首页 > 代码库 > 利用nodejs+phantomjs+casperjs采集淘宝商品的价格
利用nodejs+phantomjs+casperjs采集淘宝商品的价格
因为一些业务需求需要采集淘宝店铺商品的销售价格,但是淘宝详情页面的价格显示是通过js动态调用显示的.所以就没法通过普通的获取页面html然后通过正则或者xpath的方式获取到想到的信息了.
所幸我们现在有了casperjs.这个是一个基于Phantomjs的库,而Phantomjs则是一个服务器端的js api的webkit浏览器.是不是很神奇?真的是.net的以外的世界很神奇,我们要多走去看看.
好了,现在废话不多说,开始切入正题.
首先就是就是几个相关库的安装.安装过程很简单,相关内容大家百度即可.在文章的底部我也会列出参考链接.
我们先进行下简要的分析:
具体的操作流程就是利用casperjs模拟鼠标点击商品的图片,然后网页显示对应的价格.
默认情况是这样的,如果不点击颜色分类下的图片,则对应的促销价格也只是会显示一个区间.
而只要我们点击了颜色分类对应的图片之后,则会是下面的效果
那么我们具体的操作步骤应该是:
1)打开具体的商品详情页
2)获取到颜色分类下图片个数,然后依次模拟鼠标点击
3)每点击一次图片,然后获取对应的促销价格
4)保存每次操作后的结果到数据库或者本地文件中待下一步处理
下面我们就来具体的一步步实现上面分析后所需要的步骤:
1.初始化casperjs
var casper = require(‘casper‘).create({ clientScripts: ["jquery.js"], verbose: false, logLevel: ‘debug‘, pageSettings: { loadImages: false, // The WebPage instance used by Casper will loadPlugins: false // use these settings }});
phantom.outputEncoding = "gbk";//解决乱码问题2.打开具体的url
/*获取需要采集的url列表*/casper.start(url, function() { casper.GetDetailUrl(url);});/*打开具体url*/casper.GetDetailUrl = function(detailUrl) { casper.thenOpen(detailUrl, function() { console.log(this.getCurrentUrl());});};
3.处理当前页面的所有sku价格与信息
/*处理当前页面的所有sku价格与信息*/casper.then(function getPic() { // console.log(this.getHTML()); // fs.write(‘123‘, this.getHTML(), ‘w‘); product = casper.evaluate(function getProductFromPage() { return $(‘ul[class*="tb-img"]‘).children().size(); }); console.log(product); var str = ‘‘ for (var i = 1; i <= product; i++) { str += casper.getPrice(i) + "|"; } var item = new Object(); item.price = str; item.numiid = this.getCurrentUrl(); casper.PostData(item); // fs.write(‘myfile.html‘, str, ‘w‘); //this.capture("4.png"); });
/*获取商品的价格*/casper.getPrice = function(index) {var dd = casper.clickByImg(index);if (dd == -1) {return ‘‘;}productPrice = casper.evaluate(function getPriceFromPage() {return $(‘.tm-price‘).first().text().trim();});return (dd + "_" + productPrice);};/*点击小图及获取此商品的data-value*/casper.clickByImg = function(index) {var x = require(‘casper‘).selectXPath;// 如果此商品缺货则跳出var path = ‘//*[@id="J_DetailMeta"]/div[1]/div[1]/div/div[4]/div/div/dl[1]/dd/ul/li[‘ + index + ‘]‘;var outOfStock = this.getElementAttribute(x(path), ‘class‘);if (outOfStock == ‘tb-out-of-stock‘)return ‘-1‘;this.click(x(‘//*[@id="J_DetailMeta"]/div[1]/div[1]/div/div[4]/div/div/dl[1]/dd/ul/li[‘ + index + ‘]/a‘));return this.getElementAttribute(x(path), ‘data-value‘); // "data-value"};
4.将最后处理后得到的结果提交到服务器上
/*提交商品价格信息到服务器*/casper.PostData = http://www.mamicode.com/function(item) {"form", { ‘numiid‘: item.numiid, ‘value‘: item.price }, false); this.capture(‘post.png‘); this.click("#btnSave"); this.echo(‘GOT it1.‘ + item.numiid); }); this.echo(‘GOT it2.‘ + item.numiid); this.wait(2000, function() { this.echo("I‘ve waited for a second."); });}最后run即可.
casper.run();
通过以上4个步骤我们就能获取到单个链接下,所有sku的促销价格了.
现在还有个问题,就是我们的nodejs还没出场呢,不会把它忘记的,呵呵.
为什么这里casperjs都搞定了,还需要nodejs呢?那就是因为casperjs只能处理单个链接,如果有多条链接处理的话,就需要启动多个casperjs的实例来完成.
上面的所有代码都是casperjs的一个操作步骤,最后的一个run就是让这个实例按我们定义好的步骤来进行的一个完整的流程.
那么既然如果,我们就请nodejs出场吧~
var count = 0;console.log(‘主进程开启‘);var startTime = new Date().getTime();var https = require(‘http‘);/*获取需要采集的url列表*/https.get(‘http://XXX/GetItemsList‘, function(res) { // console.log("statusCode: ", res.statusCode); // console.log("headers: ", res.headers); res.on(‘data‘, function(d) { // process.stdout.write(d); var obj = JSON.parse(d) for (var i = 0; i < obj.items.length; i++) { capture(obj.items[i].detail_url); } ; });}).on(‘error‘, function(e) { console.error(e);});/*启动casperjs读取单个url*/function capture(url) { count++; var spawn = require(‘child_process‘).spawn, ls = spawn(‘casperjs‘, [‘casperjs.js‘, url]); ls.on(‘close‘, function(code) { if (code == 1) { console.log(‘child process异常结束。目标：‘ + url); } });}当然,这里我们的casperjs需要进行模块化处理的,其实就是让casperjs可以获取调用的参数啦
var system = require(‘system‘);var url = system.args[4];
以上,就是所有采集需要使用到的代码了!怎么样,是不是非常的彪悍啊,整个处理流程只用了区区100来行的代码,就搞定了所有的采集流程.
参考链接:
http://www.cnmiss.cn/?p=413
http://blog.csdn.net/sagomilk/article/details/20800543
http://www.cnblogs.com/zeusro/p/4188229.html
http://casperjs.readthedocs.org/en/latest/modules/casper.html
利用nodejs+phantomjs+casperjs采集淘宝商品的价格