Python怎么批量采集京东商品数据流程
Python怎么批量采集京东商品数据流程
这篇文章主要介绍Python怎么批量采集京东商品数据流程，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
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
-
seleniumpip 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
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。
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
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。
在标签上点击右键，选择copy，选择copy selector 。
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。
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""" # javascript for 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 # 1/9 3/9 5/9 9/9 # 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' % j driver.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
获取所有的 li 标签内容，还是一样的，直接copy 。
在左下角就有了
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。
不要的话，可以看到这里是60个商品数据，一页是60个。
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
打印一下
print(lis)
通过lis返回数据 列表 [] 列表里面的元素 <> 对象
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 = 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: ')
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 webdriver import time import csv def drop_down(): """执行页面滚动的操作""" for x in range(1, 12, 2): time.sleep(1) j = x / 9 # 1/9 3/9 5/9 9/9 # 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' % j driver.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 = 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
以上是“Python怎么批量采集京东商品数据流程”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注高防服务器网行业资讯频道！
[微信提示：高防服务器能助您降低 IT 成本，提升运维效率，使您更专注于核心业务创新。
[图文来源于网络，不代表本站立场，如有侵权，请联系高防服务器网删除]
[