webscraper多页爬取_爬虫工具实战篇(Web Scraper)- 京东商品信息爬取(原创)
一、背景与目的
数字化营销时代,快速掌握了解数据是一项基本技能,本文主要讲解里面Web Scraper工具如何爬取公开数据,比如爬取京东的店铺售卖商品情况数据,以便我们更好地了解竞品对手的产品情况和定价情况等,从而采取有效针对性的手段应对,同时对于个人也是一项数据收集技能的提升。
二、工具介绍和安装
1> 介绍
Web Scraper是一款可以从网页中提取数据的chrome网页数据提取插件,是一款非常好用的爬虫工具。
2> 安装
步骤一:安装Chrome浏览器的桌面版。
步骤二::在webscraper.io下载谷歌Chrome浏览器插件,完全免费。
步骤三:安装完Web Scraper可以在Chrome右上角找到图标。
步骤四:Windows操作系统,按F12键,Chrome开发者工具会弹出,Web Scraper在菜单项的最右边,至此安装工作结束。
三、实战爬取操作
1> 选取爬取平台的链接
步骤一:获取爬取链接:打开京东首页,搜索手机之后,我们看到全部商品分类的选项,然后我们选取手机通讯->手机->品牌HUAWEI,进入相应页面后,选取第二页商品列表,之后得到如下链接。
https://list.jd.com/list.html?cat=9987,653,655&ev=exbrand_8557&page=2&sort=sort_rank_asc&trans=1&JL=6_0_0&ms=9#J_main
步骤二:分析链接:上面URL中加粗的参数sort、trans、JL和ms并没有用,有用的是cat、ev和page参数,其中cat代表品类,ev代表华为品牌,page代表商品列表页数
步骤三:定义取值链接和爬取页数:根据上边分析和之前查看页数,获得总页数42页,故工具抽取链接如下(循环遍历抽取1~42页数据)。
https://list.jd.com/list.html?cat=9987,653,655&ev=exbrand_8557&page=[1-42]
2> 爬取配置
步骤一:创建爬取网站项目,定义爬取网站地址
在Web Scraper选项下边选取Create new sitemap,具体参数如下
sitemap name :huawei_mobile
Start URL:https://list.jd.com/list.html?cat=9987,653,655&ev=exbrand_8557&page=[1-42]
创建完成后,进入Add new selector蓝色按钮的界面,此时我们的位置为_root,这里面selector就是CSS里面的CSS选择器,然后我们依次添加selector,圈选商品和商品项。
步骤二:创建商品选择器,圈选爬取商品
a> 点击按钮:CSS Selector的作用是在HTML中定位,我们点击蓝色按钮Add new selector,进入页面元素选取状态。
b> 页面商品圈选:
鼠标定位某一个商品,此时商品处于蓝色框选区域,具体如图所示
然后鼠标双击,在Done Selecting!处获取圈选商品页面HTML元素,点击此蓝色按钮,具体获取元素为:li.gl-item:nth-of-type(1) div.gl-i-wrap
点击Element preview按钮时,该块商品区域会再次高亮。
我们此时需要选取所有商品,则需要调整刚才所选取元素,根据如下HTML Element则调整为#plist > ul > li
备注:此处应用了页面Copy Selector的插件,可以在HTML Element右键复制
当我们再次启用Element preview时,就能看到所有商品区域都高亮了。
点击蓝色按钮Save selector保存,item的选择器创建成功
步骤三:创建商品项选择器,圈选商品项
依次在item选择器下创建商品属性项,分别为商品名称(product name)、商品价格(price)、商品评论数(comment_cnt)和店铺(shop),具体如下图所示:
此时如需预览数据,可以将之前sitemap里面的页数page=[1-42]调整为page=2,data preview具体如下:
步骤四:数据爬取
选取Scrape进行数据爬取,启动爬取
步骤五:结果导出
csv版本导出
四、总结
webscraper优缺点总结
优点:免费、操作系统无限制(依赖于浏览器)、操作简便,容易上手(无技术背景人可配置操作)、功能强大(支持静态和动态数据抓取)
缺点:不支持iframe的爬取(比如地图嵌入之类,经销商地图)、不支持爬取数据的过滤、其他的以后碰到在说吧,O(∩_∩)O哈哈~
适用人群:
技术人员
商业分析人员
咨询人员
欢迎使用!!!!!!!!!!!!!!!!!
webscraper多页爬取_爬虫工具实战篇(Web Scraper)- 京东商品信息爬取(原创)相关推荐
- Day06,selenium的剩余用法、万能登录破解和爬取京东商品信息,及破解极验滑动验证码...
