使用Selenium爬取淘宝商品（绕过登录页面）

用Selenium来模拟浏览器操作，抓取淘宝商品信息，并将结果保存到MongoDB。

1.准备工作

本文以Chrome为例来讲解Selenium的用法。在开始之前，请确保已经正确安装好了Chrome浏览器并配置好了ChromeDriver；另外，还需要正确安装Python的Selenium库。

2.接口分析

首先，我们来打开淘宝的接口，观察一下它的ajax请求。

打开淘宝页面，搜索商品，比如ipad，此时打开开发者工具，查看Ajax请求，我们可以发现，根本没有Ajax请求，如图

不过没有关系，我们可以直接用Selenium来模拟浏览器，只要在浏览器里能看到的，都可以爬取。这也是我们选择使用Selenium的原因。

3.页面分析

我们的目标是爬取商品信息。如图是一个商品条目，其中包含商品的基本信息，包括商品图片、名称、价格、购买人数、店铺名称和店铺所在地，我们要做的就是将这些信息都抓取下来。

抓取入口就是淘宝的搜索页面，这个链接可以通过直接构造参数访问。例如，如果搜ipad，就可以直接访问https://s.taobao.com/search?q=ipad，呈现的就是第一页的搜索结果，如图所示线报捡漏群

在页面下方，有一个分页导航，其中既包括前5页的链接，也包括下一个的链接，同时还有一个输入任意页码跳转的链接，如图

这里商品搜索的结果一般最大都是100页，要获取每一页的内容，只需要将页码从1到100顺序遍历即可，页码数是确定的。所以，直接在页面跳转文本框中输入要跳转的页码，然后点击确定按钮即可跳转到页码对应的页面。

这里不直接点击下一页的原因是：一旦爬取过程中出现异常退出，比如到50页退出了，此时点击下一页时，就无法快速切换到对应的后续页面了。此外，在爬取过程中，也需要记录当前的页码数，而且点击下一页之后页面加载失败，还需要做异常检测，检测当前页面是加载到了第几页。整个流程比较复杂，所以我们这里直接用跳转的方式来爬取页面。

当我们成功的加载出某一页商品列表时，利用Selenium即可获取页面源代码，然后再用相应的解析库解析即可。这里我们选用pyquery解析。下面我们用代码实现整个抓取过程。

4.获取商品列表

首先，需要构造一个抓取的URL：https://s.taobao.com/search?q=ipad。这个URL非常简洁，参数q就是要搜索的关键字。只要改变这个参数，即可获取不同的商品列表。这里我们将商品的关键字定义成一个变量，然后构造出这样的一个URL。线报捡漏群

然后就需要用Selenium进行抓取了。我们实现了如下抓取列表页的方法：

fromseleniumimportwebdriverfromselenium.common.exceptionsimportTimeoutExceptionfromselenium.webdriver.common.byimportByfromselenium.webdriver.supportimportexpected_conditionsasECfromselenium.webdriver.support.waitimportWebDriverWaitfromurllib.parseimportquoteimporttime
browser = webdriver.Chrome()
wait = WebDriverWait(browser,10)
KEYWORD =ipaddefindex_page(page):"""
    抓取索引页
    :param page: 页码
    """print(正在爬取第,page,页)try:
        url =https://s.taobao.com/search?q=+quote(KEYWORD)
        browser.get(url)ifpage>1:
            input = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,mainsrp-pager div.form > input)))
            submit = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,mainsrp-pager div.form > span.btn.J_Submit)))
            input.clear()
            input.send_keys(page)
            submit.click()
        wait.until(EC.text_to_be_present_in_element((By.CSS_SELECTOR,mainsrp-pager li.item.active > span),str(page)))
        wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,.m-itemlist .items .item)))
        get_products()exceptTimeoutException:
        index_page(page)

这里首先构造了一个WebDriver对象，使用的浏览器是Chrome，然后指定一个关键词，如ipad，接着定义了index_age()方法，用于抓取商品列表页。

在该方法里，我们首先访问了搜索商品的链接，然后判断了当前的页码，如果大于1，就进行跳页操作，否则等待页面加载完成。

等待加载时，我们使用了WebDriverWait对象，它可以指定等待条件，同时指定一个最长等待时间，这里指定为10s。如果在这个时间内成功匹配了等待条件，也就是说页面元素成功加载出来了，就立即返回相应结果并继续向下执行，否则到了最大等待时间还没有加载出来时，就直接抛出超时异常。

