jd phone

# -*- coding: utf-8 -*-
# @Time     : 2018/6/20 8:57
# @Author   : 
# @File     : jd_phone_spider.py
# @Description  : 京东的手机畅销榜爬取

import requests
import pymongo
import time
import json
import codecs
from lxml import etree
from datetime import datetime
from selenium import webdriver
from pyquery import PyQuery as pq
from selenium.common.exceptions import NoSuchElementException
from selenium.webdriver.support.wait import WebDriverWait
from jd_phone.config import MONGO_URI, MONGO_DB, MONGO_TABLE


class JdPhone:
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36'}

    def __init__(self):
        self.base_url = 'https://item.jd.com/'
        self.image_base_url = 'http://img10.360buyimg.com/n1/s450x450_'  # 拼接手机大图地址
        self.sale_url = 'https://top.jd.com/sale?cateId=655'  # 手机热卖榜入口url
        self.search_url = 'https://top.jd.com/search?cateId=655'  # 手机热搜榜入口url
        self.preferred_url = 'https://top.jd.com/preferred?cateId=655'  # 手机好物榜入口url

        self.options = webdriver.ChromeOptions()
        self.options.add_argument("--headless")
        self.browser = webdriver.Chrome(chrome_options=self.options)
        self.browser.set_window_size(1500, 1000)
        self.wait = WebDriverWait(self.browser, 10)

        self.client = pymongo.MongoClient(MONGO_URI)
        self.db = self.client[MONGO_DB]

        self.file = codecs.open('jd_phones.json', 'wb+', encoding='utf-8')

    def __del__(self):
        self.browser.close()
        self.file.close()
        print('执行完成!')

    def get_sale_search_html(self, url):
        """
        获取热卖榜或者热搜榜网页
        """
        self.browser.get(url)
        try:
            while True:
                for i in range(5):
                    self.browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')
                self.browser.find_element_by_link_text('加载更多').click()
                time.sleep(2)
        except NoSuchElementException:
            print('加载完成!')
        return self.browser.page_source

    def get_preferred_html(self, url):
        """
        获取好物榜网页
        """
        self.browser.get(url)

        for i in range(20):
            self.browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')
            time.sleep(1)

        print('好物榜加载完成!')
        return self.browser.page_source

    def save_data(self, data):
        """
        存储数据至mongo,以及json文件
        :return:
        """
        data['insert_time'] = datetime.strftime(datetime.now(), "%Y-%m-%d %H:%M:%S")

        try:
            insert_data_json = {}
            insert_data_json['insert_time'] = data['insert_time']  # 入库时间
            insert_data_json['source_type'] = data['source_type']  # 数据来源; 0:热卖榜, 1:热搜榜, 2:好物榜
            insert_data_json['model'] = data['型号']  # 机型
            insert_data_json['brand'] = data['品牌']  # 品牌
            insert_data_json['public_year'] = data['上市年份']  # 上市年份
            insert_data_json['public_month'] = data['上市月份']  # 上市月份
            insert_data_json['price'] = data['price']  # 价格
            insert_data_json['phone_name'] = data['phone_name']  # 商品名称
            del data['insert_time']
            del data['source_type']
            del data['型号']
            del data['品牌']
            del data['上市年份']
            del data['上市月份']
            del data['price']
            del data['phone_name']
            insert_data_json['key_param'] = data  # 主要参数

            # 写入json文件
            self.file.write(json.dumps(insert_data_json, ensure_ascii=False) + "\n")
            # 存入Mongo
            if self.db[MONGO_TABLE].insert(insert_data_json):
                print(insert_data_json['key_param']['data_sku'], '入库成功!')
        except:
            pass

    def parse_detail(self, data_sku, price, source_type):
        """
        解析手机详情
        :param data_sku: 商品编号
        :param price: 商品价格
        :param source_type: 数据来源; 0:热卖榜, 1:热搜榜, 2:好物榜
        :return:
        """
        phone_detail = {}
        url = self.base_url + data_sku + '.html'
        html = requests.get(url, headers=self.headers).text
        doc = pq(html)
        items = doc('.Ptable-item').items()
        for item in items:
            # 删除tips项
            item.find('.Ptable-tips').remove()
            dts = item('dt').items()
            dds = item('dd').items()
            for dt, dd in zip(dts, dds):
                key = dt.text().strip()
                value = dd.text().strip()
                phone_detail[key] = value

        image_list = []
        image_urls = doc('#spec-list li').items()
        for image_url in image_urls:
            url = self.image_base_url + image_url('img').attr('data-url')
            image_list.append(url)
        phone_detail['model_pic_address'] = image_list
        phone_name = doc('.parameter2.p-parameter-list li:first-child').attr('title')  # 商品名称
        phone_detail['phone_name'] = phone_name
        phone_detail['data_sku'] = data_sku
        phone_detail['price'] = price
        phone_detail['source_type'] = source_type

        return phone_detail

    def parse_sale_html(self):
        """
        解析热卖榜网页
        """
        html = self.get_sale_search_html(self.sale_url)
        tree = etree.HTML(html)
        items = tree.xpath('//li[contains(@class, "saleitem") and @data-price-item="1"]')
        for item in items:
            data_sku = item.xpath('.//p[@class="saleitem_info_price"]/@data-price-id')[0]
            price = item.xpath('.//p[@class="saleitem_info_price"]/text()')[0]  # 获取价格,解析detail时,则无需动态渲染
            phone_detail = self.parse_detail(data_sku, price, source_type=0)
            self.save_data(phone_detail)

    def parse_search_html(self):
        """
        解析热搜榜网页
        """
        html = self.get_sale_search_html(self.search_url)
        tree = etree.HTML(html)

        items = tree.xpath('//li[contains(@class, "toplanding_search_floor")]')
        for item in items:
            data_skus = item.xpath('.//div[@class="toplanding_search_goods"]//@data-sku')
            prices = item.xpath('.//div[@class="toplanding_search_goods"]//'
                                'p[@class="toplanding_search_goods_price"]/text()')
            for data_sku, price in zip(data_skus, prices):
                phone_detail = self.parse_detail(data_sku, price, source_type=1)
                self.save_data(phone_detail)

    def parse_preferred_html(self):
        """
        解析好物榜网页
        """
        html = self.get_preferred_html(self.preferred_url)
        tree = etree.HTML(html)

        hrefs = tree.xpath('//div[@class="preferred_list_item pli"]//a[@class="pli_more"]/@href')
        print(hrefs)
        for href in hrefs:
            self.parse_preferred_more(href)

    def parse_preferred_more(self, href):
        """
        解析好物榜, 点击查看全部的网页
        """
        self.browser.get(href)
        html = self.browser.page_source
        tree = etree.HTML(html)
        data_skus = tree.xpath('//li[contains(@class, "preferred_detail_item")]/a/@href')
        prices = tree.xpath('//div[@class="preferred_detail_item_price"]/text()')
        for sku, price in zip(data_skus, prices):
            data_sku = sku.split('/')[-1].rstrip('.html')
            phone_detail = self.parse_detail(data_sku, price, source_type=2)
            self.save_data(phone_detail)

    def main(self):
        self.parse_sale_html()
        self.parse_search_html()
        self.parse_preferred_html()


if __name__ == '__main__':
    jd = JdPhone()
    jd.main()
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,457评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,837评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,696评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,183评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,057评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,105评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,520评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,211评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,482评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,574评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,353评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,213评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,576评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,897评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,489评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,683评论 2 335

推荐阅读更多精彩内容