2023年12.12更新:最新使用cookie自动登录京东并爬取京东网址图书信息python源码!_京东cookie自动登录-程序员宅基地

技术标签: python  开发语言  

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!!!

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/qq_53862860/article/details/134889838

智能推荐

while循环&CPU占用率高问题深入分析与解决方案_main函数使用while(1)循环cpu占用99-程序员宅基地

文章浏览阅读3.8k次,点赞9次,收藏28次。直接上一个工作中碰到的问题,另外一个系统开启多线程调用我这边的接口,然后我这边会开启多线程批量查询第三方接口并且返回给调用方。使用的是两三年前别人遗留下来的方法,放到线上后发现确实是可以正常取到结果,但是一旦调用,CPU占用就直接100%(部署环境是win server服务器)。因此查看了下相关的老代码并使用JProfiler查看发现是在某个while循环的时候有问题。具体项目代码就不贴了,类似于下面这段代码。​​​​​​while(flag) {//your code;}这里的flag._main函数使用while(1)循环cpu占用99

【无标题】jetbrains idea shift f6不生效_idea shift +f6快捷键不生效-程序员宅基地

文章浏览阅读347次。idea shift f6 快捷键无效_idea shift +f6快捷键不生效

node.js学习笔记之Node中的核心模块_node模块中有很多核心模块,以下不属于核心模块,使用时需下载的是-程序员宅基地

文章浏览阅读135次。Ecmacript 中没有DOM 和 BOM核心模块Node为JavaScript提供了很多服务器级别,这些API绝大多数都被包装到了一个具名和核心模块中了,例如文件操作的 fs 核心模块 ,http服务构建的http 模块 path 路径操作模块 os 操作系统信息模块// 用来获取机器信息的var os = require('os')// 用来操作路径的var path = require('path')// 获取当前机器的 CPU 信息console.log(os.cpus._node模块中有很多核心模块,以下不属于核心模块,使用时需下载的是

数学建模【SPSS 下载-安装、方差分析与回归分析的SPSS实现(软件概述、方差分析、回归分析)】_化工数学模型数据回归软件-程序员宅基地

文章浏览阅读10w+次,点赞435次,收藏3.4k次。SPSS 22 下载安装过程7.6 方差分析与回归分析的SPSS实现7.6.1 SPSS软件概述1 SPSS版本与安装2 SPSS界面3 SPSS特点4 SPSS数据7.6.2 SPSS与方差分析1 单因素方差分析2 双因素方差分析7.6.3 SPSS与回归分析SPSS回归分析过程牙膏价格问题的回归分析_化工数学模型数据回归软件

利用hutool实现邮件发送功能_hutool发送邮件-程序员宅基地

文章浏览阅读7.5k次。如何利用hutool工具包实现邮件发送功能呢?1、首先引入hutool依赖<dependency> <groupId>cn.hutool</groupId> <artifactId>hutool-all</artifactId> <version>5.7.19</version></dependency>2、编写邮件发送工具类package com.pc.c..._hutool发送邮件

docker安装elasticsearch,elasticsearch-head,kibana,ik分词器_docker安装kibana连接elasticsearch并且elasticsearch有密码-程序员宅基地

文章浏览阅读867次,点赞2次,收藏2次。docker安装elasticsearch,elasticsearch-head,kibana,ik分词器安装方式基本有两种,一种是pull的方式,一种是Dockerfile的方式,由于pull的方式pull下来后还需配置许多东西且不便于复用,个人比较喜欢使用Dockerfile的方式所有docker支持的镜像基本都在https://hub.docker.com/docker的官网上能找到合..._docker安装kibana连接elasticsearch并且elasticsearch有密码

随便推点

Python 攻克移动开发失败!_beeware-程序员宅基地

文章浏览阅读1.3w次,点赞57次,收藏92次。整理 | 郑丽媛出品 | CSDN(ID:CSDNnews)近年来,随着机器学习的兴起,有一门编程语言逐渐变得火热——Python。得益于其针对机器学习提供了大量开源框架和第三方模块,内置..._beeware

Swift4.0_Timer 的基本使用_swift timer 暂停-程序员宅基地

文章浏览阅读7.9k次。//// ViewController.swift// Day_10_Timer//// Created by dongqiangfei on 2018/10/15.// Copyright 2018年 飞飞. All rights reserved.//import UIKitclass ViewController: UIViewController { ..._swift timer 暂停

元素三大等待-程序员宅基地

文章浏览阅读986次,点赞2次,收藏2次。1.硬性等待让当前线程暂停执行,应用场景:代码执行速度太快了,但是UI元素没有立马加载出来,造成两者不同步,这时候就可以让代码等待一下,再去执行找元素的动作线程休眠,强制等待 Thread.sleep(long mills)package com.example.demo;import org.junit.jupiter.api.Test;import org.openqa.selenium.By;import org.openqa.selenium.firefox.Firefox.._元素三大等待

Java软件工程师职位分析_java岗位分析-程序员宅基地

文章浏览阅读3k次,点赞4次,收藏14次。Java软件工程师职位分析_java岗位分析

Java:Unreachable code的解决方法_java unreachable code-程序员宅基地

文章浏览阅读2k次。Java:Unreachable code的解决方法_java unreachable code

标签data-*自定义属性值和根据data属性值查找对应标签_如何根据data-*属性获取对应的标签对象-程序员宅基地

文章浏览阅读1w次。1、html中设置标签data-*的值 标题 11111 222222、点击获取当前标签的data-url的值$('dd').on('click', function() { var urlVal = $(this).data('ur_如何根据data-*属性获取对应的标签对象

推荐文章

热门文章

相关标签