Python+Selenium+Chrome抓取京东商品信息

python作为一种动态语言，具有非常高的一发效率，用它来开发定向爬虫，非常适合。目前，已经有不少好用的库可以直接使用，大大加快开发过程。
爬虫一般可以分为静态爬虫和动态爬虫，其中静态爬虫是通过分析要抓取的页面结构，定位到抓取的关键步骤和关键位置后，直接进行数据抓取并进行页面解析，最终得到目标数据。适用于静态页面和简单的Ajax页面。当页面过于复杂时（如需要Cookies验证、通过Ajax获取数据，并经过复杂渲染过程）人工分析的成本将显著加大，此时可通过使用动态爬虫进行抓取。本文以抓取京东商品信息为例，讲述动态爬虫的一般过程。在此之前，我们先了解一下静态爬虫的常用技术。

基于Python的静态爬虫

网页抓取库

• 列表内容
• urllib
• urllib2
• request
• …

页面解析库

• beautifulsoup
• lxml
• HTMLParser
• …

基于Python的动态爬虫

动态爬虫主要解决JS执行和DOM渲染的问题，常见的渲染方式有
- Webkit
- CEF
- PhantomJS
- Electron
- Chrome
- Firefox
- …
本文中我们选用selenium对Chrome进行控制，实现数据的渲染和抓取。 selenium是一个web的自动化测试工具，可以操作Chrome、Firefox等浏览器。

环境配置