基于Selenium的Python淘宝评论爬取教程

文章目录

  • 前言
  • [1. 环境准备](#1. 环境准备)
  • [2. 实现思路](#2. 实现思路)
  • [3. 代码实现](#3. 代码实现)
  • [4. 代码解释](#4. 代码解释)
  • [5. 注意事项](#5. 注意事项)

前言

以下是一个基于 Selenium 的 Python 淘宝评论爬取教程,需要注意的是,爬取网站数据应当遵守网站的robots.txt规则和相关法律法规,淘宝有反爬机制,此教程仅用于学习交流。


1. 环境准备

安装 Python:

  • 确保你的系统已经安装了 Python 3.x 版本。

Python 3.12 下载地址:https://pan.quark.cn/s/c88059d33465
最新版本Python3.12安装教程:https://blog.csdn.net/xxjc2025/article/details/145763807

安装 Selenium:

  • 在命令行中使用以下命令安装 Selenium 库。

pip install selenium

下载浏览器驱动:

Selenium 需要对应的浏览器驱动来控制浏览器,这里以 Chrome 浏览器为例,你需要下载 ChromeDriver,下载后将其所在路径添加到系统环境变量中。

2. 实现思路

  • 登录淘宝账号。
  • 搜索商品并进入商品详情页。
  • 切换到商品评论页面。
  • 循环爬取评论信息。

3. 代码实现

c 复制代码
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import time

# 配置 Chrome 浏览器选项
options = webdriver.ChromeOptions()
# 可以根据需要设置无头模式等
# options.add_argument('--headless')

# 创建 Chrome 浏览器实例
driver = webdriver.Chrome(options=options)

# 打开淘宝登录页面
driver.get('https://login.taobao.com/member/login.jhtml')

# 等待用户手动登录
input("请手动完成登录,登录完成后按回车键继续...")

# 搜索商品
search_keyword = "手机"
search_box = driver.find_element(By.ID, 'q')
search_box.send_keys(search_keyword)
search_box.send_keys(Keys.RETURN)

# 等待搜索结果页面加载
time.sleep(3)

# 选择第一个商品并进入详情页
first_product = WebDriverWait(driver, 10).until(
    EC.presence_of_element_located((By.CSS_SELECTOR, '.J_ItemPicA'))
)
first_product.click()

# 切换到新打开的窗口
driver.switch_to.window(driver.window_handles[-1])

# 等待商品详情页加载
time.sleep(3)

# 切换到评论页面
try:
    comment_tab = WebDriverWait(driver, 10).until(
        EC.element_to_be_clickable((By.LINK_TEXT, '评论'))
    )
    comment_tab.click()
except Exception as e:
    print(f"切换到评论页面失败: {e}")

# 循环爬取评论信息
page_num = 1
while True:
    try:
        # 等待评论加载
        WebDriverWait(driver, 10).until(
            EC.presence_of_element_located((By.CSS_SELECTOR, '.rate-grid .tm-rate-content'))
        )

        # 获取当前页面的评论
        comments = driver.find_elements(By.CSS_SELECTOR, '.rate-grid .tm-rate-content')
        for comment in comments:
            print(comment.text)

        # 尝试点击下一页按钮
        next_page_button = WebDriverWait(driver, 10).until(
            EC.element_to_be_clickable((By.CSS_SELECTOR, '.pg-next'))
        )
        if 'pg-disabled' in next_page_button.get_attribute('class'):
            print("已经是最后一页,爬取结束")
            break
        next_page_button.click()
        page_num += 1
        time.sleep(3)
    except Exception as e:
        print(f"爬取第 {page_num} 页评论时出错: {e}")
        break

# 关闭浏览器
driver.quit()

4. 代码解释

  • 登录部分:打开淘宝登录页面后,由于淘宝有较为严格的登录验证机制,这里采用手动登录的方式,等待用户完成登录操作后按回车键继续。
  • 搜索商品:通过定位搜索框,输入关键词并回车进行搜索。
  • 进入商品详情页:选择搜索结果中的第一个商品并点击进入详情页。
  • 切换到评论页面:在商品详情页中找到 "评论" 标签并点击切换到评论页面。
  • 爬取评论:循环获取当前页面的评论信息,并尝试点击下一页按钮,直到没有下一页为止。

5. 注意事项

  • 反爬机制:淘宝有反爬机制,频繁的请求可能会导致 IP 被封禁。可以设置合理的请求间隔时间,或者使用代理 IP 来避免被封禁。
  • 页面元素定位:淘宝页面结构可能会发生变化,需要根据实际情况调整元素定位方式。
  • 数据存储:可以将爬取到的评论信息存储到文件或数据库中,方便后续分析和使用。
相关推荐
虾球xz1 分钟前
CppCon 2018 学习:EFFECTIVE REPLACEMENT OF DYNAMIC POLYMORPHISM WITH std::variant
开发语言·c++·学习
Allen_LVyingbo6 分钟前
Python常用医疗AI库以及案例解析(2025年版、上)
开发语言·人工智能·python·学习·健康医疗
小哈龙10 分钟前
裸仓库 + Git Bash 搭建 本地 Git 服务端与客户端
开发语言·git·bash
智能砖头14 分钟前
LangChain 与 LlamaIndex 深度对比与选型指南
人工智能·python
G探险者29 分钟前
《如何在 Spring 中实现 MQ 消息的自动重连:监听与发送双通道策略》
java·开发语言·rpc
weixin_437398211 小时前
转Go学习笔记
linux·服务器·开发语言·后端·架构·golang
StrongerIrene1 小时前
rs build 的process.env的值undefined解决方案
开发语言·javascript·ecmascript
风逸hhh2 小时前
python打卡day58@浙大疏锦行
开发语言·python
让我们一起加油好吗2 小时前
【C++】list 简介与模拟实现(详解)
开发语言·c++·visualstudio·stl·list
Q_970956392 小时前
java+vue+SpringBoo足球社区管理系统(程序+数据库+报告+部署教程+答辩指导)
java·开发语言·数据库