Selenium实战之Python+Selenium爬取京东商品数据

2024-07-12 01:57| 来源: 网络整理| 查看: 265

实战目标：爬取京东商品信息，包括商品的标题、链接、价格、评价数量。

代码核心在于这几个部分：

其一：使用元素定位来获取页面上指定需要抓取的关键字；其二：将页面上定位得到的数据永久存储到本地文件中。

具体来梳理一下从访问URL开始到爬取数据整个流程下来的各个节点我们都做了哪些工作。

爬取京东商品数据具体过程分析 1、准备接口数据 # 京东商城网址 url = 'https://www.jd.com/' 2、创建浏览器实例对象 # driver = webdriver.Firefox() # 创建 Firefox 浏览器实例对象 # driver = webdriver.Ie() # 创建 IE 浏览器实例对象 # driver = webdriver.Edge() # 创建 Edge 浏览器实例对象 # driver = webdriver.Safari() # 创建 Safari 浏览器实例对象 # driver = webdriver.Opera() # 创建 Opera 浏览器实例对象 driver = webdriver.Chrome() # 创建 Chrome 浏览器实例对象

通过 webdriver.Chrome() 创建浏览器实例对象后，会启动Chrome浏览器。在 Chrome() 方法中未传入任何参数，即默认使用参数 executable_path="chromedriver" ，executable_path表示的是浏览器驱动的位置，该参数默认浏览器驱动的位置是在Python安装目录下。如果浏览器驱动位置与默认位置不同，则 executable_path 参数需要传入驱动的实际位置，如：

driver = webdriver.Chrome(executable_path="D:/driver/chromedriver.exe") 2、访问URL # 浏览器访问地址 drver.get(url)

打开浏览器后driver调用get(url) 方法在地址栏中访问该网址。相当于在地址栏输入URL回车打开网址。

3、隐式等待、最大化浏览器窗口 # 隐式等待，确保动态内容节点被完全加载出来——时间感受不到 drver.implicitly_wait(3) # 最大化浏览器窗口，主要是防止内容被遮挡 drver.maximize_window()

先使用 implicitly_wait() 方法隐式等待浏览器将页面完全加载出来，再使用maximize_window()将浏览器窗口最大化，防止页面元素未加载出来或被遮挡而查找失败。

3、定位搜索框 # 通过id=key定位到搜索框 input_search = drver.find_element_by_id('key') # 在输入框中输入“口罩” input_search.send_keys(keyword) # 模拟键盘回车Enter操作进行搜索 input_search.send_keys(Keys.ENTER) # 强制等待3秒 sleep(3)

driver 先调用 find_element_by_id('key') 通过ID定位到该搜索框，再调用 sent_keys() 传入参数搜索关键字 keyword ，然后在sent_keys() 中传入 Keys.ENTER 模拟键盘回车键，最后再调用 sleep(3) 强制等待搜索内容加载出来。至此，定位搜索框->搜索框输入关键字->回车搜索，整个搜索流程就完成了。

4、定位元素（商品的标题、链接、价格、评价数量） # 获取当前第一页所有商品的li标签 goods = driver.find_elements_by_class_name('gl-item') for good in goods: # 获取商品标题 title = good.find_element_by_css_selector('.p-name em').text.replace('\n', '') # 获取商品链接 link = good.find_element_by_tag_name('a').get_attribute('href') # 获取商品价格 price = good.find_element_by_css_selector('.p-price strong').text.replace('\n', '') # 获取商品评价数量 commit = good.find_element_by_css_selector('.p-commit a').text

driver 通过调用 find_elements_by_class_name('gl-item') 方法定位 class=“gl-item” 到该页面所有商品的标签，再接着遍历所有的标签，分别通过不同定位方式查找到商品链接、商品标题、商品价格以及商品评价数量。

定位商品标题：通过 CSS选择器定位到该元素标签，再调用其属性 text 获取到标签内的文本内容（即商品标题），最后使用 replace() 方法使用空字符串代替换行符以达到去掉标题中的换行符的目的，这样完整的商品标题就成功获取了。

# 获取商品标题名称 title = good.find_element_by_css_selector('.p-name em').text.replace('\n',

【本文地址】

公司简介

联系我们