一.自动登录抽屉新热榜 from selenium import webdriver import timedriver = webdriver.Chrome(r'D:\BaiduNetdiskDow ...
- Python网络爬虫数据采集实战(八):Scrapy框架爬取QQ音乐存入MongoDB
通过前七章的学习,相信大家对整个爬虫有了一个比较全貌的了解 ,其中分别涉及四个案例:静态网页爬取.动态Ajax网页爬取.Selenium浏览器模拟爬取和Fillder今日头条app爬取,基本涵盖了爬虫 ...
- 2020年最佳的5种社交媒体的数据抓取/网络爬虫工具
2020年最佳的5种社交媒体的数据抓取/网络爬虫工具 查看原文章: 2020年最佳的5种社交媒体的网络爬虫工具 社交媒体数据抓取工具通常是指一种自动化网络爬虫工具,可从社交媒体渠道提取数据.它不仅包括 ...
- go爬虫和python爬虫哪个好_python 爬虫实战项目--爬取京东商品信息(价格、优惠、排名、好评率等)-Go语言中文社区...
利用splash爬取京东商品信息 一.环境 window7 python3.5 pycharm scrapy scrapy-splash MySQL 二.简介 为了体验scrapy-splash 的动 ...
- layui获取input信息_python爬虫—用selenium爬取京东商品信息
python爬虫--用selenium爬取京东商品信息 1.先附上效果图(我偷懒只爬了4页) 2.京东的网址https://www.jd.com/ 3.我这里是不加载图片,加快爬取速度,也可以用Hea ...
- 爬虫第三弹:图灵社区书籍信息爬取
爬虫第三弹:图灵社区书籍信息爬取 一.目的:将图灵社区所有书籍的网址.书籍名称,作者,译者,阅读数,标签,出版日期,定价,页数,印刷方式,出版状态全部爬取下来存入mysql数据库,并导出xml格式,最 ...
- python爬取京东商品信息代码_爬取京东商品信息
利用 BeautifulSoup + Requests 爬取京东商品信息并保存在Excel中 一.查看网页信息 打开京东商城,随便输入个商品,就选固态硬盘吧 先看看 URL 的规律,可以看到我们输入的 ...
- python爬虫爬取京东商品评价_python爬取京东商品信息及评论
''' 爬取京东商品信息: 功能: 通过chromeDrive进行模拟访问需要爬取的京东商品详情页(https://item.jd.com/100003196609.html)并且程序支持多个页面爬取 ...
- python爬虫爬商品库存_python爬虫实践——爬取京东商品信息
1 ''' 2 爬取京东商品信息:3 请求url:4 https://www.jd.com/5 提取商品信息:6 1.商品详情页7 2.商品名称8 3.商品价格9 4.评价人数10 5.商品商家11 ...
最新文章
- step在c语言中什么作用,C语言step-by-step(二)(数据类型)
- Spring+ActiveMQ配置
- 手挽手带你学React:四档(上)一步一步学会react-redux (自己写个Redux)
- boost::log模块测量日志记录发射的性能
- python Image 安装
- Android 浏览器启动应用程序
- Eclipse 编译C++
- 如何把iso文件刻录在U盘上
- 一个简单的划词翻译工具
- android 自定义图片裁剪,Android自定义View实现照片裁剪框与照片裁剪功能
- css 大于号 标签_css选择器 ~ (波浪号)、+(加号)、(大于号)的用法解析和举例...
- Just for a stripe of blue sky!
- 金多多配资提示指数方面不用过火纠结
- 2022年(上半年)信息系统项目管理师考试-综合知识真题及解析(三)
- 离散点插值反距离加权法IDW C#实现
- 嵌入式Linux配置内核后编译过程中报未定义引用错误的解决
- 【go】golang中置new()函数和make()函数的区别
- 校园导航问题(用图实现一个模拟地图)
- Java的递归问题的解决和面向对象的基本理论认识
- 毕业生的礼物 贪心 妙用priority_queue
热门文章
- O2O之下,腾讯觊夺移动支付大数据,手Q支付出战支付宝
- win10怎么把两个盘合成一个,win10怎么把分区合并
- android外接USB扫码器应用闪退,外接U盘正常的情况
- CPU Machine Check Architecture Error Dump (CPU: Intel(R) Core(TM) i7-7700HQ CPU @ 2.80GHz, CPUID: 0x
- 测试管理005:面对用户反馈的缺陷,测试人员能做些什么?
- Pytorch框架中余弦相似度(Cosine similarity)、欧氏距离(Euclidean distance)源码解析
- 三、Windows Server 2016各版本说明
- 范蠡传(司马迁-史记)
- 林奇社区群主招募!福利福利福利!
- svn 分支 合并