码迷,mamicode.com
首页 > 其他好文 > 详细

淘宝爬取某人的所有购物订单

时间:2017-07-14 15:04:16      阅读:390      评论:0      收藏:0      [点我收藏+]

标签:desire   abi   input   click   保存   main   购物   locate   界面   

做风险控制和个人征信,需要做数据挖掘,第一步就是要爬到消费记录,当然还有很多其他项包括收货地址 宝贝收藏 快速退款额度 芝麻信用 绑定的手机等等,先要爬到数据才能分析。

淘宝直接请求登录接口不可行,不知道post参数加密规则,(大公司安全就是做得好),用selenium操作浏览器来登录得到driver的cookie,然后requests携带cookie去爬订单。如果全部都由selenium爬取无疑很慢,所以selenium负责登录就行。

上代码。

#coding=utf-8
import time,random,requests,json

from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities



class Taobao(object):

    def __init__(self,name,password):
        self.name=name
        self.password=password
        self.login_url=https://login.taobao.com/member/login.jhtml?redirectURL=https%3A%2F%2Fwww.taobao.com%2F
        self.order_url=https://buyertrade.taobao.com/trade/itemlist/asyncBought.htm?action=itemlist/BoughtQueryAction&event_submit_do_query=1&_input_charset=utf8
        self.num=0
        self.cost=0

    def login(self):
     ###如果用phantomjs浏览器就用这个
# dcap = dict(DesiredCapabilities.PHANTOMJS) # dcap["phantomjs.page.settings.userAgent"] = (‘Mozilla/5.0(WindowsNT6.1;WOW64) AppleWebKit/537.36(KHTML, likeGecko) Chrome/59.0.3071.115Safari/537.36x-requested-with:XMLHttpRequest‘)#(random.choice(agents)) # dcap["phantomjs.page.settings.loadImages"] = True # driver = webdriver.PhantomJS(executable_path=‘C:\\Python27\\phantomjs.exe‘,desired_capabilities=dcap) driver=webdriver.Chrome() driver.get(self.login_url) driver.find_element_by_id(J_Quick2Static).click() WebDriverWait(driver, 30, 0.5).until(EC.presence_of_element_located((By.ID, TPL_username_1))) driver.find_element_by_id(TPL_username_1).send_keys(self.name) driver.save_screenshot(1.jpg) ##用phantomjs无界面浏览器最好需要截图 driver.find_element_by_id(TPL_password_1).send_keys(self.password) driver.save_screenshot(2.jpg) driver.find_element_by_id(J_SubmitStatic).click() time.sleep(10) driver.save_screenshot(3.jpg) self.cookies={} for dictx in driver.get_cookies(): self.cookies[dictx[name]]=dictx[value] driver.quit() def get_orders(self,p,flag): if flag==0: self.login() print self.cookies datax={pageNum:p+1, pageSize:15, prePageNo:p, } header = {origin: https://buyertrade.taobao.com, ###origin和refere一定需要,否则会请求不到订单数据 referer:https://buyertrade.taobao.com/trade/itemlist/list_bought_items.htm, user-agent:Mozilla/5.0(WindowsNT6.1;WOW64) AppleWebKit/537.36(KHTML, likeGecko) Chrome/59.0.3071.115Safari/537.36x-requested-with:XMLHttpRequest, #‘cookie‘:‘miid=387872062667523128; thw=cn;xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx.....‘, ##如果不用浏览器登录,可以在headrs中携带字符串形式的cookie } resp=requests.post(self.order_url,data=datax,cookies=self.cookies,headers=header) #resp=requests.post(self.order_url,data=datax,headers=header) #print resp.content.decode(‘gbk‘) orders_dictx = json.loads(resp.content.decode(gbk)) pages=orders_dictx[page][totalPage] for order in orders_dictx[mainOrders]: self.num+=1 self.cost+=float(order[payInfo][actualFee]) print self.num, ,order[subOrders][0][itemInfo][title], 价格是: ,order[payInfo][actualFee],元 交易状态是:,order[statusInfo][text],self.cost if flag==0: for p in range(1,pages+1): self.get_orders(p,1) if __name__=="__main__": pass tb=Taobao(369xxxx@qq.com,123xxxxxxxx) tb.get_orders(0,0)

 

 

运行后爬到的订单。

技术分享

 

要爬很多项,已购买宝贝只是其中之一,账号 密码要做成做接口传过来触发爬虫。然后保存各项数据,做数据挖掘用。

根据统计,我在淘宝购物了205次,花费了28613.53元。

淘宝爬取某人的所有购物订单

标签:desire   abi   input   click   保存   main   购物   locate   界面   

原文地址:http://www.cnblogs.com/ydf0509/p/7164026.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!