Python?基于Selenium實現動態(tài)網頁信息的爬取
更新時間：2021年12月07日 14:07:55 作者：Max_Shy
本文主要介紹了通過Selenium和webdrive等庫，對動態(tài)網頁的信息進行爬取。文中的示例代碼非常詳細，感興趣的同學快來跟隨小編一起學習吧
一、Selenium介紹與配置
1.Selenium簡介
Selenium 是ThoughtWorks專門為Web應用程序編寫的一個驗收測試工具。Selenium測試直接運行在瀏覽器中，可以模擬真實用戶的行為。支持的瀏覽器包括IE(7、8、9)、Mozilla Firefox、Mozilla Suite等。這個工具的主要功能包括：測試與瀏覽器的兼容性——測試你的應用程序看是否能夠很好地工作在不同瀏覽器和操作系統之上。測試系統功能——創(chuàng)建回歸測試檢驗軟件功能和用戶需求。
2. Selenium+Python環(huán)境配置
pip install selenium
二、網頁自動化測試
1.啟動瀏覽器并打開百度搜索
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('http://www.baidu.com/')
2.定位元素
在開發(fā)者工具中找到輸入框
輸入要查詢的值并通過button點擊事件實現
input_btn = web.find_element_by_id('kw')
input_btn.send_keys('原神', Keys.ENTER)
測試：
三、爬取動態(tài)網頁的名人名言
1. 網頁數據分析
在開發(fā)者工具中查看每一組名言（名言+名人）的位置：
現每一組名言都是在class="quote"的div中，并且沒有其他class="quote的標簽。
且名句在class="text"的<span>標簽中，作者在class="author"的small標簽中。
2. 翻頁分析
在開發(fā)者工具中查看Next翻頁按鈕
可發(fā)現Next按鈕只有href屬性，無法定位。但可以通過查找網頁最后一個有aria-hidden屬性的span標簽，進行點擊以跳轉到下一頁。
3.爬取數據的存儲
爬取后的數據需要存儲至csv文件中，編寫代碼如下：
with open('Saying.csv', 'w', encoding='utf-8')as fp:
fileWrite = csv.writer(fp)
fileWrite.writerow(['名言', '名人'])
fileWrite.writerows(sayingAndAuthor)
web.close()
4. 爬取數據
代碼準備：
from selenium.webdriver import Chrome
import time
import csv
web = Chrome(r"D:\\DevTools\\Anaconda\\download\\Anaconda3\\Lib\\site-packages\\selenium\\webdriver\\chrome\\chromedriver.exe")
web.get('http://quotes.toscrape.com/js/')
sayingAndAuthor = []
n = 5
for i in range(0, n):
div_list = web.find_elements_by_class_name('quote')
for div in div_list:
saying = div.find_element_by_class_name('text').text
author = div.find_element_by_class_name('author').text
info = [saying, author]
sayingAndAuthor.append(info)
print('成功爬取第' + str(i + 1) + '頁')
if i == n-1:
break
web.find_elements_by_css_selector('[aria-hidden]')[-1].click()
time.sleep(2)
with open('Saying.csv', 'w', encoding='utf-8')as fp:
fileWrite = csv.writer(fp)
fileWrite.writerow(['名言', '名人']) # 寫入表頭
fileWrite.writerows(sayingAndAuthor)
web.close()
爬取結果：
四、爬取京東網站書籍信息
爬取某個關鍵字書籍的前三頁書籍信息，本文以計算機圖形學為例
1.進入網頁并搜索計算機圖形學
from selenium.webdriver import Chrome
from selenium.webdriver.common.keys import Keys
web = Chrome(r"D:\\DevTools\\Anaconda\\download\\Anaconda3\\Lib\\site-packages\\selenium\\webdriver\\chrome\\chromedriver.exe")
web.get('https://www.jd.com/')
web.maximize_window()
web.find_element_by_id('key').send_keys('計算機圖形學', Keys.ENTER) # 找到輸入框輸入，回車
成功。
2.網頁分析
使用開發(fā)者工具可查看每一個商品信息的位置
發(fā)現每一個商品信息都存在于class包含gl-item的li中。因此獲取該頁面下所有l(wèi)i，由此爬取書籍信息（包括書名和價格）。
3.翻頁
web.find_element_by_class_name('pn-next').click() # 點擊下一頁
4.數據保存
with open('計算機圖形學.csv', 'w', encoding='utf-8')as fp:
writer = csv.writer(fp)
writer.writerow(['書名', '價格', '作者', '出版社', '預覽圖片地址'])
writer.writerows(all_book_info)
5.代碼準備
from selenium.webdriver import Chrome
from selenium.webdriver.common.keys import Keys
import time
from lxml import etree
import csv
web = Chrome(r"D:\\DevTools\\Anaconda\\download\\Anaconda3\\Lib\\site-packages\\selenium\\webdriver\\chrome\\chromedriver.exe")
web.get('https://www.jd.com/')
