python Selenium 爬蟲爬取京東搜尋頁資訊#
1. 什麼是 Selenium 框架？#
1.Selenium 是一個用於 Web 應用程式測試的工具。直接運行在瀏覽器中，就像真正的使用者在操作一樣
2. 支持的瀏覽器包括 IE、火狐、Safari、Google Chrome、Opera 等，覆蓋平台多
3. 自動化測試，js 動態爬蟲
2. 環境配置#
這裡我使用的是火狐瀏覽器驅動 geckodriver，如果你使用的是谷歌瀏覽器，你需要使用 chromedriver.
下載地址:geckodriver
注意這裡的瀏覽器驅動版本要與瀏覽器版本對應，建議驅動下載最新版本，瀏覽器更新到最新版本
這裡我下載的是geckodriver-v0.29.1-win64.zip1.44 MB
解壓後可以得到geckodriver.exe文件，將這個可執行文件添加到你的 python 安裝目錄下的Scripts文件夾中即可。如果你使用的是 anaconda，則需添加到Anaconda3中的Scripts文件夾中
在 cmd 裡輸入geckodriver 你可以得到
(crawler) C:\Users\HP>geckodriver 1630680105974 geckodriver INFO Listening on 127.0.0.1:4444
出現這樣的形式則表明安裝成功.
下載Selenium庫，使用 python 最常用命令pip install Selenium安裝 Selenium 框架
3. 程式編寫#
3.1 導入相關庫#
# 導入庫
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import time
3.2 模擬瀏覽器操作#
# 模擬瀏覽器訪問京東頁面，解決反爬蟲
def spider(url, keyword):
# 初始化瀏覽器
driver = webdriver.Firefox()
# 訪問網址
driver.get(url)
# time.sleep(2) # 20
try:
driver.implicitly_wait(10) # 隱式等待，確保節點完全加載出來，感受不到
# 搜索
# 定位搜索框
input_tag = driver.find_element_by_id('key')
# 模擬鍵盤輸入關鍵字
input_tag.send_keys(keyword)
# 模擬按下回車鍵搜索
input_tag.send_keys(Keys.ENTER)
get_goods(driver)
finally:
pass
# time.sleep(10)
# # 關閉瀏覽器 總會執行
# driver.close()
3.3 抓取需要的數據#
# 定位商品數據抓取
def get_goods(driver):
try:
# 定位到每一件商品
goods = driver.find_elements_by_class_name('gl-item')
# 商品名字 href 價格 評論
for good in goods:
p_name = good.find_element_by_css_selector('.p-name em').text.replace('\n', '')
detail_url = good.find_element_by_tag_name('a').get_attribute('href')
price = good.find_element_by_css_selector('.p-price i').text
p_commit = good.find_element_by_css_selector('.p-commit a').text
msg = """
商品:%s
鏈接:%s
價格:%s
評論:%s
""" % (p_name, detail_url, price, p_commit)
print(msg)
# with open("")
# 大量的數據
# 定位到下一頁
button = driver.find_element_by_partial_link_text('下一頁')
# 模擬點擊操作
button.click()
time.sleep(2)
get_goods(driver)
except Exception as e:
print(e)
3.4 程式入口#
if __name__ == '__main__':
spider('https://www.jd.com/', keyword='jk')
這裡輸入網址，keyword 是搜索關鍵字
4. 完整程式碼#
# 環境配置
"""
瀏覽器驅動 geckodriver
1630635571195 geckodriver INFO Listening on 127.0.0.1:4444
"""
# 導入庫
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
import time
# 模擬瀏覽器訪問京東頁面，解決反爬蟲
def spider(url, keyword):
# 初始化瀏覽器
driver = webdriver.Firefox()
# 訪問網址
driver.get(url)
# time.sleep(2) # 20
try:
driver.implicitly_wait(10) # 隱式等待，確保節點完全加載出來，感受不到
# 搜索
# 定位搜索框
input_tag = driver.find_element_by_id('key')
# 模擬鍵盤輸入關鍵字
input_tag.send_keys(keyword)
# 模擬按下回車鍵搜索
input_tag.send_keys(Keys.ENTER)
get_goods(driver)
finally:
pass
# time.sleep(10)
# # 關閉瀏覽器 總會執行
# driver.close()
# 定位商品數據抓取
def get_goods(driver):
try:
# 定位到每一件商品
goods = driver.find_elements_by_class_name('gl-item')
# 商品名字 href 價格 評論
for good in goods:
p_name = good.find_element_by_css_selector('.p-name em').text.replace('\n', '')
detail_url = good.find_element_by_tag_name('a').get_attribute('href')
price = good.find_element_by_css_selector('.p-price i').text
p_commit = good.find_element_by_css_selector('.p-commit a').text
msg = """
商品:%s
鏈接:%s
價格:%s
評論:%s
""" % (p_name, detail_url, price, p_commit)
print(msg)
# with open("")
# 大量的數據
# 定位到下一頁
button = driver.find_element_by_partial_link_text('下一頁')
# 模擬點擊操作
button.click()
time.sleep(2)
get_goods(driver)
except Exception as e:
print(e)
if __name__ == '__main__':
spider('https://www.jd.com/', keyword='jk')