比如，我们最终要等待商品信息加载出来，就指定了presnece_of_element_located这个条件，然后传入了.m-itemlist .items .item这个选择器，而这个选择器对应的页面内容就是每个商品的信息块，可以在网页中查看。如果加载成功，就会执行后续的get_products()方法，提取商品信息。线报捡漏群

关于翻页操作，这里首先获取页码输入框，赋值为input，然后获取确定按钮，赋值为submit，分别是图中的两个元素。

首先，我们清空了输入框，此时调用clear（）方法即可。随后，调用send_keys()方法将页码填充到输入框中，然后点击确定按钮即可

那么，怎么样知道有没有跳转到对应的页码呢？我们可以注意到，成功跳转到某一页后，页码都会高亮显示，如图

我们只需要判断当前高亮的页码数是当前的页码数即可，所以这里使用了另一个等待条件text_to_be_present_in_element，它会等待指定的文本出现在某一个节点里面时即返回成功。这里我们将高亮的页码节点对应的CSS选择器和当前要跳转的页码通过参数传递给这个等待条件，这样它就会检测当前高亮的页码节点是不是我们传过来的页码数，如果是，就证明页面成功跳转到了这一页，页面跳转成功。

这样刚才实现的index_page()方法就可以传入对应的页码，待加载出对应页码的商品列表后，再去调用get_products()方法进行页面解析。

5.解析商品列表

接下来，我们就可以实现get_products()方法来解析商品列表了。这里我们直接获取页面源代码，然后用pyquery进行解析，实现如下：线报捡漏群

frompyqueryimportPyQueryaspqdefget_products():"""
    提取商品数据
    """html = browser.page_source
    doc = pq(html)
    items = doc(mainsrp-itemlist .items .item).items()foriteminitems:
        product = {image:item.find(.pic .img).attr(data-src),price:item.find(.price).text(),deal:item.find(.deal-cnt).text(),title:item.find(.title).text(),shop:item.find(.shop).text(),location:item.find(.location).text()
        }
        print(product)
        save_to_mongo(product)

首先，调用page_source属性获取页码的源代码，然后构造了PyQuery对象，提取了商品列表，此时使用的CSS选择器是mainsrp-itemlist .items .item，它会匹配整个页面的每个商品。它的匹配结果是多个，所以这里我们又对它进行了一次遍历，用for循环将每个结果分别进行解析，每次循环把它赋值为item变量，每个item变量都是一个PyQuery对象，然后再调用它的find()方法，传入CSS选择器，就可以获取单个商品的特定内容。

比如查看一下商品源码

可以发现，它是一个img节点，包含id、class、data-src、alt和src属性，这里之所以可以看到这样图片，是因为它的src属性被赋值为图片的URL。把它的src属性提取出来，就可以获取商品的完整图片了。不过我们还注意data-src属性，它的图片内容也是图片的URL，观察后发现此URL是图片的完整大图，而src是压缩后的小图，所以这里抓取data-src属性来作为商品的图片。

因此，我们需要先利用find()方法找到图片的这个节点，然后再调用attr()方法获取商品的data-src属性，这样就成功提取了商品的链接。然后用同样的方法提取商品的价格、成交量、名称、店铺所在地等信息，接着将所有提取结果赋值为一个字典product，然后调用save_mongo()将其保存到MongoDB即可。线报捡漏群

6.保存到MongoDB

接下来，我们将商品信息保存到MongoDB，代码如下：

importpymongo
MONGO_URL =localhostMONGO_DB =taobaoMONGO_COLLECTION =productsclient = pymongo.MongoClient(MONGO_URL)
db = client[MONGO_DB]defsave_to_mongo(result):"""
    保存结果到MongoDB
    """try:ifdb[MONGO_COLLECTION].insert(result):
            print(存储到MongoDB成功)exceptException:
        print(存储到MongoDB失败)

这里首先创建了一个MongoDB的连接对象，然后指定了数据库，随后指定了Collection的名称，接着调用insert()方法将数据库插入到MongoDB。此处的result的变量就是在get_products()方法里传来的product，包含单个商品的信息。

7.遍历每页

刚才我们所定义的get_index()方法需要接收参数page，page代码页码。这里我们实现页码遍历即可，代码如下：

MAX_PAGE =10defmain():"""
    遍历
    :return:
    """foriinrange(1,MAX_PAGE+1):
        index_page(i)
        time.sleep(10)
main()

最后调用main()方法即可运行。

8.异常处理（绕过登录反爬机制）

当写到这里，如果运行程序会发现，程序在弹出浏览器窗口后，会出现登陆页面，但是当你尝试输入账户密码时，滑块的验证始终失效。并且页面还会不断刷新。如图

针对这种情况，博主找到了两种解决方案

方法一：修改ChromeDriver.exe线报捡漏群

之所以出现这种情况，是因为在淘宝的登录页面，有这样一个js，它会判断你是通过驱动打开的浏览器还是其他情况，如果是驱动打开那么这个判断为真就会出现这种情况，如图，为判断的js

