这里写个例子,公司的一个大神之前爬过1688上面的物流信息,这里也来试一下,顺便分享下学习过程。
背景介绍
目标网页:https://56.1688.com/order/price/estimate_price.htm
目的:抓取网站上所有的线路信息,保存到文件或数据库中。
实践步骤
先观察下网站的特征,随便查询一下看看,主要看看URL是怎么传递参数的,通过FireBug,下面几个参数是不为空的
通过查看网页源码,发现上面的参数,就是发货地和收获地的省份、城市、区县的编码
既然我们要获取所有的线路数据,那第一步就是获取这里所有的发货地、收货地信息
一开始以为这个编码是1688上自定义的,后来查了一下,发现是官方的编码,这也是为啥,前面会写一篇《最新行政区信息获取》
所以,这里最方便的办法就是直接使用官方的编码,第一步就解决了;
但是前面呢,既然要学习爬虫,就用爬虫来试试,正好前面学了selenium,这里就熟练掌握一下吧。
实践的时候呢,还是遇到了一些问题
比如:默认省份信息是隐藏的(display: none),城市和区县信息的动态的切换的
这个应该使用JS来控制的,但是一直没找到是哪段JS
还好selenium中可以模拟单击事件,很方便
下面是代码,该有的注释都在,效率比较差,也就3000多条记录,还好跑一次就可以了
|
|