conn.commit()
conn.close() # 关闭数据
except pymysql.Error as e:
print(e)
if __name__=='__main__':
# 连接数据库
conn = pymysql.connect(host='localhost', user='root', passwd=' ', db='test1', port=3306,charset="utf8")
cur = conn.cursor() # 创建一个游标对象
cur.execute("DROP TABLE IF EXISTS women_clothes_zonghe") # 如果表存在则删除
# 创建表sql语句
sqlc = """CREATE TABLE women_clothes_zonghe(
shop_id VARCHAR(500),
shop VARCHAR(500),
link VARCHAR(1000),
data_id varchar(100),
title VARCHAR(1000),
price VARCHAR(500),
location VARCHAR(500),
deal VARCHAR(500),
image VARCHAR(1000)
)"""
cur.execute(sqlc) # 执行创建数据表操作
main()
2、按销量
import re
from bs4 import BeautifulSoup
from pyquery import PyQuery as pq #获取整个网页的源代码
from config import * #可引用congif的所有变量
import pymongo
import pymysql
import urllib
import requests
import json
import bs4
from selenium import webdriver
from pyquery import PyQuery as pq #获取整个网页的源代码
# 完整爬取所有页面的商品信息 共100页 按销量排序
browser = webdriver.Firefox()
wait = WebDriverWait(browser,10)
def get_url(keyword):
url_str = urllib.parse.quote(keyword)
i = 0
for j in range(100):
yield{
'url':('https://s.taobao.com/search"insert into women_clothes_sales2 values (%s,%s,%s,%s,%s,%s,%s,%s,%s)"
cur.execute(sql,(product['shop_id'],product['shop'],product['link'],product['data_id'],product['title'],product['price'],product['location'],product['deal'],product['image']))
print('- - - 数据保存成功 - - - ')
cur.close()
conn.commit()
conn.close()
except pymysql.Error as e:
print(e)
def main():
keyword = '女装'
links = get_url(keyword) # 字典
# 获取每页的 url
for link in links:
# print(link)
url = link['url']
#解析页面
# soup = get_html(url)
# print(soup)
# get_detail(soup,url)
get_products(url)
if __name__=='__main__':
conn = pymysql.connect(host='localhost',user = 'root',passwd=' ',db='test1',port = 3306,charset='utf8')
cur = conn.cursor()
cur.execute('Drop table if exists women_clothes_sales2')
sqlc = "create table women_clothes_sales2(shop_id varchar(100),shop varchar(500),link varchar(1000),data_id varchar(100),title varchar(500),price varchar(200),location varchar(100),deal varchar(100),image varchar(1000))"
cur.execute(sqlc)
cur.close()
conn.commit()
conn.close()
main()
更多内容请参考专题《python爬取功能汇总》进行学习。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
明霞山资源网 Design By www.htccd.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
明霞山资源网 Design By www.htccd.com
暂无评论...
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?