详解Python如何批量采集京东商品数据流程详解Python如何批量采集京东商

准备工作

驱动安装
模块使用与介绍

流程解析

完整代码

效果展示

准备工作
驱动安装
实现案例之前，我们要先安装一个谷歌驱动，因为我们是使用selenium 操控谷歌驱动，然后操控浏览器实现自动操作的，模拟人的行为去操作浏览器。
以谷歌浏览器为例，打开浏览器看下我们自己的版本，然后下载跟自己浏览器版本一样或者最相近的版本，下载后解压一下，把解压好的插件放到我们的python环境里面，或者和代码放到一起也可以。

模块使用与介绍

selenium pip install selenium ，直接输入selenium的话是默认安装最新的，selenium后面加上版本号就是安装对应的的版本；
csv 内置模块，不需要安装，把数据保存到Excel表格用的；
time 内置模块，不需要安装，时间模块，主要用于延时等待；

流程解析我们访问一个网站，要输入一个网址，所以代码也是这么写的。
首先导入模块

from selenium import webdriver

文件名或者包名不要命名为selenium，会导致无法导入。 webdriver可以认为是浏览器的驱动器，要驱动浏览器必须用到webdriver，支持多种浏览器。
实例化浏览器对象，我这里用的是谷歌，建议大家用谷歌，方便一点。

driver = webdriver.Chrome()

我们用get访问一个网址，自动打开网址。

driver.get('https://www.jd.com/')

运行一下

文章图片

打开网址后，以买口红为例。
我们首先要通过你想购买的商品关键字来搜索得到商品信息，用搜索结果去获取信息。

文章图片

那我们也要写一个输入，空白处点击右键，选择检查。
选择element 元素面板

文章图片

鼠标点击左边的箭头按钮，去点击搜索框，它就会直接定位到搜索标签。

文章图片

在标签上点击右键，选择copy，选择copy selector 。

文章图片

如果你是xpath ，就copy它的xpath 。
然后把我们想要搜索的内容写出来

driver.find_element_by_css_selector('#key').send_keys('口红')

再运行的时候，它就会自动打开浏览器进入目标网址搜索口红。

文章图片

同样的方法，找到搜索按钮进行点击。

driver.find_element_by_css_selector('.button').click()

再运行就会自动点击搜索了
页面搜索出来了，那么咱们正常浏览网页是要下拉网页对吧，咱们让它自动下拉就好了。先导入time模块

import time

执行页面滚动的操作

def drop_down():"""执行页面滚动的操作"""# javascriptfor x in range(1, 12, 2):# for循环下拉次数，取1 3 5 7 9 11，在你不断的下拉过程中, 页面高度也会变的；time.sleep(1)j = x / 9# 1/93/95/99/9# document.documentElement.scrollTop指定滚动条的位置# document.documentElement.scrollHeight 获取浏览器页面的最大高度js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight * %f' % jdriver.execute_script(js)# 执行我们JS代码

循环写好了，然后调用一下。

drop_down()

我们再给它来个延时

driver.implicitly_wait(10)

这是一个隐式等待，等待网页延时，网不好的话加载很慢。
隐式等待不是必须等十秒，在十秒内你的网络加载好后，它随时会加载，十秒后没加载出来的话才会强行加载。
还有另外一种死等的，你写的几秒就等几秒，相对没有那么人性化。

time.sleep(10)

加载完数据后我们需要去找商品数据来源
价格/标题/评价/封面/店铺等等
还是鼠标右键点击检查，在element ，点击小箭头去点击你想查看的数据。
可以看到都在li标签里面

文章图片

获取所有的 li 标签内容，还是一样的，直接copy 。

文章图片

在左下角就有了

文章图片

这里表示的是取的第一个，但是我们是要获取所有的标签，所以左边框框里 li 后面的可以删掉不要。

文章图片

不要的话，可以看到这里是60个商品数据，一页是60个。

文章图片

所以我们把剩下的复制过来, 用lis接收一下。

lis = driver.find_elements_by_css_selector('#J_goodsList ul li')

因为我们是获取所有的标签数据，所以比之前多了一个s

文章图片

打印一下

print(lis)

