一、介紹

還是崔慶才老師的視頻，廢話不多說，直接上菜

二、流程

• 目標站點分析
  用瀏覽器打開淘寶首頁輸入‘美食’，打開審查元素，分析我們要的商品信息都在Element里哪個分段

• 搜索關鍵字
  利用Selenium驅動瀏覽器搜索關鍵字，得到查詢后的商品列表

• 分析頁碼并翻頁
  得到商品頁碼數，模擬翻頁，得到后續頁面的商品列表

1.png

• 分析提取商品內容
  利用PyQuery分析源碼，解析得到商品列表

2.png

3.png

• 儲存到MongoDB
  將商品列表信息儲存到數據庫MongoDB

三、代碼

#config.py
MONGO_URL='localhost'
MONGO_DB='taobao'
MONGO_TABLE='product'

KEYWORD = '美食'

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
from day27.config import *
import pymongo

client=pymongo.MongoClient(MONGO_URL)
db=client[MONGO_DB]
browser=webdriver.Chrome()
wait=WebDriverWait(browser, 10)

def search():
    print('正在搜索')
    try:
        browser.get('http://www.taobao.com')
        input= wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#q')))
        submit=wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '#J_TSearchForm > div.search-button > button')))
        input.send_keys('KEYWORD')
        submit.click()
        total=wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#mainsrp-pager > div > div > div > div.total')))
        get_products()
        return total.text
    except TimeoutException:
        return search()

def next_page(page_number):
    print('正在翻頁', page_number)
    try:
        input = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#mainsrp-pager > div > div > div > div.form > input')))
        submit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit')))
        input.clear()
        input.send_keys(page_number)
        submit.click()
        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)

def get_products():
    wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#mainsrp-itemlist .items .item'))) #使用CSS選擇器時，每層要有空格分開
    html=browser.page_source
    doc=pq(html)
    items=doc('#mainsrp-itemlist .items .item').items()  #使用CSS選擇器時，每層要有空格分開
    for item in items:
        product={
            'image':item.find('.pic.img').attr('src'),
            'price':item.find('.price').text(),
            'deal':item.find('.deal-cnt').text()[:-3],
            'title':item.find('.title').text(),
            'shop':item.find('.shop').text(),
            'location': item.find('.location').text()
        }
        print(product)
        save_to_mongo(product)

def save_to_mongo(result):
    try:
        if db[MONGO_TABLE].insert(result):
            print('儲存到MongoDB成功',result)
    except Exception:
        print('儲存到MongoDB失敗',result)

def main():
    try:
        total=search()
        total=int(re.compile('(\d+)').search(total).group(1))
        #print(total)
        for i in range(2,total+1):
            next_page(i)
    except Exception:
        print('出錯啦')
    finally:
        browser.close()

if __name__=='__main__':
    main()

四、最后得到的數據視圖

4.png

五、總結

1.目標站點分析時候訪問的url務必和代碼里的url一致
2.使用CSS選擇器時，每層要有空格分開
3.Compare是個好東西