7、提取当前页面的所有订单,存入self.orderDict
先来分析下订单部分的HTML代码,如下所示:
简单说就是:用<ul>表示该页的所有订单,<ul>下面的每一个<li>表示一个具体订单,<li>下面的类型为user-info的<div>表示该订单的用户信息,<div>下面就是姓名电话等信息。
因此定位过程如下:先用find_elements方法找到<ul>下面的所有<li>;然后遍历每一个<li>,定位用户信息;最后再从用户信息中定位姓名电话等。这里用到了层级定位。
1 # 抓取当前页面的所有订单,并调用saveOrderIntoDict将每个订单信息都存入self.orderDict 2 def searchOrderListInCurrentPage(self): 3 # 这里采用CSS定位,但是使用了find_elements,一次定位所有的订单 4 orders = self.driver.find_elements_by_css_selector('ul.order-list.J-order-list > li') 5 6 # 遍历每一个订单,提取其中的用户信息,这里用到了层级定位 7 for one in orders: 8 # 先定位用户信息 9 uesrinfo = one.find_element_by_css_selector('div.user-info') 10 # 再定位具体每项信息 11 name = uesrinfo.find_element_by_css_selector('span.b-title.user-name').text 12 # 有的用户没有写名字 13 if name == '': 14 name = u'无名氏' 15 tel = uesrinfo.find_element_by_css_selector('span.b-title.user-phone.J-search-phone').text 16 address = uesrinfo.find_element_by_css_selector('div > span.fl.J-search-address').text 17 # 信息存入self.orderDict 18 self.saveOrderIntoDict(tel, name, address) 19 return |
8、判断是否还有下一页订单
这里使用页面低端的翻页符号来定位,如下图所示。
实现思路可参考 使用selenium实现简单网络爬虫抓取MM图片 ,检查是否到达页面底部的方法:
1 # 判断是否还有下一页 2 # 通过符号>>的上级标签<li>的class属性来判断,当还存在下一页(>>可点击)时,<li>的class属性值为空;当不存在下一页时,<li>的class属性值为disabled 3 # 因此,当我们找到符号>>及其父元素<li class="disabled">时,即可认为不存在下一页,否则存在下一页 4 def hasNextPage(self): 5 try: 6 # 注意这里的选择器一定要包含a[aria-label="Next"],不能只用li.disabled,因为上一页的符号也可能存在li.disabled,必须使用父子元素同时定位 7 self.driver.find_element_by_css_selector('ul.J-pagination.pagination.pagination-md.pull-right > li.disabled > a[aria-label="Next"]') 8 # 如果没抛出异常,说明找到了元素<li class="disabled">和子元素<a aria-label="Next">,没有下一页了 9 return False 10 except NoSuchElementException as e: 11 # 抛出异常说明还存在下一页 12 return True |
9、切换到下一页订单
切换很简单,直接定位翻页符号点击即可:
1 # 切换到下一页
2 # 这个比较简单,直接采用类似上面的定位器即可
3 def enterNextPage(self):
4 self.driver.find_element_by_css_selector('ul.J-pagination.pagination.pagination-md.pull-right a[aria-label="Next"] > span').click()
5 return
10、抓取设置日期范围内的所有订单
上面的方法都是些内部实现,无需直接调用,而该方法是供我们直接调用的,这里只是对上面那些方法的组合以及简单处理:
1 # 抓取设定日期范围内的所有订单,抓取订单时直接调用该接口即可 2 def getAllOrders(self, startdate, enddate): 3 # 设置订单的时间范围 4 self.setDate(startdate, enddate) 5 6 # 登录 7 self.login() 8 9 # 切换到历史订单页面 10 self.switchToHistoryOrder() 11 12 # 遍历处理dateList中的所有日期对 13 for date in self.dateList: 14 # 选择date所标示的时间范围 15 self.selectDate(startDate=date[0], endDate=date[1]) 16 17 # 依次处理筛选出来的每一页订单 18 while True: 19 # 处理当前页面的订单 20 self.searchOrderListInCurrentPage() 21 # 是否还有下一页 22 if self.hasNextPage(): 23 self.enterNextPage() 24 else: 25 break 26 27 # 退出 28 self.logout() 29 return |
11、筛选出点餐次数TOP N的顾客
调用第10步的方法后,所有的订单信息都在self.orderDict中了,这里只需将dict转换为list,然后按照cnt降序排序,再输出前10的信息即可。
1 # 筛选出点餐次数排名前N的顾客 2 def getTopN(self, n=10): 3 # 先将orderDict转换为list 4 # {'tel': ['name', 'address', cnt]} -> [('name', 'tel', 'address', cnt)] 5 orderList = [(v[0], k, v[1], v[2]) for (k, v) in self.orderDict.iteritems()] 6 7 # 按照list中每个元素的cnt排序 8 orderList.sort(key=lambda x: x[3], reverse=True) 9 10 # 输出TOP N 11 num = len(orderList) 12 if num < n: 13 n = num 14 for i in range(n): 15 print orderList[i][0] 16 print orderList[i][1] 17 print orderList[i][2] 18 print orderList[i][3] |
现在测试一下整个代码:
1 if __name__ == '__main__':
2 order = Order('url', 'username', 'password')
3 # 抓取制定时间范围内的所有订单
4 order.getAllOrders('2016-05-23', '2016-05-25')
5 # 输出TOPN
6 order.getTopN(n=10)
输出形式如下:
1 姓名1 2 13512345678 3 地址1 4 6 5 姓名2 6 13612345678 7 地址2 8 3 9 姓名3 10 13712345678 11 地址3 12 1 |