大家好，又见面了，我是你们的朋友全栈君。
因为工作需要，同事刚开始学python，学到selenium这个工具半个月都没整明白，因为这个令他头秃了半个月，最后找到我给他解答。
所以我用一个淘宝爬虫实例给他解释了一遍，不用一个小时他就搞懂了。初学者也看得懂的爬虫项目。
在爬虫开始之前我们需要了解一些概念，本次爬虫会用到 selenium。
什么是selenium？
selenium是网页自动化测试工具，可以自动化的操作浏览器。如果需要操作哪个浏览器需要安装对应的driver，比如你需要通过selenium操作chrome，那必须安装chromedriver，而且版本与chrome保持一致。
了解完之后，安装selenium：
代码语言：javascript复制pip install selenium -i https://pypi.tuna.tsinghua.edu.cn/simple一、导入模块
首先我们先导入模块
代码语言：javascript复制from selenium import webdriver后续我们还会用到其他的模块，我先把它全部放出来：
二、浏览器初始化
然后就是浏览器的初始化
代码语言：javascript复制browser = webdriver.Chrome()可以用很多浏览器，android、blackberry、ie等等。想用其他的浏览器，下载对应的浏览器驱动就可以了。
因为我这边只安装了谷歌浏览器的驱动，所以用的是chrome谷歌，驱动可以自己去下载。
chrome谷歌浏览器对应的driver：
http://npm.taobao.org/mirrors/chromedriver/
三、登录获取页面
首先要解决的是登录问题，登录时不要直接输入账号登录，因为淘宝的反爬特别严重，如果它检测到你是一个爬虫，就不允许登录，淘宝在登录这一块的措施是很严格的。
所以我用了另一种登录方法，支付宝扫码登录，请求到支付宝扫码登录页面的网址。
代码语言：javascript复制def loginTB():
browser.get(
'https://auth.alipay.com/login/index.htm?loginScene=7&goto=https://auth.alipay.com/login/taobao_trust_login.htm?target=https%3A%2F%2Flogin.taobao.com%2Fmember%2Falipay_sign_dispatcher.jhtml%3Ftg%3Dhttps%253A%252F%252Fwww.taobao.com%252F¶ms=VFBMX3JlZGlyZWN0X3VybD1odHRwcyUzQSUyRiUyRnd3dy50YW9iYW8uY29tJTJG')跳转到支付宝扫码登录界面。
我这边设置了一个等待时间，180秒后搜索框出现，其实不会等待180秒，是一个显示等待，只要元素出现，就不会在等待了。
再查找搜索框并输入关键字搜索。
代码语言：javascript复制 # 设置显示等待 等待搜索框出现
wait = WebDriverWait(browser, 180)
wait.until(EC.presence_of_element_located((By.ID, 'q')))
# 查找搜索框，输入搜索关键字并点击搜索
text_input = browser.find_element_by_id('q')
text_input.send_keys('美食')
btn = browser.find_element_by_xpath('//*[@id="J_TSearchForm"]/div[1]/button')
btn.click()四、解析数据
获取网页之后，再来解析数据，将所需要的商品数据爬到，这里用的是lxml解析库，XPath选取子节点直接解析。
五、爬取页面
在搜索框搜索之后会出现所需要的商品页面详情，但是不只是爬取一页，是要不断的下一页爬取多页的商品信息。这里写了一个死循环，一直爬到商品页没有了
代码语言：javascript复制def loop_get_data():
page_index = 1
while True:
print("===================正在抓取第{}页===================".format(page_index))
print("当前页面URL：" browser.current_url)
# 解析数据
parse_html(browser.page_source)
# 设置显示等待 等待下一页按钮
wait = WebDriverWait(browser, 60)
wait.until(EC.presence_of_element_located((By.XPATH, '//a[@class="J_Ajax num icon-tag"]')))
time.sleep(1)
try:
# 通过动作链，滚动到下一页按钮元素处
write = browser.find_element_by_xpath('//li[@class="item next"]')
ActionChains(browser).move_to_element(write).perform()
except NoSuchElementException as e:
print("爬取完毕，不存在下一页数据！")
print(e)
sys.exit(0)
time.sleep(0.2)
# 点击下一页
a_href = browser.find_element_by_xpath('//li[@class="item next"]')
a_href.click()
page_index = 1六、爬虫完成
最后就是的调用 loginTB()， loop_get_data() 这两个之前写好的，def loop_get_data() 在while循环里就调用了，所以不需要再调用。
爬虫完成后存到了一个shop_data.json文件里。
爬取的结果如下：
本次爬虫涉及到的网页均可替换，小伙伴们需要源代码，在评论区评论：taobao后私信我就可以，或者在爬取的过程中遇到什么问题可以随时问我。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/149590.html原文链接：https://javaforall.cn
