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

• 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

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 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  # 1/9  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，欢迎关注编程网Python频道！