数据采集实战（二）-- 京粉商品（by puppeteer）

转载

mb5fd868b989ae9 2021-07-27 02:26:00

文章标签 databook 数据 lua 加载 html 文章分类 代码人生

1. 概述

京粉是京东联盟下的网站，通过分享其中的商品链接可以赚取佣金，类似淘客联盟。

采集京粉的商品，既可以练习 puppeteer的使用，平时想在京东购物时，也能用得上（采集看看有类似商品的价格和评价）。

2. 主要流程

采集的流程很简单：

数据采集实战（二）-- 京粉商品（by puppeteer）_html

2.1 登录

登录本来是很简单的步骤，只是京粉的登录有点特殊，它的登录框是在 iframe 中，所以，加载完网页后可能登录框并没有出现。

需要加载完 iframe 之后才能录入用户名/密码。

数据采集实战（二）-- 京粉商品（by puppeteer）_数据_02

登录模块的代码如下：

const username = "YOUR NAME";
const passwd = "YOUR PASSWORD";

// 登录
const login = async (page) => {
await page.goto("https://union.jd.com/index");

// 等待加载 login 的 iframe
await page.waitForSelector("#indexIframe");
const frame = (await page.frames())[1];

await frame.waitForSelector("#loginname");
// 输入用户名和密码 登录
await frame.type("#loginname", username, { delay: 100 });
await frame.type("#nloginpwd", passwd, { delay: 100 });
await frame.click("#paipaiLoginSubmit");
};

export default login;

2.2 进入“商品检索”菜单

登录成功后，进入首页，点击左侧的菜单进入“商品检索”页面。

数据采集实战（二）-- 京粉商品（by puppeteer）_lua_03

注意这里直接使用 page 的 click 方法是无效的，需要使用如下方式：

// 进入商品界面
const productPage = async (page) => {
await page.waitForSelector(".menu-wrapper");

// 直接选择无法点击，只能用 page.evaluate 方法来点击
// 【我要推广】 菜单
await page.evaluate(
    (selector) => document.querySelectorAll(selector)[0].click(),
".el-submenu__title>span"
  );

// 【商品推广】 菜单
await page.evaluate(
    (selector) => document.querySelectorAll(selector)[1].click(),
"li.el-menu-item>span"
  );
};

2.3 录入检索条件并开始检索

商品推广页面支持的检索条件很多，这里只输入佣金和价格的范围来检索：

// 检索商品（佣金比例范围，价格范围）
const searchProduct = async (page, feeMin, feeMax, priceMin, priceMax) => {
await page.waitForSelector(".imgbox");

await page.waitForSelector("input.el-input__inner");
const inputs = await page.$$("input.el-input__inner");

// IMPORTANT 使用click才能输入完整，使用 focus，无法输入完整
await inputs[1].click();
// await inputs[1].focus();
await inputs[1].type(feeMin, { delay: 200 });
await inputs[2].click();
await inputs[2].type(feeMax, { delay: 200 });
await inputs[3].click();
await inputs[3].type(priceMin, { delay: 200 });
await inputs[4].click();
await inputs[4].type(priceMax, { delay: 200 });

// 佣金和价格输入之后，鼠标必须浮在输入框上，才会出现确定按钮去检索
const divs = await page.$$(".commission");
// div对应的确认按钮在隐藏的 div中
let popover = await divs[1].evaluate((node) =>
node.getAttribute("aria-describedby")
  );

// 通过 hover()函数，让确定按钮显示出来
await inputs[4].hover();
await page.waitForSelector(`#${popover}`, { visible: true });
await page.click(`#${popover}>.el-button--primary`);
};

export default searchProduct;

佣金的范围（feeMin_{feeMax），价格范围（priceMin}priceMax）是通过参数传入的。

数据采集实战（二）-- 京粉商品（by puppeteer）_lua_04

2.4 保存网页

保存网页很简单，**puppeteer **提供了获取整个HTML页面的接口。

// 保存网页内容到指定路径
const savePage = async (page, dirname, filename) => {
const html = await page.content();
await saveContent(dirname, filename, html);
};

// 保存解析后的网页内容到指定路径
const saveContent = async (dirname, filename, content) => {
if (!mkdirsSync(dirname)) {
console.error("mkdir save page dir ERROR!");
return;
  }

fs.writeFileSync(path.join(dirname, filename), content);
};

2.5 进入下一页

在页面的最下方有翻页的按钮，只要找到下一页的按钮即可。

数据采集实战（二）-- 京粉商品（by puppeteer）_html_05

点击下一页的函数如下：

// 进入下一页
const nextPage = async (page) => {
await page.waitForSelector(".el-pagination");
const pageBottons = await page.$$(".el-pagination>button");
// pageBottons[0] -> 上一页   pageBottons[1] -> 下一页
await pageBottons[1].click();
await page.waitForNavigation();
};

export default nextPage;