需要登陆淘宝，所以此章不细说，再次了解下Chrome.
可以了解下PhantomJS。
更详细的可参考
1 目标
目标：抓取淘宝商品美食信息。
淘宝的页面是相当复杂的，含有各种请求参数或是加密参数，如果直接请求或者分析Ajax将十分繁琐。
Selenium是一个自动化测试工具，可以驱动浏览器完成各种操作，比如模拟点击、输入、下拉等等，这样我们只需要关心操作，而不再需要关心后台发生了什么请求。
Chrome是一个常用浏览器。
PhantomJS是一个无界面浏览器（可以在不打开浏览器界面的情况下完成爬取）。
本次将要爬取的是淘宝"美食"关键词下的所有宝贝内容，并存储到MongoDB。
2 流程框架
- 搜索关键字：利用Selenium驱动浏览器搜索关键字，得到查询后的商品列表。
- 分析页码并翻页：得到商品页面数，模拟翻页，得到后续页面的商品列表。
- 分析提取商品内容：利用PyQuery分析源码，解析得到商品列表。
- 存储至MongoDB：将商品列表信息存储到数据库MongoDB。
3 实战
1.搜索关键字
首先新建项目以及py文件。导入selenium中的webdriver并且创建一个浏览器驱动对象：
from selenium import webdriver
browser = webdriver.Chrome() #创建一个Chrome驱动对象模拟点击搜索：
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
#声明一个WebDriverWait对象在里面传入一个browser等待条件参数，一个最长等待时间参数
wait=WebDriverWait(browser, 10)#因为后面用到比较多，所以把这部分单独复制为一个变量
#search函数可以让浏览器输入关键词并点击搜索
def search():
browser.get('https://www.taobao.com')#请求淘宝首页
input = wait.until(#利用wait.until方法传入一些等待的条件，条件的参数是目标元素
EC.presence_of_element_located((By.CSS_SELECTOR, "#q"))#通过CSS选择器选择q（也就是搜索框）。
)
submit = wait.until(
EC.element_to_be_clickable((By.CSS_SELECTOR, '#J_TSearchForm > div.search-button > button'))#通过CSS选择器选择搜索按钮。
)
input.send_keys('美食')#在搜索框中输入内容
submit.click()#点击按钮，也就是提交搜索内容2.分析页码并翻页
def next_page(page_number):
try:
#获取输入框：
input = wait.until(
EC.presence_of_element_located((By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > div.form > input")) # 通过CSS选择器选择q（也就是搜索框）。
)
#获取"确定"按钮
submit = wait.until(
EC.element_to_be_clickable((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit')) # 通过CSS选择器选择搜索按钮。
)
input.clear()#清楚之前输入的内容
input.send_keys(page_number)#输入页码
submit.click()#点击确定
#判断翻页是否成功（当前页码是否在高亮块中）:
wait.until(
EC.text_to_be_present_in_element((By.CSS_SELECTOR,'#mainsrp-pager > div > div > div > ul > li.item.active > span'),str(page_number))
)
except TimeoutException:3.分析提取商品内容
def get_products():
wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#mainsrp-itemlist .items .item')))
html =browser.page_source
doc = pq(html)
items = doc('#mainsrp-itemlist .items .item').items()
for item in items:
product = {
'image':item.find('.pic .img').attr('src'),
'price':item.find('.price').text(),
'deal':item.find('.deal-cnt').text()[:-3],
'title':item.find('.title').text(),
'shop':item.find('.shop').text(),
'location':item.find('.location').text()
}
print(product)4.存储至MongoDB
def save_to_mongo(result):
try:
if db[MONGO_TABLE].insert(result):
print('存储到MONGODB成功',result)
except Exception:
print('存储到MONGODB失败',result)