简介
上一个博文已经讲述了如何使用 selenium 跳过 webdriver 检测并爬取天猫商品数据,所以在此不再详细讲,有需要思路的可以查看另外一篇博文。
源代码
# -*- coding: utf-8 -*-
from selenium import webdriver
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 time import sleep
import random
# 定义一个 taobao 类
class taobao_infos:
#对象初始化
def __init__(self):
url = ‘https://login.taobao.com/member/login.jhtml’
self.url = url
options = webdriver.ChromeOptions()
options.add_experimental_option(“prefs”, {“profile.managed_default_content_settings.images”: 2}) # 不加载图片, 加快访问速度
options.add_experimental_option(‘excludeSwitches’, [‘enable-automation’]) # 此步骤很重要,设置为开发者模式,防止被各大网站识别出来使用了 Selenium
self.browser = webdriver.Chrome(executable_path=chromedriver_path, options=options)
self.wait = WebDriverWait(self.browser, 10) #超时时长为 10s
#登录淘宝
def login(self):
# 打开网页
self.browser.get(self.url)
# 自适应等待,点击密码登录选项
self.browser.implicitly_wait(30) #智能等待,直到网页加载完毕,最长等待时间为 30s
self.browser.find_element_by_xpath(‘//*[@class=”forget-pwd J_Quick2Static”]’).click()
# 自适应等待,点击微博登录宣传
self.browser.implicitly_wait(30)
self.browser.find_element_by_xpath(‘//*[@class=”weibo-login”]’).click()
# 自适应等待,输入微博账号
self.browser.implicitly_wait(30)
self.browser.find_element_by_name(‘username’).send_keys(weibo_username)
# 自适应等待,输入微博密码
self.browser.implicitly_wait(30)
self.browser.find_element_by_name(‘password’).send_keys(weibo_password)
# 自适应等待,点击确认登录按钮
self.browser.implicitly_wait(30)
self.browser.find_element_by_xpath(‘//*[@class=”btn_tip”]/a/span’).click()
# 直到获取到淘宝会员昵称才能确定是登录成功
taobao_name = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, ‘.site-nav-bd > ul.site-nav-bd-l > li#J_SiteNavLogin > div.site-nav-menu-hd > div.site-nav-user > a.site-nav-login-info-nick ‘)))
# 输出淘宝昵称
print(taobao_name.text)
# 模拟向下滑动浏览
def swipe_down(self,second):
for i in range(int(second/0.1)):
#根据 i 的值,模拟上下滑动
if(i%2==0):
js = “var q=document.documentElement.scrollTop=” + str(300+400*i)
else:
js = “var q=document.documentElement.scrollTop=” + str(200 * i)
self.browser.execute_script(js)
sleep(0.1)
js = “var q=document.documentElement.scrollTop=100000”
self.browser.execute_script(js)
sleep(0.1)
# 爬取淘宝 我已买到的宝贝商品数据
def crawl_good_buy_data(self):
# 对我已买到的宝贝商品数据进行爬虫
self.browser.get(“https://buyertrade.taobao.com/trade/itemlist/list_bought_items.htm”)
# 遍历所有页数
for page in range(1,1000):
# 等待该页面全部已买到的宝贝商品数据加载完毕
good_total = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, ‘#tp-bought-root > div.js-order-container’)))
# 获取本页面源代码
html = self.browser.page_source
# pq 模块解析网页源代码
doc = pq(html)
# # 存储该页已经买到的宝贝数据
good_items = doc(‘#tp-bought-root .js-order-container’).items()
# 遍历该页的所有宝贝
for item in good_items:
good_time_and_id = item.find(‘.bought-wrapper-mod__head-info-cell___29cDO’).text().replace(‘\n’,””).replace(‘\r’,””)
good_merchant = item.find(‘.seller-mod__container___1w0Cx’).text().replace(‘\n’,””).replace(‘\r’,””)
good_name = item.find(‘.sol-mod__no-br___1PwLO’).text().replace(‘\n’, “”).replace(‘\r’, “”)
# 只列出商品购买时间、订单号、商家名称、商品名称
# 其余的请自己实践获取
print(good_time_and_id, good_merchant, good_name)
print(‘\n\n’)
# 大部分人被检测为机器人就是因为进一步模拟人工操作
# 模拟人工向下浏览商品,即进行模拟下滑操作,防止被识别出是机器人
# 随机滑动延时时间
swipe_time = random.randint(1, 3)
self.swipe_down(swipe_time)
# 等待下一页按钮 出现
good_total = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, ‘.pagination-next’)))
# 点击下一页按钮
good_total.click()
sleep(2)
if __name__ == “__main__”:
# 使用之前请先查看当前目录下的使用说明文件 README.MD
# 使用之前请先查看当前目录下的使用说明文件 README.MD
# 使用之前请先查看当前目录下的使用说明文件 README.MD
chromedriver_path = “/Users/bird/Desktop/chromedriver.exe” #改成你的 chromedriver 的完整路径地址
weibo_username = “ 改成你的微博账号 ” #改成你的微博账号
weibo_password = “ 改成你的微博密码 ” #改成你的微博密码
a = taobao_infos()
a.login() #登录
a.crawl_good_buy_data() #爬取淘宝 我已买到的宝贝商品数据
使用教程
点击这里下载下载 chrome 浏览器
查看 chrome 浏览器的版本号,点击这里下载对应版本号的 chromedriver 驱动
pip 安装下列包
[x] pip install selenium
点击这里登录微博,并通过微博绑定淘宝账号密码
在 main 中填写 chromedriver 的绝对路径
在 main 中填写微博账号密码
#改成你的 chromedriver 的完整路径地址
chromedriver_path = “/Users/bird/Desktop/chromedriver.exe”
#改成你的微博账号
weibo_username = “ 改成你的微博账号 ”
#改成你的微博密码
weibo_password = “ 改成你的微博密码 ”
演示图片
爬虫过程图片查看不了点击这里爬虫结果图片查看不了点击这里
其他爬虫源代码
所有关于爬虫的项目都放在 github 了,有需要的可以去 GitHub 仓库
项目持续更新,欢迎您 star 本项目