欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

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

  1. 下载chrome浏览器
  2. 查看chrome浏览器的版本号,对应版本号的chromedriver驱动
  3. pip安装下列包
    • [x] pip install selenium
  4. 登录微博,并通过微博绑定淘宝账号密码
  5. 在main中填写chromedriver的绝对路径
  6. 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

selenium跳过webdriver检测并爬取淘宝我已购买的宝贝数据
selenium跳过webdriver检测并爬取淘宝我已购买的宝贝数据

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