selenium实战外贸(中国制造)剪刀

1,先看结果


image.png

2.思路
1.反爬虫机制:user-agent设置
2.自动翻页机制
3.一键建表入库
4.phantomjs无界面抓取

3.上代码

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from bs4 import BeautifulSoup
import re
import time
import pymysql

'''
    描述:
        1.网址:http://cn.made-in-china.com    中国制造,外贸类型
        2.使用seleium+bs4
    成果:
        1.实现自动开启浏览器爬取
        2.任意商品可随意输入
        3.一键导入mysql建表
    问题:
        1.不能点击下一页
            使用滚动条下拉至底部
            browser.execute_script('windows.scrollBy(0,1000)')
            解决


'''



conn = pymysql.connect(host='lx',user='x',password='x',port=x,database='x',charset='x')
cursor=conn.cursor()

sql = "CREATE TABLE IF NOT EXISTS %s(ID INT(10) NOT NULL PRIMARY KEY AUTO_INCREMENT," \
      "A VARCHAR(255)," \
      "B VARCHAR(255)," \
      "C VARCHAR(255)," \
      "D VARCHAR(255)," \
      "E VARCHAR(255)," \
      "F VARCHAR(255)," \
      "G VARCHAR(255)," \
      "H VARCHAR(255)," \
      "Z TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP)ENGINE=INNODB DEFAULT CHARSET=utf8"
names = input('数据库名:')
cursor.execute(sql%names)
print('创建成功')

url = 'http://cn.made-in-china.com/hot-search/%E5%89%AA%E5%88%80-2.html'

#url = 'http://cn.made-in-china.com/'
borwser = webdriver.Phantomjs()

timeout = WebDriverWait(borwser,10)
borwser.get(url)
def get_url():

    input_a = timeout.until(EC.presence_of_element_located((By.ID, 'inputWord')))
    input_a.clear()
    input_a.send_keys('剪刀')
    time.sleep(2)

    click_a = timeout.until(EC.element_to_be_clickable((By.ID, 'searchBtn')))
    click_a.submit()
    try:

        while True:
            html = borwser.page_source
            #print(borwser.page_source)
            soup = BeautifulSoup(html,'lxml')
            item = soup.find_all('li',class_='pro-item')
            for a in item:
                name = a.find('h3').get_text().strip() #商品名称,
                commodity_url= a.find('a')['href']       #商品页面链接,前面加上,可以获得商品主页面http: // cn.made - in -china.com /

                namber=[a.get_text().strip() for a in a.find_all('p',class_='pro-des')] #现货数量,商品描述
                numbers = ','.join(list(namber))

                company = a.find('div',attrs={'class':'co-name company-name-js'}).get_text().replace('\n','').strip().replace('\n\n','').replace(' ','').strip()

                price = a.find('div',class_='pro-price').get_text().strip()
                detatime = a.find('span',class_='pro-date').get_text()
                city = a.find('div',class_='gray-light').get_text()

                sql = "INSERT INTO %s(A,B,C,D)VALUES('公司:%s','商品:%s,价钱:%s','城市:%s,商品URL:%s','数量:%s,时间:%s')"
                values=(names,company,name,price,city,commodity_url,numbers,detatime)
                cursor.execute(sql % values)

                print('公司:{}\n商品:{}\n价钱:{}\n城市:{}\n商品URL:{}\n数量:{}\n时间:{}\n'.format(company,name,price,city,commodity_url,numbers,detatime))
                print('导入成功!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!')

            conn.commit()
            #下拉滚动条到底部
            time.sleep(2)
            borwser.execute_script('window.scrollBy(0,10000)')

            #下拉滚动条到底部
            # borwser.execute_script('var q=document.documentElement.scrollTop=100000')
            # time.sleep(3)


            #点击下一页

            click_a = timeout.until(EC.element_to_be_clickable((By.CLASS_NAME,'page-next')))
            click_a.click()
            time.sleep(2)

            #click_a = timeout.until(EC.element_to_be_clickable((By.ID,'')))

    except Exception as e:
        print(e)
    finally:

        cursor.close()
        conn.close()

if __name__ == "__main__":
    get_url()




©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,772评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,458评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,610评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,640评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,657评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,590评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,962评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,631评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,870评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,611评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,704评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,386评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,969评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,944评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,179评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,742评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,440评论 2 342

推荐阅读更多精彩内容

  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 171,404评论 25 707
  • 导读:在互联网上爬取数据的过程中难免出现ip被封或者服务器返回403等等,这可能是你被网站检测为爬虫而采取的反爬措...
    zgjx阅读 11,165评论 0 8
  • 爬虫文章 in 简书程序员专题: like:128-Python 爬取落网音乐 like:127-【图文详解】py...
    喜欢吃栗子阅读 21,737评论 4 412
  • 配料: 鸡翅 香菇 木耳 葱 蒜 大料 香叶 料酒 生抽 老抽 淀粉 糖 盐 香油 步骤如下:1 清洗鸡翅,香菇...
    lpw716485阅读 199评论 0 2
  • 不会吉他 却享受那弦弦律动 不会画画 却享受那丝丝线条 不会单车 却享受那极速的冲动 夜深人静 我愿一个人 撩拨琴...
    角落蜷缩阅读 129评论 0 0