selenium跳过webdriver检测并爬取淘宝我已购买的宝贝数据
程序员文章站
2022-12-24 11:29:46
简介 上一个博文已经讲述了如何使用selenium跳过webdriver检测并爬取天猫商品数据,所以在此不再详细讲,有需要思路的可以查看另外一篇博文。 源代码 使用教程 1. [点击这里下载][1]下载chrome浏览器 2. 查看chrome浏览器的版本号,[点击这里下载][2]对应版本号的chr ......
简介
上一个博文已经讲述了如何使用selenium跳过webdriver检测并爬取天猫商品数据,所以在此不再详细讲,有需要思路的可以查看另外一篇博文。
源代码
# -*- coding: utf-8 -*- from selenium import webdriver from selenium.webdriver.common.by import by from selenium.webdriver.support.ui import webdriverwait from selenium.webdriver.support import expected_conditions as ec from pyquery import pyquery as pq from time import sleep import random #定义一个taobao类 class taobao_infos: #对象初始化 def __init__(self): url = 'https://login.taobao.com/member/login.jhtml' self.url = url options = webdriver.chromeoptions() options.add_experimental_option("prefs", {"profile.managed_default_content_settings.images": 2}) # 不加载图片,加快访问速度 options.add_experimental_option('excludeswitches', ['enable-automation']) # 此步骤很重要,设置为开发者模式,防止被各大网站识别出来使用了selenium self.browser = webdriver.chrome(executable_path=chromedriver_path, options=options) self.wait = webdriverwait(self.browser, 10) #超时时长为10s #登录淘宝 def login(self): # 打开网页 self.browser.get(self.url) # 自适应等待,点击密码登录选项 self.browser.implicitly_wait(30) #智能等待,直到网页加载完毕,最长等待时间为30s self.browser.find_element_by_xpath('//*[@class="forget-pwd j_quick2static"]').click() # 自适应等待,点击微博登录宣传 self.browser.implicitly_wait(30) self.browser.find_element_by_xpath('//*[@class="weibo-login"]').click() # 自适应等待,输入微博账号 self.browser.implicitly_wait(30) self.browser.find_element_by_name('username').send_keys(weibo_username) # 自适应等待,输入微博密码 self.browser.implicitly_wait(30) self.browser.find_element_by_name('password').send_keys(weibo_password) # 自适应等待,点击确认登录按钮 self.browser.implicitly_wait(30) self.browser.find_element_by_xpath('//*[@class="btn_tip"]/a/span').click() # 直到获取到淘宝会员昵称才能确定是登录成功 taobao_name = self.wait.until(ec.presence_of_element_located((by.css_selector, '.site-nav-bd > ul.site-nav-bd-l > li#j_sitenavlogin > div.site-nav-menu-hd > div.site-nav-user > a.site-nav-login-info-nick '))) # 输出淘宝昵称 print(taobao_name.text) # 模拟向下滑动浏览 def swipe_down(self,second): for i in range(int(second/0.1)): #根据i的值,模拟上下滑动 if(i%2==0): js = "var q=document.documentelement.scrolltop=" + str(300+400*i) else: js = "var q=document.documentelement.scrolltop=" + str(200 * i) self.browser.execute_script(js) sleep(0.1) js = "var q=document.documentelement.scrolltop=100000" self.browser.execute_script(js) sleep(0.1) # 爬取淘宝 我已买到的宝贝商品数据 def crawl_good_buy_data(self): # 对我已买到的宝贝商品数据进行爬虫 self.browser.get("https://buyertrade.taobao.com/trade/itemlist/list_bought_items.htm") # 遍历所有页数 for page in range(1,1000): # 等待该页面全部已买到的宝贝商品数据加载完毕 good_total = self.wait.until(ec.presence_of_element_located((by.css_selector, '#tp-bought-root > div.js-order-container'))) # 获取本页面源代码 html = self.browser.page_source # pq模块解析网页源代码 doc = pq(html) # # 存储该页已经买到的宝贝数据 good_items = doc('#tp-bought-root .js-order-container').items() # 遍历该页的所有宝贝 for item in good_items: good_time_and_id = item.find('.bought-wrapper-mod__head-info-cell___29cdo').text().replace('\n',"").replace('\r',"") good_merchant = item.find('.seller-mod__container___1w0cx').text().replace('\n',"").replace('\r',"") good_name = item.find('.sol-mod__no-br___1pwlo').text().replace('\n', "").replace('\r', "") # 只列出商品购买时间、订单号、商家名称、商品名称 # 其余的请自己实践获取 print(good_time_and_id, good_merchant, good_name) print('\n\n') # 大部分人被检测为机器人就是因为进一步模拟人工操作 # 模拟人工向下浏览商品,即进行模拟下滑操作,防止被识别出是机器人 # 随机滑动延时时间 swipe_time = random.randint(1, 3) self.swipe_down(swipe_time) # 等待下一页按钮 出现 good_total = self.wait.until(ec.presence_of_element_located((by.css_selector, '.pagination-next'))) # 点击下一页按钮 good_total.click() sleep(2) if __name__ == "__main__": # 使用之前请先查看当前目录下的使用说明文件readme.md # 使用之前请先查看当前目录下的使用说明文件readme.md # 使用之前请先查看当前目录下的使用说明文件readme.md chromedriver_path = "/users/bird/desktop/chromedriver.exe" #改成你的chromedriver的完整路径地址 weibo_username = "改成你的微博账号" #改成你的微博账号 weibo_password = "改成你的微博密码" #改成你的微博密码 a = taobao_infos() a.login() #登录 a.crawl_good_buy_data() #爬取淘宝 我已买到的宝贝商品数据
使用教程
- 下载chrome浏览器
- 查看chrome浏览器的版本号,对应版本号的chromedriver驱动
- pip安装下列包
- [x] pip install selenium
- 登录微博,并通过微博绑定淘宝账号密码
- 在main中填写chromedriver的绝对路径
- 在main中填写微博账号密码
#改成你的chromedriver的完整路径地址 chromedriver_path = "/users/bird/desktop/chromedriver.exe" #改成你的微博账号 weibo_username = "改成你的微博账号" #改成你的微博密码 weibo_password = "改成你的微博密码"
演示图片
其他爬虫源代码
所有关于爬虫的项目都放在github了,有需要的可以去github仓库
项目持续更新,欢迎您