python实战

这个实战内容包含，selenium、pyquery、re、pymonGo
pymongo安装去这里：https://blog.51cto.com/13155409/2125020
实战抓取淘宝美食信息并且存入mongoDB数据库中

实现源码如下：

import pymongo
from selenium import WEBdriver
import re
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

browser = webdriver.Chrome()         #导入浏览器驱动对象
wait = WebDriverWait(browser, 10)    #设置浏览器等待时间

client = pymongo.MongoClient('192.168.10.15')   #创建一个客户端对象
db = client['taobao']   #设置数据库名，会自动建立

def search():
        '''
        函数主要功能是：通过webdriver.Chrome打开淘宝网页，并对“美食”这个关键词进行搜索。
        :return: 返回网页的响应码
        '''
        browser.get('Https://www.taobao.com')
        input = wait.until(
                EC.presence_of_element_located((By.CSS_SELECTOR,'#q'))
        )
        submit =wait.until(
                EC.element_to_be_clickable((By.CSS_SELECTOR, '#J_TSearchFORM > div.search-button > button'))
        )
        input.send_keys('美食')   #输入搜索的关键词
        submit.click()
        return browser.page_source

def trun_page(page):
        '''
        该函数的功能是：实现翻页
        :param page: 通过search页面搜索到的内容页数，返回到主函数，然后通过主函数传递到此处
        :return: 已经获得了第一页的内容了，第二页开始就从这里开始反复调用
        '''
        index = wait.until(
                EC.presence_of_element_located((By.CSS_SELECTOR,'#mainsrp-pager > div > div > div > div.form > input'))
        )
        submit = wait.until(
                EC.element_to_be_clickable((By.CSS_SELECTOR,'#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit'))
        )
        index.clear()   #清除输入框的内容
        index.send_keys(page)   #输入page页码
        submit.click()   #点击跳转的按钮
        get_products(browser.page_source)

def get_products(html):
        wait.until(
                EC.presence_of_element_located((By.CSS_SELECTOR,'#mainsrp-itemlist .items .item'))
                             )
        html = pq(html)    #使用pyquery解析html代码
        doc = html('#mainsrp-itemlist .items .item').items()  #通过item产生一个generator类型，使用for循环遍历
        for item in doc:
                product={
                        "picture": item.find('.pic .img').attr('src'),
                        'name': item.find('.row.title').text().replace('\n',''),
                        'price':item.find('.price').text().replace('\n',''),
                        'deal':item.find('.deal-cnt').text()[:-3],
                        'location':item.find('.location').text()
                }
                print(product)
                #save_to_mongodb(product)
        return(html)

def save_to_mongodb(result):
        '''
        这个函数主要用于把每页的信息写入到MongoDB数据库中
        '''
        try:
                if db['product'].insert(result):   #创建一个product的集合，类似于Mysql中的表，然后插入数据
                                print('存储到MongoDB成功')
        except Exception:
                print('存储到MongoDB出错')

def main():         #定义主函数
        # 调用搜索函数 (对关键词搜索，本文中是以“美食”在淘宝搜索)
        html = search()

        # 调用该函用以获取单页的所有产品的信息
        html = get_products(html)

        #通过上面get_products()返回经过pyquery解析后的html代码，用于获取总页数
        total = html('.total').text()
        total = int(re.search('(\d+)',total).group(1))
        print(total)  #打印出总页数

        #对页数进行循环，这里是从 2 开始，因为前面已经获取一次了
        for page in range(2,total):
                #下面函数主要用于网页翻页
                trun_page(page)

if __name__ == "__main__":
        main()