淘宝一键抢拍,selenium爬取淘宝商品

使用Selenium爬取淘宝商品(绕过登录页面)

用Selenium来模拟浏览器操作,抓取淘宝商品信息,并将结果保存到MongoDB。

1.准备工作

本文以chrome为例来讲解Selenium的用法。在开始之前,请确保已经正确安装好了Chrome浏览器并配置好了ChromeDriver;另外,还需要正确安装Python的Selenium库。

2.接口分析

首先,我们来打开淘宝的接口,观察一下它的ajax请求。

打开淘宝页面,搜索商品,比如ipad,此时打开开发者工具,查看Ajax请求,我们可以发现,根本没有Ajax请求,如图

淘宝一键抢拍,selenium爬取淘宝商品

抓取入口就是淘宝的搜索页面,这个链接可以通过直接构造参数访问。例如,如果搜ipad,就可以直接访问https://s.taobao.com/search?q=ipad,呈现的就是第一页的搜索结果,如图所示

淘宝一键抢拍,selenium爬取淘宝商品

在页面下方,有一个分页导航,其中既包括前5页的链接,也包括下一个的链接,同时还有一个输入任意页码跳转的链接,如图

淘宝一键抢拍,selenium爬取淘宝商品

这里商品搜索的结果一般最大都是100页,要获取每一页的内容,只需要将页码从1到100顺序遍历即可,页码数是确定的。所以,直接在页面跳转文本框中输入要跳转的页码,然后点击“确定”按钮即可跳转到页码对应的页面。

这里不直接点击“下一页”的原因是:一旦爬取过程中出现异常退出,比如到50页退出了,此时点击“下一页”时,就无法快速切换到对应的后续页面了。此外,在爬取过程中,也需要记录当前的页码数,而且点击“下一页”之后页面加载失败,还需要做异常检测,检测当前页面是加载到了第几页。整个流程比较复杂,所以我们这里直接用跳转的方式来爬取页面。

当我们成功的加载出某一页商品列表时,利用Selenium即可获取页面源代码,然后再用相应的解析库解析即可。这里我们选用pyquery解析。下面我们用代码实现整个抓取过程。

4.获取商品列表

首先,需要构造一个抓取的URL:https://s.taobao.com/search?q=ipad。这个URL非常简洁,参数q就是要搜索的关键字。只要改变这个参数,即可获取不同的商品列表。这里我们将商品的关键字定义成一个变量,然后构造出这样的一个URL。

然后就需要用Selenium进行抓取了。我们实现了如下抓取列表页的方法:

from selenium import webdriverfrom selenium.common.Exceptions import TimeoutExceptionfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWaitfrom urllib.parse import quoteimport timebrowser = webdriver.Chrome()wait = WebDriverWait(browser,10)KEYWORD = ‘ipad’def index_page(page): “”” 抓取索引页 :param page: 页码 “”” print(‘正在爬取第’,page,’页’) try: url = ‘https://s.taobao.com/search?q=’ quote(KEYWORD) browser.get(url) if page>1: input = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,’#mainsrp-pager div.form > input’))) submit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,’#mainsrp-pager div.form > span.btn.J_Submit’))) input.clear() input.send_keys(page) submit.click() wait.until(EC.text_to_be_present_in_element((By.CSS_SELECTOR,’#mainsrp-pager li.item.active > span’),str(page))) wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,’.m-itemlist .items .item’))) get_products() except TimeoutException: index_page(page)

这里首先构造了一个WebDriver对象,使用的浏览器是Chrome,然后指定一个关键词,如ipad,接着定义了index_age()方法,用于抓取商品列表页。

在该方法里,我们首先访问了搜索商品的链接,然后判断了当前的页码,如果大于1,就进行跳页操作,否则等待页面加载完成。

等待加载时,我们使用了WebDriverWait对象,它可以指定等待条件,同时指定一个最长等待时间,这里指定为10s。如果在这个时间内成功匹配了等待条件,也就是说页面元素成功加载出来了,就立即返回相应结果并继续向下执行,否则到了最大等待时间还没有加载出来时,就直接抛出超时异常。

比如,我们最终要等待商品信息加载出来,就指定了presnece_of_element_located这个条件,然后传入了.m-itemlist .items .item这个选择器,而这个选择器对应的页面内容就是每个商品的信息块,可以在网页中查看。如果加载成功,就会执行后续的get_products()方法,提取商品信息。

关于翻页操作,这里首先获取页码输入框,赋值为input,然后获取“确定”按钮,赋值为submit,分别是图中的两个元素。

淘宝一键抢拍,selenium爬取淘宝商品

可以发现,它是一个img节点,包含id、class、data-src、alt和src属性,这里之所以可以看到这样图片,是因为它的src属性被赋值为图片的URL。把它的src属性提取出来,就可以获取商品的完整图片了。不过我们还注意data-src属性,它的图片内容也是图片的URL,观察后发现此URL是图片的完整大图,而src是压缩后的小图,所以这里抓取data-src属性来作为商品的图片。

因此,我们需要先利用find()方法找到图片的这个节点,然后再调用attr()方法获取商品的data-src属性,这样就成功提取了商品的链接。然后用同样的方法提取商品的价格、成交量、名称、店铺所在地等信息,接着将所有提取结果赋值为一个字典product,然后调用save_mongo()将其保存到MongoDB即可。

