Python爬虫：Selenium模拟Chrome浏览器爬取淘宝商品信息_获取淘宝网页信息

       对于采用异步加载技术的网页，有时候想通过逆向工程的方式来设计爬虫进行爬取会比较困难，因此，要想通过python获取异步加载数据往往可以使用Selenium模拟浏览器的方式来获取。

       Selenium是一个用于Web应用程序测试的工具，它可以在浏览器中运行，模拟用户真实的浏览网页操作，也就是说可以实现浏览器加载页面，搜索关键字和点击翻页等等操作，因此，就算使用了异步加载技术的网页，也可以模拟翻页得到不同的网页，也就可以得到你想要的数据了。

       Selenium模块在第三方库里面可以找到，使用pycharm软件，打开左上角PyCharm->项目->python解释器->preferences里面添加，结果如下图进行搜索安装即可。

由于Selenium自己不带有浏览器，因此需要配合我们自己电脑安装的浏览器来使用，这里我们是通过常用的Chrome浏览器来模拟实现爬取数据。具体可以模拟的操作主要有如下一些操作：输入框内容填写、点击按钮、截屏、下滑等，因此对于登录网站的时候，我们可以不再需要构造表单或者提交cookie来登录网站了，只需要通过python代码模拟输入《账号》和《密码》实现登录。

模拟的

1. 以下是模拟搜索和登录最常用代码

（2）登录后获取数据的常用代码

备注：此处xpath和单独的xpath方法差异就是此处是在最后加.text，单独xpath是在路径里面加/text()

以上是selenium基本要点，现在让我们开始进行实践操刀，如何来对淘宝商品信息进行抓取。

工具和语言：Selenium+Chrome+PyCharm+Python

抓取平台：www.taobao.com

抓取思路：以抓取我最近想入手的投影仪商品为例

1. 打开淘宝网，输入投影仪，得到商品信息页面
2. 打开网页源代码，查看输入投影仪后的搜索框位置如下图，确定位置，为后续输入关键字做准备

1. 有时在你点击搜索后，淘宝强制需要登录网页，就需要再次查看输入账号和密码的位置，然后同理操作进入网页，在此不再赘述，直接上代码如下

1. 接下来要模拟翻页操作，同理也是找到翻页位置：下一页，如下图

1. 此时页面上有的信息都可以尝试查看，举例如付款人数、价钱等都可以尝试测试看看。

1. 最后数据存储数据库就可以了，详细入库代码见详细代码部分

 

详细代码如下：

from selenium import webdriver
from lxml import etree
import time
import pymysql
 
db = pymysql.connect(host='localhost', user='root', passwd='密码', db='库名称', port=3306, charset='utf8')
print("数据库连接")
cursor = db.cursor()
cursor.execute("DROP TABLE IF EXISTS Learn_data.taobao_touyingyi_data")
sql = """CREATE TABLE IF not EXISTS Learn_data.taobao_touyingyi_data (
    id int auto_increment primary key,
    price CHAR(100),
    sell CHAR(100),
    detail CHAR(100)
)
DEFAULT CHARSET=utf8"""
cursor.execute(sql)
 
driver=webdriver.Chrome()
driver.maximize_window()
def get_info(url,page):
    page=page+1
    driver.get(url)
    driver.implicitly_wait(10)
    selector=etree.HTML(driver.page_source)
    infos=selector.xpath('//div[@class="items"]/div[@class="item J_MouserOnverReq  "]')
    for info in infos:
        price = info.xpath('div[2]/div/div/strong/text()')[0]
        sell = info.xpath('div[2]/div/div[2]/text()')[0]
        detail = info.xpath('div[2]/div/div[2]/text()')[1]
 
        print(price,sell,detail)
 
        cursor.execute("insert into taobao_touyingyi_data (price,sell,detail)values(%s,%s,%s)",(str(price),str(sell),str(detail)))
 
    if page<=50:
        NextPage(url,page)
    else:
        pass
def NextPage(url,page):
    print(url)
    driver.get(url)
    driver.implicitly_wait(10)
    driver.find_element_by_xpath('//a[@trace="srp_bottom_pagedown"]').click()
    time.sleep(4)
    driver.get(driver.current_url)
    driver.implicitly_wait(10)
    get_info(driver.current_url, page)
 
if __name__=='__main__':
    page=1
    url='https://www.taobao.com/'
    driver.get(url)
    driver.implicitly_wait(10)
    driver.find_element_by_id('q').clear()
    driver.find_element_by_id('q').send_keys('商品名称')
    driver.find_element_by_class_name('btn-search').click()
 
    driver.find_element_by_id("fm-login-id").send_keys("账号")
    # 找到按钮的位置
    time.sleep(1)
    # 找到密码的位置
    driver.find_element_by_id("fm-login-password").send_keys("密码")
    # 确保账号和密码输入完成
    time.sleep(3)
    # 识别验证码
    # 找到图片地址
    ret = driver.find_element_by_class_name("fm-button")
    # 点击按钮
    ret.click()
    time.sleep(3)
    print(driver.current_url)
    get_info(driver.current_url,page)
    db.commit()

运行数据库结果如下：

以上就是Selenium模拟Chrome浏览器爬取淘宝商品投影仪信息数据的所有过程，后续会进一步进行数据分析，有兴趣的同学可以扫描下方二维码加关注，更多机器学习和Python分析实践案例等着你！