使用selenium与无头Chrome爬取携程酒店信息

# -*- coding: UTF-8 -*-
import re
from selenium import webdriver
import time
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import pymongo


def element_find(xpath):
    # 判断元素是否加载完成
    try:
        element = WebDriverWait(driver, 30).until(
            EC.presence_of_element_located((By.XPATH, xpath)))
    except Exception:
        driver.quit()
        print("元素加载超时")
    return element


def get_hotel_list(city_id, arrive_time, leave_time):
    # 得到地图页
    driver.get("http://hotels.ctrip.com/international//" + city_id)
    element_find('//*[@id="txtCheckIn"]').clear()
    time.sleep(2)
    element_find('//*[@id="txtCheckIn"]').send_keys(arrive_time)
    time.sleep(2)
    element_find('//*[@id="txtCheckOut"]').clear()
    time.sleep(2)
    element_find('//*[@id="txtCheckOut"]').send_keys(leave_time)
    time.sleep(2)
    element_find('//*[@id="side_inner"]/div[1]/div[1]/a').click()
    time.sleep(2)


def get_info(res):
    # 用于判断酒店信息存在
    pattern = re.compile(r'<div class="side_list_item".*?</span></div></div></div>')
    result = pattern.findall(res)
    return result


def map_biggest():
    # 将地图放大
    driver.switch_to.frame(0)
    element_find('//*[@id="map"]/div/div/div[10]/div[1]/div/button[2]').click()
    time.sleep(1)
    element_find('//*[@id="map"]/div/div/div[10]/div[1]/div/button[2]').click()
    time.sleep(1)
    element_find('//*[@id="map"]/div/div/div[10]/div[1]/div/button[2]').click()
    time.sleep(1)
    element_find('//*[@id="map"]/div/div/div[10]/div[1]/div/button[2]').click()
    time.sleep(1)
    element_find('//*[@id="map"]/div/div/div[10]/div[1]/div/button[2]').click()
    time.sleep(1)
    element_find('//*[@id="map"]/div/div/div[10]/div[1]/div/button[2]').click()
    driver.switch_to.default_content()


def get_id(res):
    # 正则匹配酒店id
    pattern = re.compile(r'id=".*?"')
    result = pattern.findall(res)
    return result[0][4:-1]


def get_title(res):
    # 正则匹配酒店名
    pattern = re.compile(r'title=".*?" href')
    result = pattern.findall(res)
    return result[0][7:-6]


def get_price(res):
    # 正则匹配酒店价格
    pattern = re.compile(r'price=.*?" curr')
    result = pattern.findall(res)
    return result[0][7:-6]


def get_lat(res):
    # 正则匹配酒店纬度
    pattern = re.compile(r'pos=".*?\|')
    result = pattern.findall(res)
    return result[0][5:-1]


def get_lng(res):
    # 正则匹配酒店经度
    pattern = re.compile(r'\|.*?"')
    result = pattern.findall(res)
    return result[0][1:-1]


def get_pos(res):
    # 正则匹配酒店经纬度
    pattern = re.compile(r'pos=".*?"')
    result = pattern.findall(res)
    return result[0][5:-1]


def get_mark(res):
    # 正则匹配酒店分数
    pattern = re.compile(r'"b">.*?</span>')
    result = pattern.findall(res)
    return result[0][4:-7]


def get_url(res):
    # 正则匹配酒店url
    pattern = re.compile(r'href=".*?"')
    result = pattern.findall(res)
    return result[0][6:-1]


def get_hotel(res, total_count, page):
    # 获得酒店全部信息并储存至数据库
    for i in range(0, len(res)):
        time.sleep(10)
        element_find('//*[@id="' + get_id(res[i]) + '"]/div/span').click()
        if i == 3 or 4:
            element_find('//*[@id="' + get_id(res[i]) + '"]/div/span').click()
        time.sleep(2)
        driver.switch_to.frame("mapIframe")
        time.sleep(2)
        img_url = element_find('//*[@id="map"]/div/div/div[1]/div[3]/div/div[4]/div/div/div[1]/div/img').get_attribute('src')
        time.sleep(2)
        address = element_find('//*[@id="map"]/div/div/div[1]/div[3]/div/div[4]/div/div/div[2]/div[3]').text
        time.sleep(2)
        driver.switch_to.default_content()
        hotel_info = {"_id": get_id(res[i]), "rank":get_mark(res[i]), "city_name": "首尔", "city_id": "seoul274"
                    , "pos": get_pos(res[i]), "address": address, "id": get_id(res[i]), "link": get_url(res[i])
                    , "area_name": "首尔", "areacode": "kr", "citycode": "seoul", "pic_url": img_url, "title": get_title(res[i])
                    , "paiming": int(page-1)*10+i+1, "total_page": total_count//10, "page": int(page), "total_count": total_count
                      }
        time.sleep(2)
        save_to_mongo(hotel_info)
        time.sleep(2)


def save_to_mongo(result):
    # 数据储存到mongodb
    try:
        if db[MONGO_TABLE].insert_one(result):
            print('stroe succeed', result)
    except Exception :
        print('store failed', result)


MONGO_URl = 'localhost:27017'
MONGO_DB = 'xiecheng'
client = pymongo.MongoClient(MONGO_URl)
db = client[MONGO_DB]
MONGO_TABLE = 'seoul274'


if __name__ == "__main__":
    chrome_options = Options()
    chrome_options.add_argument('--headless')
    driver = webdriver.Chrome(options=chrome_options)
    # driver = webdriver.Chrome()
    driver.maximize_window()
    get_hotel_list("seoul274", "2019-09-16", "2019-09-17")
    # 换至地图页
    handle = driver.current_window_handle
    handles = driver.window_handles
    for new_handle in handles:
        if new_handle != handle:
            driver.switch_to.window(new_handle)
    # 获得总酒店数量与页数
    total_count = int(element_find('//*[@id="J_totalHotel"]').text)
    pages = total_count // 10
    pag = 1
    while pag != pages:
        print("page: " + str(pag))
        time.sleep(2)
        page = driver.page_source
        res = get_info(page)
        if res == []:
            print("hotels disappear!")
            time.sleep(10)
            driver.get("https://hotels.ctrip.com/international/maplist/seoul274/p" + str(pag))
            time.sleep(10)
        else:
            time.sleep(2)
            map_biggest()
            get_hotel(res, total_count, pag)
            pag = pag + 1
            time.sleep(2)
            element_find('//*[@id="c_page_mini_next"]').click()
            time.sleep(10)

    driver.quit()


©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 206,723评论 6 481
  • 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 88,485评论 2 382
  • 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 152,998评论 0 344
  • 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 55,323评论 1 279
  • 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 64,355评论 5 374
  • 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 49,079评论 1 285
  • 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 38,389评论 3 400
  • 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 37,019评论 0 259
  • 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 43,519评论 1 300
  • 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 35,971评论 2 325
  • 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 38,100评论 1 333
  • 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 33,738评论 4 324
  • 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 39,293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 30,289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 31,517评论 1 262
  • 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 45,547评论 2 354
  • 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 42,834评论 2 345

推荐阅读更多精彩内容