6.保存到MongoDB

接下来,我们将商品信息保存到MongoDB,代码如下:

import pymongoMONGO_URL = ‘localhost’MONGO_DB = ‘taobao’MONGO_COLLECTION = ‘products’client = pymongo.MongoClient(MONGO_URL)db = client[MONGO_DB]def save_to_mongo(result): “”” 保存结果到MongoDB “”” try: if db[MONGO_COLLECTION].insert(result): print(‘存储到MongoDB成功’) except Exception: print(‘存储到MongoDB失败’)

这里首先创建了一个MongoDB的连接对象,然后指定了数据库,随后指定了Collection的名称,接着调用insert()方法将数据库插入到MongoDB。此处的result的变量就是在get_products()方法里传来的product,包含单个商品的信息。

7.遍历每页

刚才我们所定义的get_index()方法需要接收参数page,page代码页码。这里我们实现页码遍历即可,代码如下:

MAX_PAGE = 10def main(): “”” 遍历 :return: “”” for i in range(1,MAX_PAGE 1): index_page(i) time.sleep(10)main()

最后调用main()方法即可运行。

8.异常处理(绕过登录反爬机制)

当写到这里,如果运行程序会发现,程序在弹出浏览器窗口后,会出现登陆页面,但是当你尝试输入账户密码时,滑块的验证始终失效。并且页面还会不断刷新。如图

淘宝一键抢拍,selenium爬取淘宝商品

可以看到,判断为真,说明浏览器知道我们使用的是驱动。

那该如何解决呢?

首先,使用nodepad 或者记事本打开chrome,查找$cdc,找到这串代码后,将其用等长的字符串替代即可,例如把最后的l改成a。

淘宝一键抢拍,selenium爬取淘宝商品

然后在代码中,加载浏览器配置

chrome_option = webdriver.ChromeOptions()p=r’C:Users赵磊AppDataLocalGoogleChromeUser Data’#chrome_option.add_experimental_option(‘excludeSwitches’, [‘enable-automation’]) # 以开发者模式chrome_option.add_argument(‘–user-data-dir=’ p)browser = webdriver.Chrome(options=chrome_option)wait = WebDriverWait(browser,10)

这样在爬取时就不会出现登录页面了。

淘宝一键抢拍,selenium爬取淘宝商品

说明信息保存到MongoDB中,爬取成功。

使用Selenium自动秒抢淘宝商品

selenium有多种编程语言的客户端驱动,编写自动化脚本语法简洁,其中python的selenium库便非常的受欢迎。

你可以使用selenium做web测试或者爬虫,自动抢票、自动下单也可以用selenium来做。

演示自动打开淘宝网:

淘宝一键抢拍,selenium爬取淘宝商品 使用selenium抢购商品导入selenium相关模块

# 导入库from selenium import webdriverimport datetimeimport time

打开chrome浏览器

# 记录时间now = datetime.datetime.now().strftime(‘%Y-%m-%d %H:%M:%S.%f’)# 打开chrome browser = webdriver.Chrome()

登录淘宝

# 登录def login(): # 打开淘宝首页,通过扫码登录 browser.get(“https://www.taobao.com/”) time.sleep(3) # 打开登录界面 find_login = browser.find_element_by_link_text(“亲,请登录”) if find_login: find_login.click() print(“请扫码登录”) time.sleep(10) login()

选择购物车列表

# 选择购物车列表def picking(method): # 是否全选购物车 if method == 0: while True: try: if browser.find_element_by_id(“J_SelectAll1”): browser.find_element_by_id(“J_SelectAll1″).click() print(‘全选购物车成功’) break except: print(f”找不到购买按钮”) else: print(f”请手动勾选需要购买的商品”) time.sleep(1)

点击结算按钮

# 点击结算按钮def settlement(): while True: try: if browser.find_element_by_id(‘J_SelectedItemsCount’).text >= ‘1’: browser.find_element_by_link_text(“结 算”).click() print(f”结算成功,准备提交订单”) break except: pass

点击提交订单按钮

# 点击提交订单按钮def submitting(): while True: try: if browser.find_element_by_link_text(‘提交订单’): browser.find_element_by_link_text(‘提交订单’).click() print(f”抢购成功,请尽快付款”) break except: print(f”再次尝试提交订单”)

开始执行抢购

def run(times): # 打开购物车列表页面 print(‘正在抢购!’) browser.get(“https://cart.taobao.com/cart.htm”) time.sleep(3) while True: now = datetime.datetime.now().strftime(‘%Y-%m-%d %H:%M:%S.%f’) # 对比时间,时间到的话就点击结算 if now > times: # 全选购物车 picking(0) # 点击结算按钮 settlement() # 提交订单 submitting() print(now) break

希望本文对你有所帮助~~如果对软件测试、接口测试、自动化测试、性能测试、面试经验交流感兴趣可以私聊我或关注公众号“特斯汀软件测试”。免费领取最新软件测试大厂面试资料和Python自动化、接口、框架搭建学习资料!技术大牛解惑答疑,同行一起交流。

本文来自作者:博文微金融,不代表小新网立场!

转载请注明:https://www.xiaoxinys.cn/497317.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。