python获取阿里巴巴国际站商家信息

帮一个做外贸的朋友搞的，他需要电话号去和商家沟通，提供国际货运一条龙服务，不停地切换页面查看手机号，比较麻烦，帮他写个脚本，一次性获取下来，存成Excel。现在分享一下过程，同时记录一下他欠我一顿饭。

前言

阿里巴巴国际站上的商家号码在不同的商家页面上，如图所示，需要登录授权才能查看。
在这里插入图片描述
本来想直接通过接口去获取，但是发现每次请求都有一个动态的spm参数不同的变动，所以决定简单一点用selenium启一个webdriver，效率比较慢。

1.启动webdriver，并完成登录

from selenium.webdriver import ChromeOptions
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
import re
import time
from lxml import etree
import csv# 完成登录 登陆
class Chrome_drive():def __init__(self):option = ChromeOptions()option.add_experimental_option('excludeSwitches', ['enable-automation'])option.add_experimental_option('useAutomationExtension', False)NoImage = {"profile.managed_default_content_settings.images": 2}  # 控制 没有图片option.add_experimental_option("prefs", NoImage)# option.add_argument(f'user-agent={ua.chrome}')  # 增加浏览器头部# chrome_options.add_argument(f"--proxy-server=http://{self.ip}")  # 增加IP地址。。# option.add_argument('--headless')  #无头模式 不弹出浏览器self.browser = webdriver.Chrome(executable_path="./chromedriver", options=option)self.browser.execute_cdp_cmd('Page.addScriptToEvaluateOnNewDocument', {'source': 'Object.defineProperty(navigator,"webdriver",{get:()=>undefined})'})  #去掉selenium的驱动设置self.browser.set_window_size(1200,768)self.wait = WebDriverWait(self.browser, 12)def get_login(self):url='https://passport.alibaba.com/icbu_login.htm'self.browser.get(url)#self.browser.maximize_window()  # 在这里登陆的中国大陆的邮编#这里进行人工登陆。k = input("输入1")if 'Your Alibaba.com account is temporarily unavailable' in self.browser.page_source:self.browser.close()while k == 1:breakself.browser.refresh()  # 刷新方法 refresreturn

为了快速加载web页面，浏览器设置不加载图片，打开登录页后死循环等待，手动登录完成后，控制台输入1 跳出循环。

2.获取页面内容

分析网页
在这里插入图片描述

我们首先获取页面上class=item-main的dom，可以拿到商家信息，然后获取dom下class=cd的a标签的src属性可以获取商家详细信息页面链接，获取信息后存成csv文件。代码实现如下：

#获取判断网页文本的内容：def index_page(self,page,wd):"""抓取索引页:param page: 页码"""print('正在爬取第', page, '页')url = f'https://www.alibaba.com/trade/search?page={page}&keyword={wd}&f1=y&indexArea=company_en&viewType=L&n=38'js1 = f" window.open('{url}')"  # 执行打开新的标签页print(url)self.browser.execute_script(js1)  # 打开新的网页标签# 执行打开新一个标签页。self.browser.switch_to.window(self.browser.window_handles[-1])  # 此行代码用来定位当前页面窗口self.buffer()  # 网页滑动  成功切换#等待元素加载出来time.sleep(3)self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#J-items-content')))#获取网页的源代码html =  self.browser.page_sourceself.get_products(wd,html)self.close_window()def get_products(self, wd, html_text):"""提取商品数据"""e = etree.HTML(html_text)item_main = e.xpath('//div[@id="J-items-content"]//div[@class="item-main"]')items = e.xpath('//div[@id="J-items-content"]//div[@class="item-main"]')print('公司数 ', len(items))for li in items:company_name = ''.join(li.xpath('./div[@class="top"]//h2[@class="title ellipsis"]/a/text()'))  # 公司名称company_phone_page = ''.join(li.xpath('./div[@class="top"]//a[@class="cd"]/@href'))  # 公司电话连接product = ''.join(li.xpath('.//div[@class="value ellipsis ph"]/text()'))  # 主要产品Attrs = li.xpath('.//div[@class="attrs"]//span[@class="ellipsis search"]/text()')length = len(Attrs)counctry = ''total_evenue = ''sell_adress = ''product_img = ''if length > 0:counctry = ''.join(Attrs[0])  # 国家if length > 1:total_evenue = ''.join(Attrs[1])  # Total 收入if length > 2:sell_adress = ''.join(Attrs[2])  # 主要销售地if length > 3:sell_adress += '、' + ''.join(Attrs[3])  # 主要销售地if length > 4:sell_adress += '、' + ''.join(Attrs[4])  # 主要销售地product_img_list = li.xpath('.//div[@class="product"]/div/a/img/@src')if len(product_img_list) > 0:product_img = ','.join(product_img_list)  # 产品图片self.browser.get(company_phone_page)phone = ''address = ''mobilePhone = ''try:if 'Your Alibaba.com account is temporarily unavailable' in self.browser.page_source:self.browser.close()self.browser.find_element_by_xpath('//div[@class="sens-mask"]/a').click()phone = ''.join(re.findall('Telephone:</th><td>(.*?)</td>', self.browser.page_source, re.S))mobilePhone = ''.join(re.findall('Mobile Phone:</th><td>(.*?)</td>', self.browser.page_source, re.S))address = ''.join(re.findall('Address:</th><td>(.*?)</td>', self.browser.page_source, re.S))except:print("该公司没有电话")all_down = [wd, company_name, company_phone_page, product, counctry, phone, mobilePhone, address,total_evenue, sell_adress, product_img]save_csv(all_down)print(company_name, company_phone_page, product, counctry, phone, mobilePhone, address, total_evenue,sell_adress, product_img)

