对于采用异步加载技术的网页，有时候想通过逆向工程的方式来设计爬虫进行爬取会比较困难，因此，要想通过python获取异步加载数据往往可以使用Selenium模拟浏览器的方式来获取。
Selenium是一个用于Web应用程序测试的工具，它可以在浏览器中运行，模拟用户真实的浏览网页操作，也就是说可以实现浏览器加载页面，搜索关键字和点击翻页等等操作，因此，就算使用了异步加载技术的网页，也可以模拟翻页得到不同的网页，也就可以得到你想要的数据了。
Selenium模块在第三方库里面可以找到，使用pycharm软件，打开左上角PyCharm->项目->python解释器->preferences里面添加，结果如下图进行搜索安装即可。
由于Selenium自己不带有浏览器，因此需要配合我们自己电脑安装的浏览器来使用，这里我们是通过常用的Chrome浏览器来模拟实现爬取数据。具体可以模拟的操作主要有如下一些操作：输入框内容填写、点击按钮、截屏、下滑等，因此对于登录网站的时候，我们可以不再需要构造表单或者提交cookie来登录网站了，只需要通过python代码模拟输入《账号》和《密码》实现登录。
模拟的
以下是模拟搜索和登录最常用代码
（2）登录后获取数据的常用代码
备注：此处xpath和单独的xpath方法差异就是此处是在最后加.text，单独xpath是在路径里面加/text()
以上是selenium基本要点，现在让我们开始进行实践操刀，如何来对淘宝商品信息进行抓取。
工具和语言：Selenium+Chrome+PyCharm+Python
抓取平台：
抓取思路：以抓取我最近想入手的投影仪商品为例
打开淘宝网，输入投影仪，得到商品信息页面打开网页源代码，查看输入投影仪后的搜索框位置如下图，确定位置，为后续输入关键字做准备有时在你点击搜索后，淘宝强制需要登录网页，就需要再次查看输入账号和密码的位置，然后同理操作进入网页，在此不再赘述，直接上代码如下接下来要模拟翻页操作，同理也是找到翻页位置：下一页，如下图此时页面上有的信息都可以尝试查看，举例如付款人数、价钱等都可以尝试测试看看。最后数据存储数据库就可以了，详细入库代码见详细代码部分
详细代码如下：
from selenium import webdriverfrom lxml import etreeimport timeimport pymysqldb = pymysql.connect(host='localhost', user='root', passwd='密码', db='库名称', port=3306, charset='utf8')print("数据库连接")cursor = db.cursor()cursor.execute("DROP TABLE IF EXISTS Learn_data.taobao_touyingyi_data")sql = """CREATE TABLE IF not EXISTS Learn_data.taobao_touyingyi_data (id int auto_increment primary key,price CHAR(100),sell CHAR(100),detail CHAR(100))DEFAULT CHARSET=utf8"""cursor.execute(sql)driver=webdriver.Chrome()driver.maximize_window()def get_info(url,page):page=page+1driver.get(url)driver.implicitly_wait(10)selector=etree.HTML(driver.page_source)infos=selector.xpath('//div[@class="items"]/div[@class="item J_MouserOnverReq "]')for info in infos:price = info.xpath('div[2]/div/div/strong/text()')[0]sell = info.xpath('div[2]/div/div[2]/text()')[0]detail = info.xpath('div[2]/div/div[2]/text()')[1]print(price,sell,detail)cursor.execute("insert into taobao_touyingyi_data (price,sell,detail)values(%s,%s,%s)",(str(price),str(sell),str(detail)))if page<=50:NextPage(url,page)else:passdef NextPage(url,page):print(url)driver.get(url)driver.implicitly_wait(10)driver.find_element_by_xpath('//a[@trace="srp_bottom_pagedown"]').click()time.sleep(4)driver.get(driver.current_url)driver.implicitly_wait(10)get_info(driver.current_url, page)if __name__=='__main__':page=1url='/'driver.get(url)driver.implicitly_wait(10)driver.find_element_by_id('q').clear()driver.find_element_by_id('q').send_keys('商品名称')driver.find_element_by_class_name('btn-search').click()driver.find_element_by_id("fm-login-id").send_keys("账号")# 找到按钮的位置time.sleep(1)# 找到密码的位置driver.find_element_by_id("fm-login-password").send_keys("密码")# 确保账号和密码输入完成time.sleep(3)# 识别验证码# 找到图片地址ret = driver.find_element_by_class_name("fm-button")# 点击按钮ret.click()time.sleep(3)print(driver.current_url)get_info(driver.current_url,page)mit()
运行数据库结果如下：
以上就是Selenium模拟Chrome浏览器爬取淘宝商品投影仪信息数据的所有过程，后续会进一步进行数据分析，有兴趣的同学可以扫描下方二维码加关注，更多机器学习和Python分析实践案例等着你！
如果觉得《Python爬虫：Selenium模拟Chrome浏览器爬取淘宝商品信息》对你有帮助，请点赞、收藏，并留下你的观点哦！