通过lis返回数据列表 [] 列表里面的元素 <> 对象

文章图片

遍历一下，把所有的元素拿出来。

for li in lis:title = li.find_element_by_css_selector('.p-name em').text.replace('\n', '')# 商品标题获取标签文本数据price = li.find_element_by_css_selector('.p-price strong i').text# 价格commit = li.find_element_by_css_selector('.p-commit strong a').text# 评论量shop_name = li.find_element_by_css_selector('.J_im_icon a').text# 店铺名字href = https://www.it610.com/article/li.find_element_by_css_selector('.p-img a').get_attribute('href')# 商品详情页icons = li.find_elements_by_css_selector('.p-icons i')icon = ','.join([i.text for i in icons])# 列表推导式','.join 以逗号把列表中的元素拼接成一个字符串数据dit = {'商品标题': title,'商品价格': price,'评论量': commit,'店铺名字': shop_name,'标签': icon,'商品详情页': href,}csv_writer.writerow(dit)print(title, price, commit, href, icon, sep=' | ')

搜索功能

key_world = input('请输入你想要获取商品数据: ')

文章图片

要获取的数据，获取到后保存CSV

f = open(f'京东{key_world}商品数据.csv', mode='a', encoding='utf-8', newline='')csv_writer = csv.DictWriter(f, fieldnames=['商品标题','商品价格','评论量','店铺名字','标签','商品详情页',])csv_writer.writeheader()

然后再写一个自动翻页

for page in range(1, 11):print(f'正在爬取第{page}页的数据内容')time.sleep(1)drop_down()get_shop_info()# 下载数据driver.find_element_by_css_selector('.pn-next').click()# 点击下一页

完整代码

from selenium import webdriverimport timeimport csvdef drop_down():"""执行页面滚动的操作"""for x in range(1, 12, 2):time.sleep(1)j = x / 9# 1/93/95/99/9# document.documentElement.scrollTop指定滚动条的位置# document.documentElement.scrollHeight 获取浏览器页面的最大高度js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight * %f' % jdriver.execute_script(js)# 执行JS代码key_world = input('请输入你想要获取商品数据: ')f = open(f'京东{key_world}商品数据.csv', mode='a', encoding='utf-8', newline='')csv_writer = csv.DictWriter(f, fieldnames=['商品标题','商品价格','评论量','店铺名字','标签','商品详情页',])csv_writer.writeheader()# 实例化一个浏览器对象driver = webdriver.Chrome()driver.get('https://www.jd.com/')# 访问一个网址打开浏览器打开网址# 通过css语法在element(元素面板)里面查找 #key 某个标签数据输入一个关键词口红driver.find_element_by_css_selector('#key').send_keys(key_world)# 找到输入框标签driver.find_element_by_css_selector('.button').click()# 找到搜索按钮进行点击# time.sleep(10) # 等待 # driver.implicitly_wait(10)# 隐式等待 def get_shop_info():# 第一步获取所有的li标签内容driver.implicitly_wait(10)lis = driver.find_elements_by_css_selector('#J_goodsList ul li')# 获取多个标签# 返回数据列表 [] 列表里面的元素 <> 对象# print(len(lis))for li in lis:title = li.find_element_by_css_selector('.p-name em').text.replace('\n', '')# 商品标题获取标签文本数据price = li.find_element_by_css_selector('.p-price strong i').text# 价格commit = li.find_element_by_css_selector('.p-commit strong a').text# 评论量shop_name = li.find_element_by_css_selector('.J_im_icon a').text# 店铺名字href = https://www.it610.com/article/li.find_element_by_css_selector('.p-img a').get_attribute('href')# 商品详情页icons = li.find_elements_by_css_selector('.p-icons i')icon = ','.join([i.text for i in icons])# 列表推导式','.join 以逗号把列表中的元素拼接成一个字符串数据dit = {'商品标题': title,'商品价格': price,'评论量': commit,'店铺名字': shop_name,'标签': icon,'商品详情页': href,}csv_writer.writerow(dit)print(title, price, commit, href, icon, sep=' | ')# print(href)for page in range(1, 11):print(f'正在爬取第{page}页的数据内容')time.sleep(1)drop_down()get_shop_info()# 下载数据driver.find_element_by_css_selector('.pn-next').click()# 点击下一页driver.quit()# 关闭浏览器

效果展示