web.maximize_window()
web.find_element_by_id('key').send_keys('計算機圖形學', Keys.ENTER)
def get_onePage_info(web):
web.execute_script('window.scrollTo(0, document.body.scrollHeight);')
time.sleep(2)
page_text = web.page_source
# 進行解析
tree = etree.HTML(page_text)
li_list = tree.xpath('//li[contains(@class,"gl-item")]')
book_infos = []
for li in li_list:
book_name = ''.join(
li.xpath('.//div[@class="p-name"]/a/em/text()')) # 書名
price = '￥' + \
li.xpath('.//div[@class="p-price"]/strong/i/text()')[0] # 價格
author_span = li.xpath('.//span[@class="p-bi-name"]/a/text()')
if len(author_span) > 0: # 作者
author = author_span[0]
else:
author = '無'
store_span = li.xpath(
'.//span[@class="p-bi-store"]/a[1]/text()') # 出版社
if len(store_span) > 0:
store = store_span[0]
else:
store = '無'
img_url_a = li.xpath('.//div[@class="p-img"]/a/img')[0]
if len(img_url_a.xpath('./@src')) > 0:
img_url = 'https' + img_url_a.xpath('./@src')[0] # 書本圖片地址
else:
img_url = 'https' + img_url_a.xpath('./@data-lazy-img')[0]
one_book_info = [book_name, price, author, store, img_url]
book_infos.append(one_book_info)
return book_infos
def main():
web = Chrome(
r"D:\\DevTools\\Anaconda\\download\\Anaconda3\\Lib\\site-packages\\selenium\\webdriver\\chrome\\chromedriver.exe")
web.get('https://www.jd.com/')
web.maximize_window()
web.find_element_by_id('key').send_keys('計算機圖形學', Keys.ENTER) # 找到輸入框輸入，回車
time.sleep(2)
all_book_info = []
for i in range(0, 3):
all_book_info += get_onePage_info(web)
print('爬取第' + str(i+1) + '頁成功')
web.find_element_by_class_name('pn-next').click() # 點擊下一頁
time.sleep(2)
with open('計算機圖形學.csv', 'w', encoding='utf-8')as fp:
writer = csv.writer(fp)
writer.writerow(['書名', '價格', '作者', '出版社', '預覽圖片地址'])
writer.writerows(all_book_info)
if __name__ == '__main__':
main()
爬取結果
成功
五、總結
本文通過Selenium和webdrive等庫，對動態(tài)網頁的信息進行爬取。?
以上就是Python 基于Selenium實現動態(tài)網頁信息的爬取的詳細內容，更多關于Python Selenium 網頁信息爬取的資料請關注腳本之家其它相關文章！
相關文章
Python編程matplotlib繪圖挑鉆石seaborn小提琴和箱線圖
這篇文章主要為大家介紹了Python編程如何使用matplotlib繪圖來挑出完美的鉆石以及seaborn小提琴和箱線圖，有需要的朋友可以借鑒參考下，希望能夠優(yōu)速幫助2021-10-10
這篇文章主要介紹了Python的subprocess模塊總結,本文詳細講解了subprocess模塊參數及Popen方法,然后給出了多個使用實例,需要的朋友可以參考下2014-11-11
一旦創(chuàng)建好了數據模型，Django就會自動為我們提供一個數據庫抽象API，允許創(chuàng)建、檢索、更新和刪除對象操作，本文就詳細的介紹一下，感興趣的可以了解一下2021-08-08
這篇文章主要介紹了python的自變量選擇(所有子集回歸,后退法,逐步回歸)，文章圍繞主題展開詳細的內容介紹，具有一定的參考價值，感興趣的小伙伴可以參考一下2022-06-06
這篇文章主要介紹了使用matplotlib實現在同一個窗口繪制多個圖形問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-08-08
初識Python語言,覺得python滿足了我上學時候對編程語言的所有要求,下面這篇文章主要給大家介紹了關于python實用的快捷語法技巧的相關資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-02-02
今天小編就為大家分享一篇關于Pycharm無法debug問題的總結，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01
python使用aiohttp通過設置代理爬取基金數據簡單示例
這篇文章主要為大家介紹了python使用aiohttp通過設置代理爬取基金數據簡單示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2023-06-06
這篇文章主要介紹了解決使用openpyxl時遇到的坑，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
python-opencv 將連續(xù)圖片寫成視頻格式的方法
今天小編就為大家分享一篇python-opencv 將連續(xù)圖片寫成視頻格式的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01