詳解Python如何批量采集京東商品數據流程

Posted on by

準備工作

驅動安裝

實現案例之前，我們要先安裝一個谷歌驅動，因為我們是使用selenium 操控谷歌驅動，然後操控瀏覽器實現自動操作的，模擬人的行為去操作瀏覽器。

以谷歌瀏覽器為例，打開瀏覽器看下我們自己的版本，然後下載跟自己瀏覽器版本一樣或者最相近的版本，下載後解壓一下，把解壓好的插件放到我們的python環境裡面，或者和代碼放到一起也可以。

模塊使用與介紹

  • selenium pip install selenium ，直接輸入selenium的話是默認安裝最新的，selenium後面加上版本號就是安裝對應的的版本；
  • csv 內置模塊，不需要安裝，把數據保存到Excel表格用的；
  • time 內置模塊，不需要安裝，時間模塊，主要用於延時等待；

流程解析

我們訪問一個網站，要輸入一個網址，所以代碼也是這麼寫的。

首先導入模塊

from selenium import webdriver

文件名或者包名不要命名為selenium，會導致無法導入。 webdriver可以認為是瀏覽器的驅動器，要驅動瀏覽器必須用到webdriver，支持多種瀏覽器。

實例化瀏覽器對象 ，我這裡用的是谷歌，建議大傢用谷歌，方便一點。

driver = webdriver.Chrome()

我們用get訪問一個網址，自動打開網址。

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

運行一下

打開網址後，以買口紅為例。

我們首先要通過你想購買的商品關鍵字來搜索得到商品信息，用搜索結果去獲取信息。

那我們也要寫一個輸入，空白處點擊右鍵，選擇檢查。

選擇element 元素面板

鼠標點擊左邊的箭頭按鈕，去點擊搜索框，它就會直接定位到搜索標簽。

在標簽上點擊右鍵，選擇copy，選擇copy selector 。

如果你是xpath ，就copy它的xpath 。

然後把我們想要搜索的內容寫出來

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

再運行的時候，它就會自動打開瀏覽器進入目標網址搜索口紅。

同樣的方法，找到搜索按鈕進行點擊。

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

再運行就會自動點擊搜索瞭

頁面搜索出來瞭，那麼咱們正常瀏覽網頁是要下拉網頁對吧，咱們讓它自動下拉就好瞭。 先導入time模塊

import time

執行頁面滾動的操作

def drop_down():
    """執行頁面滾動的操作"""  # javascript
    for x in range(1, 12, 2):  # for循環下拉次數，取1 3 5 7 9 11， 在你不斷的下拉過程中, 頁面高度也會變的；
        time.sleep(1)
        j = x / 9  # 1/9  3/9  5/9  9/9
        # document.documentElement.scrollTop  指定滾動條的位置
        # document.documentElement.scrollHeight 獲取瀏覽器頁面的最大高度
        js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight * %f' % j
        driver.execute_script(js)  # 執行我們JS代碼

循環寫好瞭，然後調用一下。

drop_down()

我們再給它來個延時

driver.implicitly_wait(10)

這是一個隱式等待，等待網頁延時，網不好的話加載很慢。

隱式等待不是必須等十秒，在十秒內你的網絡加載好後，它隨時會加載，十秒後沒加載出來的話才會強行加載。

還有另外一種死等的，你寫的幾秒就等幾秒，相對沒有那麼人性化。

time.sleep(10)

加載完數據後我們需要去找商品數據來源

價格/標題/評價/封面/店鋪等等

還是鼠標右鍵點擊檢查，在element ，點擊小箭頭去點擊你想查看的數據。

可以看到都在li標簽裡面

獲取所有的 li 標簽內容，還是一樣的，直接copy 。

在左下角就有瞭

這裡表示的是取的第一個，但是我們是要獲取所有的標簽，所以左邊框框裡 li 後面的可以刪掉不要。

不要的話，可以看到這裡是60個商品數據，一頁是60個。

所以我們把剩下的復制過來, 用lis接收一下 。

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

因為我們是獲取所有的標簽數據，所以比之前多瞭一個s

打印一下

print(lis)