注意：国际站列表图片是懒加载的，也就是说没有滑动出来的时候产品图片地址是空的，我们增加一个窗口滑动操作和一个关闭标签页的动作

	def buffer(self): #滑动网页的for i in range(33):time.sleep(0.5)self.browser.execute_script('window.scrollBy(0,380)', '')  # 向下滑行300像素。def close_window(self):length=self.browser.window_handlesif  len(length) > 3:self.browser.switch_to.window(self.browser.window_handles[1])self.browser.close()time.sleep(1)self.browser.switch_to.window(self.browser.window_handles[-1])

获取信息如下在这里插入图片描述
然后是main方法，这里我省事了，就是先搜了一下关键词之后，看了下一共多少页，写了个for循环，有时间可以修改成获取列表的总页数，自动循环：

def save_csv(lise_line):file = csv.writer(open("./alibaba_com_img.csv", 'a', newline="", encoding="utf-8"))file.writerow(lise_line)def main():"""遍历每一页"""run = Chrome_drive()run.get_login() #先登录wd ='henan'for i in range(1,32):run.index_page(i, wd)if __name__ == '__main__':csv_title = 'wd,company_name,company_phone_page,product,counctry,phone,mobilePhone,address,total_evenue,sell_adress,product_img'.split(',')save_csv(csv_title)main()

3.获取产品图片

第二步执行完，我们就获取关键词搜索后的全部商家信息，这一步我们把商家的产品图片全部下载下来，代码如下：

# -*- coding: utf-8 -*-import requests
import pandas as pd
def open_requests(img, img_name):img_url ='https:'+ imgres=requests.get(img_url)with open(f"./downloads_picture/{img_name}", 'wb') as fn:fn.write(res.content)df1=pd.read_csv('./alibaba_com_img.csv',)
for imgs in df1["product_img"]:imgList = str(imgs).split(',')if len(imgList) > 0:img = imgList[0]img_name = img[24:]print(img, img_name)open_requests(img, img_name)

在这里插入图片描述

4.获取插入图片

刚才保存的是一个csv文件，我们把csv转成Excel，注意csv转成Excel时不要直接用文件转换，容易有乱码问题，我们选择数据导入方式转换。
选择菜单栏选择文件，然后选择导入，菜单选择csv文件然后点导入
在这里插入图片描述
选择文件原始格式：UTF-8，然后点下一步

间隔符选择逗号和制表符。
在这里插入图片描述
把列数据格式全部输入成文本，不然电话号会自动转成16进制。。

导入成功后，我们选择C列然后插入一列，准备插入图片。

插入第三步下载好的图片，代码如下：

# -*- coding: utf-8 -*-from PIL import Image
import os
import xlwings as xw
path='alibaba_com.xlsx'
app = xw.App(visible=True, add_book=False)
wb = app.books.open(path)sht = wb.sheets['Sheet1']
img_list=sht.range("L2").expand('down').value
print(len(img_list))def write_pic(cell,img_name):path=f'./downloads_picture/{img_name}'print(path)fileName = os.path.join(os.getcwd(), path)img = Image.open(path).convert("RGB")print(img.size)w, h = img.sizex_s = 70  # 设置宽 excel中，我设置了200x200的格式y_s = h * x_s / w  #  等比例设置高sht.pictures.add(fileName, left=sht.range(cell).left, top=sht.range(cell).top, width=x_s, height=y_s)if __name__ == '__main__':for index,imgs in enumerate(img_list):cell="C"+str(index + 2)imgsList = str(imgs).split(',')if len(imgsList) > 0:img = imgsList[0]img_name = img[24:]try:write_pic(cell,img_name)print(cell,img_name)except:print("没有找到这个img_name的图片",img_name)wb.save()wb.close()app.quit()