實(shí)戰(zhàn)2:使用selenium爬取淘寶數(shù)據(jù),保存在mongodb

實(shí)戰(zhàn)2:使用selenium爬取淘寶數(shù)據(jù)赫舒,保存在mongodb

配置文件

MONGO_URL = 'localhost'
MONGO_DB = 'taobao'
MONGO_TABLE = 'yintiao'

爬蟲文件

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
import re
from pyquery import PyQuery as pq
from config import *
import pymongo

client = pymongo.MongoClient(MONGO_URL, connect=False)
db = client[MONGO_DB]


options = webdriver.ChromeOptions()
options.add_argument('--headless')
options.add_argument('--disable-gpu')
browser=webdriver.Chrome(options=options)
wait = WebDriverWait(browser, 10)

def search(keyword):
    print('正在搜索')
    try:
        browser.get('https://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('翻頁到',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')))
    html = browser.page_source#得到瀏覽器當(dāng)前網(wǎng)頁源代碼
    doc = pq(html)
    items = doc('#mainsrp-itemlist .items .item').items() #items()方法返回一個生成器蚤霞,生成器逐一返回該pyquery對象內(nèi)的所有pyquery對象
    for item in items:
        product = {
            'image': item.find('.pic .img').attr('src'),
            'price': item.find('.price').text(),
            #'deal': item.find('deal-cnt').text(),
            'deal': re.compile('(\d+)').search(item.find('.deal-cnt').text()).group(1),
            'title': item.find('.title').text(),
            'shop': item.find('.shop').text(),
            'lication': item.find('.location').text()
        }
        print(product)
        save_to_mongo(product)
def save_to_mongo(result):
    try:
        if db[MONGO_TABLE].insert(result):
            print('save to mongodb success', result)
    except Exception:
        print('save to mongodb false!')
def main():
    try:
        total = search('銀條')
        total = int(re.compile('(\d+)').search(total).group(1))
        #print(total)
        for i in range(2,total+1):
            next_page(i)
    except Exception:
        print('main error')
    finally:
        browser.close()

if __name__ == '__main__':
    main()
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末镣煮,一起剝皮案震驚了整個濱河市奈搜,隨后出現(xiàn)的幾起案子悉盆,更是在濱河造成了極大的恐慌,老刑警劉巖馋吗,帶你破解...
    沈念sama閱讀 221,820評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件焕盟,死亡現(xiàn)場離奇詭異,居然都是意外死亡耗美,警方通過查閱死者的電腦和手機(jī)京髓,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,648評論 3 399
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來商架,“玉大人堰怨,你說我怎么就攤上這事∩呙” “怎么了备图?”我有些...
    開封第一講書人閱讀 168,324評論 0 360
  • 文/不壞的土叔 我叫張陵,是天一觀的道長赶袄。 經(jīng)常有香客問我揽涮,道長,這世上最難降的妖魔是什么饿肺? 我笑而不...
    開封第一講書人閱讀 59,714評論 1 297
  • 正文 為了忘掉前任蒋困,我火速辦了婚禮,結(jié)果婚禮上敬辣,老公的妹妹穿的比我還像新娘雪标。我一直安慰自己,他們只是感情好溉跃,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,724評論 6 397
  • 文/花漫 我一把揭開白布村刨。 她就那樣靜靜地躺著,像睡著了一般撰茎。 火紅的嫁衣襯著肌膚如雪嵌牺。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,328評論 1 310
  • 那天龄糊,我揣著相機(jī)與錄音逆粹,去河邊找鬼。 笑死绎签,一個胖子當(dāng)著我的面吹牛枯饿,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播诡必,決...
    沈念sama閱讀 40,897評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼奢方,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了爸舒?” 一聲冷哼從身側(cè)響起蟋字,我...
    開封第一講書人閱讀 39,804評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎扭勉,沒想到半個月后鹊奖,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,345評論 1 318
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡涂炎,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,431評論 3 340
  • 正文 我和宋清朗相戀三年忠聚,在試婚紗的時候發(fā)現(xiàn)自己被綠了设哗。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,561評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡两蟀,死狀恐怖网梢,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情赂毯,我是刑警寧澤战虏,帶...
    沈念sama閱讀 36,238評論 5 350
  • 正文 年R本政府宣布,位于F島的核電站党涕,受9級特大地震影響烦感,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜膛堤,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,928評論 3 334
  • 文/蒙蒙 一手趣、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧骑祟,春花似錦回懦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,417評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至缸棵,卻和暖如春舟茶,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背堵第。 一陣腳步聲響...
    開封第一講書人閱讀 33,528評論 1 272
  • 我被黑心中介騙來泰國打工吧凉, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人踏志。 一個月前我還...
    沈念sama閱讀 48,983評論 3 376
  • 正文 我出身青樓阀捅,卻偏偏與公主長得像,于是被迫代替她去往敵國和親针余。 傳聞我的和親對象是個殘疾皇子饲鄙,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,573評論 2 359

推薦閱讀更多精彩內(nèi)容