通過lis返回數據 列表 [] 列表裡面的元素 <> 對象

遍歷一下，把所有的元素拿出來。

for li in lis:

    title = li.find_element_by_css_selector('.p-name em').text.replace('\n', '')  # 商品標題 獲取標簽文本數據
    price = li.find_element_by_css_selector('.p-price strong i').text  # 價格
    commit = li.find_element_by_css_selector('.p-commit strong a').text  # 評論量
    shop_name = li.find_element_by_css_selector('.J_im_icon a').text  # 店鋪名字
    href = li.find_element_by_css_selector('.p-img a').get_attribute('href')  # 商品詳情頁
    icons = li.find_elements_by_css_selector('.p-icons i')
    icon = ','.join([i.text for i in icons])  # 列表推導式  ','.join 以逗號把列表中的元素拼接成一個字符串數據
    dit = {
        '商品標題': title,
        '商品價格': price,
        '評論量': commit,
        '店鋪名字': shop_name,
        '標簽': icon,
        '商品詳情頁': href,
    }
    csv_writer.writerow(dit)
    print(title, price, commit, href, icon, sep=' | ')

搜索功能

key_world = input('請輸入你想要獲取商品數據: ')

要獲取的數據 ，獲取到後保存CSV

f = open(f'京東{key_world}商品數據.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=[
    '商品標題',
    '商品價格',
    '評論量',
    '店鋪名字',
    '標簽',
    '商品詳情頁',
])
csv_writer.writeheader()

然後再寫一個自動翻頁

for page in range(1, 11):
    print(f'正在爬取第{page}頁的數據內容')
    time.sleep(1)
    drop_down()
    get_shop_info()  # 下載數據
    driver.find_element_by_css_selector('.pn-next').click()  # 點擊下一頁

完整代碼

from selenium import webdriver
import time
import csv


def drop_down():
    """執行頁面滾動的操作"""  
    for x in range(1, 12, 2):  
        time.sleep(1)
        j = x / 9  # 1/9  3/9  5/9  9/9
        # document.documentElement.scrollTop  指定滾動條的位置
        # document.documentElement.scrollHeight 獲取瀏覽器頁面的最大高度
        js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight * %f' % j
        driver.execute_script(js)  # 執行JS代碼


key_world = input('請輸入你想要獲取商品數據: ')

f = open(f'京東{key_world}商品數據.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=[
    '商品標題',
    '商品價格',
    '評論量',
    '店鋪名字',
    '標簽',
    '商品詳情頁',
])
csv_writer.writeheader()

# 實例化一個瀏覽器對象

driver = webdriver.Chrome()
driver.get('https://www.jd.com/')  # 訪問一個網址 打開瀏覽器 打開網址
# 通過css語法在element(元素面板)裡面查找 #key 某個標簽數據 輸入一個關鍵詞 口紅
driver.find_element_by_css_selector('#key').send_keys(key_world)  # 找到輸入框標簽
driver.find_element_by_css_selector('.button').click()  # 找到搜索按鈕 進行點擊
# time.sleep(10) # 等待 
# driver.implicitly_wait(10)  # 隱式等待 

def get_shop_info():
    # 第一步 獲取所有的li標簽內容
    driver.implicitly_wait(10)
    lis = driver.find_elements_by_css_selector('#J_goodsList ul li')  # 獲取多個標簽
    # 返回數據 列表 [] 列表裡面的元素 <> 對象
    # print(len(lis))
    for li in lis:

        title = li.find_element_by_css_selector('.p-name em').text.replace('\n', '')  # 商品標題 獲取標簽文本數據
        price = li.find_element_by_css_selector('.p-price strong i').text  # 價格
        commit = li.find_element_by_css_selector('.p-commit strong a').text  # 評論量
        shop_name = li.find_element_by_css_selector('.J_im_icon a').text  # 店鋪名字
        href = li.find_element_by_css_selector('.p-img a').get_attribute('href')  # 商品詳情頁
        icons = li.find_elements_by_css_selector('.p-icons i')
        icon = ','.join([i.text for i in icons])  # 列表推導式  ','.join 以逗號把列表中的元素拼接成一個字符串數據
        dit = {
            '商品標題': title,
            '商品價格': price,
            '評論量': commit,
            '店鋪名字': shop_name,
            '標簽': icon,
            '商品詳情頁': 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}頁的數據內容')
    time.sleep(1)
    drop_down()
    get_shop_info()  # 下載數據
    driver.find_element_by_css_selector('.pn-next').click()  # 點擊下一頁

driver.quit()  # 關閉瀏覽器

效果展示

代碼是沒得問題的，大傢可以去試試

到此這篇關於詳解Python如何批量采集京東商品數據流程的文章就介紹到這瞭,更多相關Python 采集京東商品數據內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：