多测师是一家拥有先进的教学理念,强大的师资团队,业内好评甚多的接口自动化测试培训机构!

18529529812

联系电话

您现在所在位置:接口自动化测试培训 > 新闻资讯

Python利用selenium模拟用户操作抓取天猫评论数据

更新时间:2022-04-11 14:21:58 作者:多测师 浏览:40

  准备:

  python3.5

  安装selenium包

  第一种方法:

  cmd里输pip install selenium,但是经常报错

  第二种方法:

  下载安装包-cmd进入解压路径-python setup.py install-报错permission denied-右键安全更改报错文件夹权限为完全控制-再次安装成功

  unknown error: unable to discover open pages-下载chromedriver放在环境变量目录下

  测试自动打开百度时提示“您使用的是不受支持的命令行标记”-更改chromedriver版本为对应版本即可

  安装包下载地址:https://pypi.python.org/pypi/selenium

  chromedriver与chrome版本映射及下载地址:http://blog.csdn.net/huilan_same/article/details/51896672

Python利用selenium模拟用户操作抓取天猫评论数据

  实现:

  selenium基本上就是模拟打开浏览器,向下滑动点击评论tab点击下一页等过程。由于selenium只能对显示在屏幕范围内的元素操作,所以滚动条操作很重要。

  def deal_recommends_infos(url):

  if not url.startswith('http'):

  url = 'https:' + url

  print('开始寻找评论:' + url)

  driver = webdriver.Chrome()

  driver.maximize_window() # 全屏

  timeout = 30

  try:

  driver.get(url)

  WebDriverWait(driver, timeout).until(

  EC.presence_of_element_located((By.ID, "J_TabBarBox")) # 判断页面是否初步加载成功的标记

  )

  except TimeoutException:

  print('宝贝链接未加载成功')

  try:

  # 页面上拉600,看到TabBarBox

  js = "window.scrollTo(0,600)"

  driver.execute_script(js)

  except WebDriverException:

  print('上拉寻找评论区时出现问题')

  time.sleep(2)

  # 点击累计评论TAB

  driver.find_element_by_xpath('//*[@id="J_TabBar"]/li[2]').click()

  time.sleep(4)

  print('成功点击累计评论TAB')

  try:

  # rate-grid的正则表达式

  driver.find_element_by_xpath('//*[@id="J_Reviews"]/div/div[6]')

  except NoSuchElementException:

  print('评论信息中元素还未加载')

  print('已经成功加载到评论区信息')

  for i in range(2):

  try:

  js = "window.scrollTo(0,2500)"

  driver.execute_script(js)

  time.sleep(2)

  # 点击下一页

  driver.find_element_by_css_selector('#J_Reviews > div > div.rate-page > div > a:last-child').click()

  except WebDriverException:

  js = "window.scrollTo(0,3500)"

  driver.execute_script(js)

  time.sleep(2)

  # 点击下一页

  driver.find_element_by_css_selector('#J_Reviews > div > div.rate-page > div > a:last-child').click()

  except NoSuchElementException:

  print('找不到翻页按钮')

  continue

  print('已成功点击下一页')

  soup = BeautifulSoup(driver.page_source, "lxml")

  print(get_recommends_infos(soup))

  print('完成该链接的评论抓取')

  要注意的点:

  浏览器要全屏,缺少这个操作的话很容易出现bug,我猜是因为天猫商城右下角的二维码妨碍了鼠标点击。

  下拉网页点击下一页时,由于天猫商城每页的评论长度不是那么确定,设置绝对值容易出现拉不到或者拉过了的情况,要做一个try语句。

  target = driver.find_element_by_css_selector('#J_Reviews > div > div.rate-page > div > a:last-child')

  driver.execute_script("arguments[0].scrollIntoView();",target) #拖动到可见的元素去

  我尝试用以上代码来滚动到指定元素可见,但是总报is not clickable at point (1030, 19). Other element would receive the click:查了下是被天猫商城那个手机购买的二维码挡住了……现在暂时没有解决方案,只能先拉2500,不够就再加个1000。

  理论上来说

  soup = BeautifulSoup(driver.page_source, "lxml")

  print(get_recommends_infos(soup))

  这两句应该是放在点击下一页之前的,但是不知道为啥这样就会出现把第一页抓取两遍的情况。神tm换下代码顺序就正常了,想不通为什么这样结果对,我再慢慢研究吧。

  #提取评论信息

  def get_recommends_infos(s):

  comment = s.find("div",class_="rate-grid")

  comment_data = comment.find_all("tr")

  lst1=[]

  #逐行读取

  for i in comment_data:

  goodstype_lst=[]

  username_lst=[]

  #comment1为初次评论,comment2为追加评论,reply1为商家初次回复,reply2为商家追加回复,goodstype为商品类型,username为用户名

  dic={'comment1': '','reply1':'','comment2': '','reply2':'', 'goodstype': goodstype_lst, 'username': username_lst}

  try:

  content1=i.find('div',class_="tm-rate-premiere").find('div',class_="tm-rate-content")

  dic['comment1']=content1.text

  except:

  content1=i.find('div',class_="tm-rate-content").find('div',class_="tm-rate-fulltxt")

  dic['comment1']=content1.text

  try:

  content2=i.find('div',class_="tm-rate-append").find('div',class_="tm-rate-content")

  dic['comment2']=content2.text

  except:

  dic['comment2']='null'

  try:

  reply1=i.find('div',class_="tm-rate-premiere").find('div',class_="tm-rate-reply")

  dic['reply1']=reply1.text

  except:

  try:

  reply2=i.find('div',class_="tm-rate-append").find('div',class_="tm-rate-reply")

  dic['reply1']='null'

  except:

  try:

  reply1=i.find('div',class_="tm-rate-reply")

  dic['reply1']=reply1.text

  except:

  dic['reply1']='null'

  try:

  reply2=i.find('div',class_="tm-rate-append").find('div',class_="tm-rate-reply")

  dic['reply2']=reply2.text

  except:

  dic['reply2']='null'

  goodstype=i.find('div',class_="rate-sku").find_all('p')

  for b in goodstype:

  goodstype_lst.append(b.attrs['title'])

  username=i.find_all('div',class_="rate-user-info")

  for c in username:

  username_lst.append(c.text)

  lst1.append(dic)

  return lst1

  要注意的点:

  初次评论:如果有追加评论的话div会被分成class=tm-rate-premiere和tm-rate-append两块,这两块里面又分别有tm-rate-content,没有追加评论的情况下评论就是tm-rate-content一整块。因此直接用BeautifulSoup找tm-rate-content是有问题的,可能会找到两个评论。

  追加评论:这个比较好判断,没有tm-rate-append的话就没有追加评论

  初次回复:回复情况分为下表6种,其中有初次回复的分为1、2、5共3种,先通过find('div',class_="tm-rate-premiere").find('div',class_="tm-rate-reply")把1选出来了,剩下5种中,把3排除掉,第一个被找到的tm-rate-reply就是初次回复。

  追加回复:通过find('div',class_="tm-rate-append").find('div',class_="tm-rate-reply")把1、3选出来了,剩下的都为null

  以上内容为大家介绍了自动化测试中的Python利用selenium模拟用户操作抓取天猫评论数据,本文由多测师亲自撰写,希望对大家有所帮助。了解更多自动化测试相关知识:https://www.aichudan.com/xwzx/

联系电话

18529529812

返回顶部