python Selenium爬虫爬取京东搜索页信息

python Selenium 爬虫爬取京东搜索页信息#

1. 什么是 Selenium 框架？#

1.Selenium 是一个用于 Web 应用程序测试的工具。直接运行在浏览器中，就像真正的用户在操作一样

2. 支持的浏览器包括 IE, 火狐，Safari, Google Chrome, Opera 等，覆盖平台多

3. 自动化测试，js 动态爬虫

2. 环境配置#

这里我使用的是火狐浏览器驱动 geckodriver, 如果你使用的是谷歌浏览器，你需要使用 chromedriver.

下载地址:geckodriver

注意这里的浏览器驱动版本要与浏览器版本对应，建议驱动下载最新版本，浏览器更新到最新版本

这里我下载的是geckodriver-v0.29.1-win64.zip1.44 MB

解压后可以得到geckodriver.exe文件，将这个可执行文件添加的你的 python 安装目录下的Scripts文件夹中即可。若你使用的是 anaconda, 则需添加到Anaconda3 中的Scripts文件夹中

在 cmd 里输入geckodriver 你可以得到

(crawler) C:\Users\HP>geckodriver 1630680105974 geckodriver INFO Listening on 127.0.0.1:4444

出现这样的形式则表明安装成功.

下载Selenium库，使用 python 最常用命令pip install Selenium安装 Selenium 框架

3. 代码编写#

3.1 导入相关库#

# 导入库
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import time

3.2 模拟浏览器操作#

# 模拟浏览器访问京东页面,解决反爬虫
def spider(url, keyword):
    # 初始化浏览器
    driver = webdriver.Firefox()
    # 访问网址
    driver.get(url)
    # time.sleep(2) # 20
    try:
        driver.implicitly_wait(10)  # 隐式等待,确保节点完全加载出来,感受不到

        # 搜索
        # 定位搜索框
        input_tag = driver.find_element_by_id('key')
        # 模拟键盘输入关键字
        input_tag.send_keys(keyword)
        # 模拟按下回车键搜索
        input_tag.send_keys(Keys.ENTER)
        get_goods(driver)
    finally:
        pass
        # time.sleep(10)
        # # 关闭浏览器  总会执行
        # driver.close()

3.3 抓取需要的数据#

# 定位商品数据抓取
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 价格 评论
        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
            链接:%s
            价格:%s
            评论:%s
            """ % (p_name, detail_url, price, p_commit)
            print(msg)
            # with open("")
    # 大量的数据
        # 定位到下一页
        button = driver.find_element_by_partial_link_text('下一页')
        # 模拟点击操作
        button.click()
        time.sleep(2)
        get_goods(driver)

    except Exception as e:
        print(e)

3.4 程序入口#

if __name__ == '__main__':
    spider('https://www.jd.com/', keyword='jk')

这里输入网址，keyword 是搜索关键字

4. 完整代码#

# 环境配置
"""
浏览器驱动 geckodriver
1630635571195   geckodriver     INFO    Listening on 127.0.0.1:4444
"""

# 导入库
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


# 模拟浏览器访问京东页面,解决反爬虫
def spider(url, keyword):
    # 初始化浏览器
    driver = webdriver.Firefox()
    # 访问网址
    driver.get(url)
    # time.sleep(2) # 20
    try:
        driver.implicitly_wait(10)  # 隐式等待,确保节点完全加载出来,感受不到

        # 搜索
        # 定位搜索框
        input_tag = driver.find_element_by_id('key')
        # 模拟键盘输入关键字
        input_tag.send_keys(keyword)
        # 模拟按下回车键搜索
        input_tag.send_keys(Keys.ENTER)
        get_goods(driver)
    finally:
        pass
        # time.sleep(10)
        # # 关闭浏览器  总会执行
        # driver.close()


# 定位商品数据抓取
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 价格 评论
        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
            链接:%s
            价格:%s
            评论:%s
            """ % (p_name, detail_url, price, p_commit)
            print(msg)
            # with open("")
    # 大量的数据
        # 定位到下一页
        button = driver.find_element_by_partial_link_text('下一页')
        # 模拟点击操作
        button.click()
        time.sleep(2)
        get_goods(driver)

    except Exception as e:
        print(e)


if __name__ == '__main__':
    spider('https://www.jd.com/', keyword='jk')