day2023-3-31-selenium

一、selenium基本操作

1.创建浏览器对象

b = Chrome()

2.打开网页（需要爬那个页面的数据，就打开那个对应的网页地址）

b.get('https://movie.douban.com/top250?start=0')

3.获取网页源代码（注意：不管以什么样的方式更新了界面内容，page_source的内容也会更新）

print(b.page_source)     # 获取的是豆瓣电影top250的网页遇到源代码

b.get('https://baidu.com')
print(b.page_source)     # 获取的是百度的网页遇到源代码

二、selenium翻页操作

selenium获取多页数据翻页的方法：

方法1：找到不同页的地址变化规律，利用循环实现多页数据的请求

from selenium.webdriver import Chrome

b = Chrome()

for x in range(0, 226, 25):
    b.get(f'https://movie.douban.com/top250?start={x}')
    print(b.page_source)

方法2：点击翻页按钮，刷新页面内容，在刷新后获取网页源代码

1.selenium获取标签

浏览器对象.b.fin_element(获取方式, 数据) - 返回符号条件的第一个标签，结果是标签对象
浏览器对象.b.fin_elements(获取方式, 数据) - 返回符号条件的所有标签，结果是列表，列表中的元素是标签对象

1）获取方式:
By.ID - 通过ID属性值获取标签
By.CLASS_NAME - 通过class属性值获取标签
By.CSS_SELECTOR - 通过css选择器获取标签
By.LINK_TEXT - 通过a标签的标签内容获取标签
By.PARTIAL_LINK_TEXT - 通过a标签的标签部分内容获取标签

2.操作标签

1）输入框输入内容：输入框对应的标签.send_keys(输入的内容)
2）点击标签：标签对象.click()

from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By

b = Chrome()
b.get('https://www.jd.com/')

# 获取id属性值位key的标签
search = b.find_element(By.ID, 'key')

# 获取标签内容为‘便宜包邮’的a标签
a1 = b.find_element(By.LINK_TEXT, '便宜包邮')
# a1.click()

# 获取标签内容包含‘口好’的a标签
a2 = b.find_element(By.PARTIAL_LINK_TEXT, '口好')
a2.click()

三、应用：知网数据爬取

from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By
import time

1.创建浏览器

b = Chrome()

2.打开知网

b.get('https://www.cnki.net/')

3.获取输入框，输入‘数据分析’

search = b.find_element(By.ID, 'txt_SearchText')
search.send_keys('数据分析\n')

4.获取搜索结果中所有论文的标题标签

titles = b.find_elements(By.CLASS_NAME, 'fz14')

5.点击第一个搜索结果

titles[0].click()
time.sleep(1)

6.切换选项卡，让浏览器对象指向详情页

b.switch_to.window(b.window_handles[-1])

7.获取详情页数据

print(b.page_source)

8.关闭当前窗口

b.close()

9.将选项卡切换回第一个页面

b.switch_to.window(b.window_handles[0])

知网数据爬取应用：

# 方法1
from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By
import time
from bs4 import BeautifulSoup
from csv import writer

# 1.创建浏览器
b = Chrome()

# 2.打开知网
b.get('https://www.cnki.net/')

# 3.获取输入框，输入‘数据分析’
search = b.find_element(By.ID, 'txt_SearchText')
search.send_keys('数据分析\n')


def get_cnki_data(x):

# 4.获取搜索结果中所有论文的标题标签
    titles = b.find_elements(By.CLASS_NAME, 'fz14')

# 点击第一个搜索结果
    titles[x].click()
    time.sleep(1)

# 切换选项卡，让浏览器对象指向详情页
    b.switch_to.window(b.window_handles[1])

# 获取详情页数据
#     print(b.page_source)

    soup = BeautifulSoup(b.page_source, 'lxml')
    summary = soup.select_one('span#ChDivSummary').text
    title = soup.select_one('.wx-tit>h1').text.strip()

    w1.writerow([title, summary])

# 关闭当前窗口
    b.close()

# 将选项卡切换回第一个页面
    b.switch_to.window(b.window_handles[0])


if __name__ == '__main__':
    f = open('files/cnki-数据分析.csv', 'w', encoding='utf-8', newline='')
    w1 = writer(f)
    w1.writerow(['标题', '摘要'])

    for x in range(20):
        get_cnki_data(x)

        
        
# 优化后
from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By
import time
from bs4 import BeautifulSoup


def analysis_data(html):
    soup = BeautifulSoup(html, 'lxml')
    digest = soup.select_one('#ChDivSummary').text
    print(digest)


def get_net_data():
    # 1.创建浏览器
    b = Chrome()

    # 2.打开中国知网
    b.get('https://www.cnki.net/')

    # 3.获取输入框，输入"数据分析"
    search = b.find_element(By.ID, 'txt_SearchText')
    search.send_keys('数据分析\n')
    time.sleep(1)

    for _ in range(3):
        # 4.获取搜索结果所有论文的标题标签
        titles = b.find_elements(By.CLASS_NAME, 'fz14')

        for x in titles:
            # 点击一个搜索结果
            x.click()
            time.sleep(1)

            # 切换选项卡，让浏览器对象指向详情页
            b.switch_to.window(b.window_handles[-1])

            # 获取详情页数据, 解析数据
            # print(b.page_source)
            analysis_data(b.page_source)

            # 关闭当前窗口
            b.close()

            # 将选项卡切换回第一个页面
            b.switch_to.window(b.window_handles[0])

        print('--------------------一页数据获取完成--------------------------')

        b.find_element(By.ID, 'PageNext').click()
        time.sleep(4)

    input()


if __name__ == '__main__':
    get_net_data()

四、滚动页面操作

from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By
import time

b = Chrome()
b.get('https://www.jd.com/')
time.sleep(2)

用代码控制浏览器滚动：

js中页面滚动的代码：window.scrollBy(x方向的偏移量, y方向的偏移量)

# b.execute_script('window.scrollBy(0, 1000)')
for x in range(8):
    b.execute_script('window.scrollBy(0, 800)')
    time.sleep(1)

result = b.find_elements(By.CSS_SELECTOR, '#J_goodsList>ul>li')
print(len(result))