python采集平板电脑在国内销量

据调研机构公开数据显示，苹果平板电脑2022年第一季度在中国大陆市场出货量为120万台，市场份额达到26%，位居首位，不过出货量同比下降了29%，但是目前还是排名第一。目前国产平板电脑配置，价格对比苹果iPad来说有优势，这也是苹果iPad市场份额逐渐下滑的原因。多多支持国产！

今天我们就使用大数据来分析下，目前市场上各个品牌平板电脑的销量是怎么样的？这里我们的数据来源于京东https://www.jd.com/。但是由于京东反爬技术较强，使用常规方法爬取其数据行不通，所以本文直接使用selenium爬取京东商品数据。使用selenium也需要加上代理IP的辅助才能更好的获取数据，代理IP的选择这里推荐大家使用亿牛云代理https://www.16yun.cn/，他们家提供的爬虫代理效果非常的好。获取商品具体数据完整代码如下：

from selenium import webdriver
import string
import zipfile

# 代理服务器(产品官网 www.16yun.cn)
proxyHost = "t.16yun.cn"
proxyPort = "3111"

# 代理验证信息
proxyUser = "username"
proxyPass = "password"

def create_proxy_auth_extension(proxy_host, proxy_port,
proxy_username, proxy_password,
scheme='http', plugin_path=None):
if plugin_path is None:
plugin_path = r'/tmp/{}_{}@t.16yun.zip'.format(proxy_username, proxy_password)

manifest_json = """
{
"version": "1.0.0",
"manifest_version": 2,
"name": "16YUN Proxy",
"permissions": [
"proxy",
"tabs",
"unlimitedStorage",
"storage",
"<all_urls>",
"webRequest",
"webRequestBlocking"
],
"background": {
"scripts": ["background.js"]
},
"minimum_chrome_version":"22.0.0"
}
"""

background_js = string.Template(
"""
var config = {
mode: "fixed_servers",
rules: {
singleProxy: {
scheme: "${scheme}",
host: "${host}",
port: parseInt(${port})
},
bypassList: ["localhost"]
}
};

chrome.proxy.settings.set({value: config, scope: "regular"}, function() {});

function callbackFn(details) {
return {
authCredentials: {
username: "${username}",
password: "${password}"
}
};
}

chrome.webRequest.onAuthRequired.addListener(
callbackFn,
{urls: ["<all_urls>"]},
['blocking']
);
"""
).substitute(
host=proxy_host,
port=proxy_port,
username=proxy_username,
password=proxy_password,
scheme=scheme,
)
print(background_js)

with zipfile.ZipFile(plugin_path, 'w') as zp:
zp.writestr("manifest.json", manifest_json)
zp.writestr("background.js", background_js)

return plugin_path

proxy_auth_plugin_path = create_proxy_auth_extension(
proxy_host=proxyHost,
proxy_port=proxyPort,
proxy_username=proxyUser,
proxy_password=proxyPass)

option = webdriver.ChromeOptions()

option.add_argument("--start-maximized")

# 如报错 chrome-extensions
# option.add_argument("--disable-extensions")

option.add_extension(proxy_auth_plugin_path)

# 关闭webdriver的一些标志
# option.add_experimental_option('excludeSwitches', ['enable-automation'])

driver = webdriver.Chrome(
chrome_options=option,
executable_path="./chromdriver"
)

# 修改webdriver get属性
# script = '''
# Object.defineProperty(navigator, 'webdriver', {
# get: () => undefined
# })
# '''
# driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {"source": script})

driver.get("https://httpbin.org/ip")

经常爬虫的朋友都知道爬取到的源数据存在很多脏数据，若要用于统计分析或更深层的分析，必须先进行数据清洗，清洗分析后的数据我们下次在进行分享，敬请期待！

 

 

 

 

若有收获，就点个赞吧