2023.12.12 已修复错误,感谢小伙伴指出错误!!!
京东有反爬措施,爬取需要登陆,代码第一次使用需要手动登录依次获取cookie(自动保存至当前目录下,cookie相当于密码,注意保护好隐私!!!),可以根据自己网速设置相应的等待时间(这里默认10s),之后再运行可直接自动登录。
ps:悄悄说一句,登录过于频繁会被限制哦,所以尽量一次登录成功。
效果如图:
import time
import re
import csv
import json
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from bs4 import BeautifulSoup
import os
# 可使用Chrome浏览器驱动程序并将其设置为无头模式
chrome_options = Options()
driver = webdriver.Chrome(options=chrome_options)
chrome_options.add_argument("--disable-gpu")
# 可使用Chrome浏览器驱动程序并将其设置为无头模式
#chrome_options.add_argument("--headless")
chrome_options.add_argument("--no-sandbox")
chrome_options.add_argument("--disable-dev-shm-usage")
driver.get("https://passport.jd.com/new/login.aspx?/")
cookie_file = 'cookie.txt'
# 判断是否有 cookie.txt 文件
if os.path.exists(cookie_file):
# 读取cookie文件中的内容
driver.get(f"https://www.jd.com/")
time.sleep(2)
with open(cookie_file, 'r') as file:
# 读取文件中的 cookie
cookies = json.load(file)
# 加载cookie信息
for cookie in cookies:
driver.add_cookie(cookie)
print('使用已保存的cookie登录')
else:
driver.get("https://passport.jd.com/new/login.aspx?/")
# 等待用户登录并获取cookie
time.sleep(10) # 第一次使用需要用户手动登录获取cookie,可根据网络状况修改
dictcookies = driver.get_cookies()
jsoncookies = json.dumps(dictcookies)
with open('cookie.txt', 'w') as f:
f.write(jsoncookies)
print('cookies已保存')
# 发送请求并检索网页内容
key="人工智能" #搜索关键词
url = (f"https://search.jd.com/Search?keyword={key}")
driver.get(url)
# 初始化变量
page_number = 1
max_pages = 10 # 设置要爬取的页面数,爬的页数太多会被反爬机制阻止,建议设置sleep
data = []
while page_number <= max_pages:
print("正在爬取第", page_number, "页")
# 检索页面完全加载后的html内容
html_content = driver.page_source
# 使用BeautifulSoup解析html内容
soup = BeautifulSoup(html_content, "html.parser")
# 查找所有包含产品信息的class为“gl-i-wrap”的div
div_list = soup.find_all("div", class_="gl-i-wrap")
# 从每个div中提取文本信息
for div in div_list:
name = div.find("div", class_="p-name").get_text().strip().replace("\n","")
price = div.find("div", class_="p-price").get_text().strip()
commit = div.find("div", class_="p-commit").get_text().strip()
commit = commit.replace('条评价', '').replace('+', '')
if '万' in commit:
commit = float(commit.replace('万', '')) * 10000
# 模拟点击书名,获取新页面中的信息
link = div.find("div", class_="p-name").find("a").get("href")
if "http" not in link:
link = "https:" + link
# 打开新标签页
driver.execute_script(f'''window.open("{link}","_blank");''')
# 切换到新标签页
windows = driver.window_handles
driver.switch_to.window(windows[-1])
time.sleep(5)
soup_new = BeautifulSoup(driver.page_source, "html.parser")
time.sleep(6)
publisher = soup_new.find("li", title=True, clstag="shangpin|keycount|product|chubanshe_3")["title"] \
if soup_new.find("li", title=True, clstag="shangpin|keycount|product|chubanshe_3") is not None else '未找到'
publish_date_tag = soup_new.find("li", string=re.compile(r"出版时间:"))
publish_date = publish_date_tag.get_text().replace('出版时间:', '').strip() if publish_date_tag else '未找到'
# 点击“商品评价”按钮
shop_button = driver.find_elements_by_xpath("//*[@id='detail']/div[1]/ul/li[5]")[0]
shop_button.click()
time.sleep(2) # 爬取并输出评价信息(好评、中评、差评数目)
good_comments = driver.find_elements_by_xpath("//*[@id='comment']/div[2]/div[2]/div[1]/ul/li[5]/a/em")
for comment in good_comments:
comment_text = comment.text.strip("()+")
if "万" in comment_text:
comment_text = str(int(float(comment_text.strip("万")) * 10000))
good_comments_count = int(comment_text)
medium_comments = driver.find_elements_by_xpath("//*[@id='comment']/div[2]/div[2]/div[1]/ul/li[6]/a/em")
for comment in medium_comments:
comment_text = comment.text.strip("()+")
if "万" in comment_text:
comment_text = str(int(float(comment_text.strip("万")) * 10000))
medium_comments_count = int(comment_text)
bad_comments = driver.find_elements_by_xpath("//*[@id='comment']/div[2]/div[2]/div[1]/ul/li[7]/a/em")
for comment in bad_comments:
comment_text = comment.text.strip("()+")
if "万" in comment_text:
comment_text = str(int(float(comment_text.strip("万")) * 10000))
bad_comments_count = int(comment_text)
driver.close()
driver.switch_to.window(windows[0])
# 将数据添加到列表中
info = {
"书名": name,
"价格": price,
"评论数": commit,
"出版社": publisher,
"出版年份": publish_date,
"好评": good_comments_count,
"中评": medium_comments_count,
"差评": bad_comments_count
}
data.append(info)
# 打印书籍信息
print(info)
# 点击下一页按钮(如果可用)
next_page_button = driver.find_element_by_class_name("pn-next")
if next_page_button:
next_page_button.click()
time.sleep(3) # 延迟以完全加载下一页
else:
break
page_number += 1
# 关闭浏览器驱动程序
driver.quit()
# 读取JSON文件中的cookie信息
with open('cookie.txt', 'r') as file:
cookies = json.load(file)
# 使用cookie创建WebDriver对象
driver = webdriver.Chrome(options=chrome_options)
driver.get(url)
# 将cookie信息添加到WebDriver对象中
for cookie in cookies:
driver.add_cookie(cookie)
# 将数据保存到CSV文件中
filename = "book_info.csv"
fields = ["书名", "价格", "评论数", "出版社", "出版年份", "好评", "中评", "差评"]
with open(filename, 'w', newline='', encoding='utf-8') as csvfile:
writer = csv.DictWriter(csvfile, fieldnames=fields)
writer.writeheader()
writer.writerows(data)
print("数据已保存到", filename)
感谢朋友们阅读,下期再见!!!
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法