Selenium工具爬取商品

selenium是一个优秀的自动化测试工具，支持多种语言，具体介绍参考官方文档：https://www.seleniumhq.org/docs/。

下面我们使用selenium工具模拟用户点击商品详情页，在详情页中获取商品预览图。

一、安装selenium

pip install selenium

二、测试安装

python
>> from selenium import webdriver
>> browser = webdriver.Chrome()

若没有报错，则可进行后面的步骤。若有错误提示未找到chromedriver，需要下载chromedriver

三、下载chromedriver

下载与本地浏览器版本相同的chromedriver，下载后，需将该驱动包放入PATH中，我的浏览器版本 75.0.3770.142

wget http://npm.taobao.org/mirrors/chromedriver/74.0.3729.6/chromedriver_linux64.zip
tar zxvf chromedriver_linux64.zip
cd chromedriver_linux64
export PATH=$PATH:~/Downloads/chromedriver_linux64

四、使用举例

url = "http://www.baidu.com"
browser = webdriver.Chrome()
browser.get(url)
ele = browser.find_element_by_class_name('')
print(ele)
其中，find_element_by_class_name根据标签class样式来获取元素，类似的方法还有很多，比如：
find_element_by_id
find_element_by_xpath
find_element_by_tag_name
....

五、实战

下面我们以抓取www.layuva.com中商品信息为例，该站点的商品详情页链接是动态生成的，现在很多站点内容都是动态生成，这类站点很适合selenium工具抓取数据。具体demo参见附件

1、新建driver实例
url = "https://www.layuva.com/pc/index.html#/home/searchDetail?category_id=1060730203664142336"
browser = webdriver.Chrome()
browser.get(url)

2、获取商品列表
list_box = browser.find_elements_by_xpath('//*[@id="app"]//div[5]/div[2]/div/div')
3、模拟用户查看商品详情
for box in list_box:
     box.click()
     browser.switch_to.window(browser.window_handles[-1])
4、获取详情页中的商品信息
image_src = wait.until(EC.presence_of_element_located((By.XPATH, '//*[@id="app"]/div[5]/div/div[1]/div[1]/img'))).get_attribute('data-src')

5、退出详情页
browser.close()
browser.switch_to.window(browser.window_handles[0])
6、获取下一页
target = browser.find_element_by_css_selector(
    '#app > div.searchDetail > div.width-base > div.common-page > ul > li.ivu-page-next')
if target.get_attribute('class').find('ivu-page-disabled') >= 0:  // 判断是否有下一页
    break
ActionChains(browser).move_to_element(target).click(target).perform()  # 模拟点击《下一页》按钮

欢迎拍砖