返回
快速导航关闭
当前搜索
网站分类
栏目推荐
实用工具
热门标签
子分类:
创奇学院 >电商平台 >淘宝 >淘宝卖货 » 正文

淘宝怎么申请店铺?,使用Selenium爬取淘宝商品(绕过登录页面)、自动秒抢淘宝商品

淘宝卖货 更新时间: 发布时间: 淘宝卖货归档 最新发布 网站地图

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


不过没有关系,我们可以直接用Selenium来模拟浏览器,只要在浏览器里能看到的,都可以爬取。这也是我们选择使用Selenium的原因。

3.页面分析

我们的目标是爬取商品信息。如图是一个商品条目,其中包含商品的基本信息,包括商品图片、名称、价格、购买人数、店铺名称和店铺所在地,我们要做的就是将这些信息都抓取下来。


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


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


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 time
browser = 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。


首先,我们清空了输入框,此时调用clear()方法即可。随后,调用send_keys()方法将页码填充到输入框中,然后点击“确定按钮即可”

那么,怎么样知道有没有跳转到对应的页码呢?我们可以注意到,成功跳转到某一页后,页码都会高亮显示,如图


我们只需要判断当前高亮的页码数是当前的页码数即可,所以这里使用了另一个等待条件text_to_be_present_in_element,它会等待指定的文本出现在某一个节点里面时即返回成功。这里我们将高亮的页码节点对应的CSS选择器和当前要跳转的页码通过参数传递给这个等待条件,这样它就会检测当前高亮的页码节点是不是我们传过来的页码数,如果是,就证明页面成功跳转到了这一页,页面跳转成功。

这样刚才实现的index_page()方法就可以传入对应的页码,待加载出对应页码的商品列表后,再去调用get_products()方法进行页面解析。

5.解析商品列表

接下来,我们就可以实现get_products()方法来解析商品列表了。这里我们直接获取页面源代码,然后用pyquery进行解析,实现如下:

from pyquery import PyQuery as pqdef get_products():    """
    提取商品数据
    """
    html = browser.page_source
    doc = pq(html)
    items = doc('#mainsrp-itemlist .items .item').items()    for item in items:
        product = {            'image':item.find('.pic .img').attr('data-src'),            'price':item.find('.price').text(),            'deal':item.find('.deal-cnt').text(),            'title':item.find('.title').text(),            'shop':item.find('.shop').text(),            'location':item.find('.location').text()
        }
        print(product)
        save_to_mongo(product)

首先,调用page_source属性获取页码的源代码,然后构造了PyQuery对象,提取了商品列表,此时使用的CSS选择器是#mainsrp-itemlist .items .item,它会匹配整个页面的每个商品。它的匹配结果是多个,所以这里我们又对它进行了一次遍历,用for循环将每个结果分别进行解析,每次循环把它赋值为item变量,每个item变量都是一个PyQuery对象,然后再调用它的find()方法,传入CSS选择器,就可以获取单个商品的特定内容。

比如查看一下商品源码


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 pymongo
MONGO_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


针对这种情况,博主找到了两种解决方案

方法一:修改ChromeDriver.exe

之所以出现这种情况,是因为在淘宝的登录页面,有这样一个js,它会判断你是通过驱动打开的浏览器还是其他情况,如果是驱动打开那么这个判断为真就会出现这种情况,如图,为判断的js


我们在控制台运行一下这个脚本window.navigator.webdriver


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。


然后把部分代码改为如下模式,将浏览器设置为开发者模式:

option = webdriver.ChromeOptions()#开发者模式的开关,设置一下,打开浏览器就不会识别为自动化测试工具了option.add_experimental_option('excludeSwitches', ['enable-automation'])
driver = webdriver.Chrome(chrome_options=option)


如果这种方法不能奏效,请看第二种方法

方法二:将用户信息的配置文件在代码中加载

首先,在Chrome中输入chrome://version/查看信息。如图,这是我们用户信息。


然后在代码中,加载浏览器配置

chrome_option = webdriver.ChromeOptions()
p=r'C:\Users\赵磊\AppData\Local\Google\Chrome\User 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。


9.运行

此时运行代码,会发现弹出一个Chrome浏览器,然后会访问淘宝页面,接着控制台输出如下


可以发现,这些商品信息的结果都是字典形式,它们倍存储到MongoDB里面,再看一下MongoDB中的结果


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:


使用selenium抢购商品

  1. 导入selenium相关模块

# 导入库
from selenium import webdriverimport datetimeimport time


  1. 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()


  1. 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()


  1. 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)


  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


  1. 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")


  1. 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。

转载请注明:文章转载自 http://www.320g.com/
本文地址:http://www.320g.com/tbmh/21179.html
考高分网交流群

扫一扫加入QQ交流群

和更多志同道合朋友一起交流,分享干货资料!
创奇学院客服

扫一扫加客服微信

有疑问请咨询创奇学院微信号,在线为您解答!
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 Copyright 320g.com Rights Reserved. Powered · 创奇学院

ICP备案号:陇ICP备2020003353号