正文

Python攻破淘宝网各类反爬手段，采集淘宝网ZDB（女用）的销量！

IP云
IP云V管理员/12 阅读
11/30
提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

声明：

由于某些原因，我这里会用手机代替，其实是一样的！

环境：

  • windows

  • python3.6.5

模块：

  • time

  • selenium

  • re

环境与模块介绍完毕后，就可以来实行我们的操作了。

第一步：

进入淘宝首页： 

driver = webdriver.Chrome()
driver.get('http://www.taobao.com')

第二步：
  1. 在输入框中，输入想要查找的商品（keyword），往后用手机代替。
  2. 点击搜索按钮 
driver.find_element_by_id('q').send_keys(keyword)
driver.find_element_by_class_name('btn-search').click()

它会跳转到我们的登陆界面：

我们选择扫码登陆，那么既然要扫码，肯定就需要等待时间。一般提供10S即可，取决于你单身的年龄 

time.sleep(10)

登陆后，我们跳转到了 含有信息的页面：

第三步：

提取出我们需要的信息，价格、订单量、商品信息、卖家地址：

很容易发现我们的商品信息都是包括在了class属性为item J_MouserOnverReq  的div标签当中。

所以可以写出我们的xpath规则： 

        info = li.find_element_by_xpath('.//div[@class="row row-2 title"]').text
        price = li.find_element_by_xpath('.//a[@class="J_ClickStat"]').get_attribute('trace-price') + '元'
        deal = li.find_element_by_xpath('.//div[@class="deal-cnt"]').text
        name = li.find_element_by_xpath('.//div[@class="shop"]/a/span[2]').text
        position = li.find_element_by_xpath('.//div[@class="row row-3 g-clearfix"]/div[@class="location"]').text

第四步：

第一页采集完毕后，我们需要进行翻页操作。

记住，这里千万不要去模拟点击下一页，会被反爬虫策略命中！

我们可以构造url，

很容易发现我们的url的步长为44，并且总页数为100。那么我们可以先提取出我们的总页数： 

    token = driver.find_element_by_xpath('//*[@id="mainsrp-pager"]/div/div/div/div[1]')
    token = token.text
    token = int(re.compile('(\d+)').search(token).group(1))

然后循环构造url： 

    num = 1
    while num != token - 1:
        driver.get('https://s.taobao.com/search?q={}&s={}'.format(keyword, 44 * num))
        driver.implicitly_wait(10)
        drop_down()
        get_product()
        num += 1

效果：

少儿不宜

好了今天的教程到此结束，希望对你有所帮助！

相关阅读

目录[+]