Python爬虫实战：Selenium+BeautifulSoup实现对京东商品完整数据的爬取

Python爬虫：使用Selenium完整爬取京东每页数据

一、完整代码及注释分析
二、图片辅助分析
三、运行结果

一、完整代码及注释分析

from selenium import webdriver
import time
import os
from selenium.webdriver.chrome.options import Options
from selenium.webdriver import ChromeOptions
from bs4 import BeautifulSoup


#初始化
def init():
    # 实现无可视化界面得操作
    chrome_options = Options()
    chrome_options.add_argument('--headless')
    chrome_options.add_argument('--disable-gpu')
    
	#设置chrome_options=chrome_options即可实现无界面
    driver = webdriver.Chrome(chrome_options=chrome_options)
    #把浏览器实现全屏
    #driver.maximize_window()
    #返回driver
    return driver

#请求
def login(driver,url):
	#发起请求
    driver.get(url)
    time.sleep(1)
 	#休息一秒然后操纵滚轮滑倒最底部，这时浏览器数据全部加载，返回的源码中是全部数据
    driver.execute_script("window.scrollTo(0,document.body.scrollHeight);")
    time.sleep(1)
    #得到代码
    source = driver.page_source
    #返回source源码以供解析
    return source

#爬取
def download(source):
	#使用lxml XML解析器
    bs = BeautifulSoup(source, "lxml")
    #根据class获取全部li标签，参考图1
    ul_list = bs.find_all(class_="gl-item")
    #遍历得到各个li
    for li in ul_list:
    	#把li在进行解析
        li_soup = BeautifulSoup(str(li),'lxml')
        #拿到img标签的src属性即为图片url，参考图2
        img_url = "http:" + li_soup.find("img")['src']
        
        #参考图3，标题在em标签，但有的em标签内部有span标签，我们需要排除span标签
        title = li_soup.find(class_="p-name p-name-type-2").find("em")
        #排除span标签
        info = [s.extract() for s in title('span')]
        #拿到文本值并去除空白字段
        title_name = title.text.strip()
        #根据标签查找加上.string拿到标签里的文本，参考图4
        price = li_soup.find("i").string

        print(img_url)
        print(price)
        print(title_name)
        print("="*40)



if __name__ == "__main__":
    s = 1
    num = 1
    #使用Selenium初始化Chrome浏览器
    driver = init()
    #爬取多页
    for i in range(2):
        start_url = "https://search.jd.com/Search?keyword=%E6%89%8B%E6%9C%BA&wq=%E6%89%8B%E6%9C%BA&page=" + str(num) + "&s=" + str(s) + "&click=0"
        s += 50
        num += 2
        # print(start_url)
        #发起请求
        source = login(driver,start_url)
        #爬取
        download(source)