我们在控制台运行一下这个脚本window.navigator.webdriver

可以看到，判断为真，说明浏览器知道我们使用的是驱动。

那该如何解决呢？

首先，使用nodepad++或者记事本打开chrome，查找$cdc，找到这串代码后，将其用等长的字符串替代即可，例如把最后的l改成a。

然后把部分代码改为如下模式，将浏览器设置为开发者模式：

option= webdriver.ChromeOptions()开发者模式的开关，设置一下，打开浏览器就不会识别为自动化测试工具了option.add_experimental_option(excludeSwitches, [enable-automation])
driver = webdriver.Chrome(chrome_options=option)

如果这种方法不能奏效，请看第二种方法

方法二：将用户信息的配置文件在代码中加载

首先，在Chrome中输入chrome://version/查看信息。如图，这是我们用户信息。

然后在代码中，加载浏览器配置

chrome_option = webdriver.ChromeOptions()
p=rC:\Users\赵磊\AppData\Local\Google\Chrome\User Datachrome_option.add_experimental_option(excludeSwitches, [enable-automation])   以开发者模式chrome_option.add_argument(--user-data-dir=+p)
browser = webdriver.Chrome(options=chrome_option)
wait = WebDriverWait(browser,10)

这样在爬取时就不会出现登录页面了。

9.运行

此时运行代码，会发现弹出一个Chrome浏览器，然后会访问淘宝页面，接着控制台输出如下

可以发现，这些商品信息的结果都是字典形式，它们倍存储到MongoDB里面，再看一下MongoDB中的结果

说明信息保存到MongoDB中，爬取成功。线报捡漏群

使用Selenium自动秒抢淘宝商品

selenium有多种编程语言的客户端驱动，编写自动化脚本语法简洁，其中python的selenium库便非常的受欢迎。

你可以使用selenium做web测试或者爬虫，自动抢票、自动下单也可以用selenium来做。

演示自动打开淘宝网：

使用selenium抢购商品

1. 导入selenium相关模块

导入库
from seleniumimportwebdriverimportdatetimeimporttime

1. 打开chrome浏览器

记录时间now= datetime.datetime.now().strftime(%Y-%m-%d %H:%M:%S.%f)打开chromebrowser= webdriver.Chrome()

1. 登录淘宝

登录deflogin():打开淘宝首页，通过扫码登录browser.get("https://www.taobao.com/")
    time.sleep(3)打开登录界面find_login = browser.find_element_by_link_text("亲，请登录")iffind_login:
        find_login.click()
        print("请扫码登录")
        time.sleep(10)
        
login()

1. 选择购物车列表

选择购物车列表defpicking(method):是否全选购物车ifmethod ==0:whileTrue:try:ifbrowser.find_element_by_id("J_SelectAll1"):
                    browser.find_element_by_id("J_SelectAll1").click()
                    print(全选购物车成功)breakexcept:
                print(f"找不到购买按钮")else:
        print(f"请手动勾选需要购买的商品")
        time.sleep(1)

1. 点击结算按钮

点击结算按钮defsettlement():whileTrue:try:ifbrowser.find_element_by_id(J_SelectedItemsCount).text >=1:
                browser.find_element_by_link_text("结 算").click()
                print(f"结算成功，准备提交订单")breakexcept:pass

1. 点击提交订单按钮

点击提交订单按钮defsubmitting():whileTrue:try:ifbrowser.find_element_by_link_text(提交订单):
                browser.find_element_by_link_text(提交订单).click()
                print(f"抢购成功，请尽快付款")breakexcept:
            print(f"再次尝试提交订单")

1. 开始执行抢购

defrun(times):打开购物车列表页面print(正在抢购！)
    browser.get("https://cart.taobao.com/cart.htm")
    time.sleep(3)whileTrue:
        now = datetime.datetime.now().strftime(%Y-%m-%d %H:%M:%S.%f)对比时间，时间到的话就点击结算ifnow > times:全选购物车picking(0)点击结算按钮settlement()提交订单submitting()
            print(now)break

希望本文对你有所帮助~~如果对软件测试、接口测试、自动化测试、性能测试、面试经验交流感兴趣可以私聊我或关注公众号特斯汀软件测试。免费领取最新软件测试大厂面试资料和Python自动化、接口、框架搭建学习资料！技术大牛解惑答疑，同行一起交流。