爬虫初稿

最近接了个图书馆的老师给我爬虫任务,花了八九个小时。

 爬的是这样的一个界面,书籍名和其他信息,以及coverage下面的东西。一开始以为都要click出来,其实不用。可以直接找到的。

from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import Select
import xlwt
import re
#vertion 1.1
def spiderfin(p):
    WebDriverWait(driver,40,0.5).until(EC.presence_of_element_located((By.XPATH, "/html/body/div[2]/div/div[1]/div/div/form/div[1]/p[2]/input[1]")))
    page=driver.find_element_by_xpath('/html/body/div[2]/div/div[1]/div/div/form/div[1]/p[1]/strong').text
    #行数
    page=int(page)
    time=int(page/10)
    #翻页次数
    number=0


    def spiderone(number):
        WebDriverWait(driver,40,0.5).until(EC.presence_of_element_located((By.XPATH, "/html/body/div[2]/div/div[1]/div/div/form/ul")))
        books=driver.find_elements_by_class_name('hidden')
        information=driver.find_element_by_xpath('/html/body/div[2]/div/div[1]/div/div/form/ul').text
        information=re.sub('Coverage','',information)
        ilist=re.split('\n',information)
        while "" in ilist:
            ilist.remove("")



        lenline=len(books)
        for i in range(1,lenline+1):
            worksheet.write(number+i-1, 0, ilist[3*i-3])
            worksheet.write(number+i-1, 1, ilist[3*i-2])
            worksheet.write(number+i-1, 2, ilist[3*i-1])
            name=books[i-1].get_attribute('textContent')
            name= re.split("\n+",name)
            while "" in name:
                name.remove("")
            worksheet.write(number+i-1, 3, ';'.join(name))
        excelname='d:\\'+p+'.xls'
        workbook.save(excelname)
            #excel的名字
    workbook = xlwt.Workbook(encoding = 'ascii')
    worksheet = workbook.add_sheet('My Worksheet')

    spiderone(number)
    for i in range(time):
        #循环time次,range和malab不同,此时时第i+2页
        WebDriverWait(driver,40,0.5).until(EC.presence_of_element_located((By.XPATH, "/html/body/div[2]/div/div[1]/div/div/form/div[1]/p[2]/input[1]")))
        driver.find_element_by_xpath("//input[@class='float_left'and @name='NEXT']").click()
        number=number+10
        spiderone(number)



driver = webdriver.Firefox()
link='http://mjl.clarivate.com/cgi-bin/jrnlst/jlsubcatg.cgi?PC=H'
driver.get(link)
WebDriverWait(driver,40,0.5).until(EC.presence_of_element_located((By.XPATH, "/html/body/div[2]/div/div[1]/div/form/p[3]/select")))
pages=driver.find_elements_by_tag_name('option')
pages.pop()
ps=[]
for page in pages:
    ps.append(page.text)
driver.close()


for p in ps:
    driver = webdriver.Firefox()
    driver.get(link)
    WebDriverWait(driver,40,0.5).until(EC.presence_of_element_located((By.XPATH, "/html/body/div[2]/div/div[1]/div/form/p[3]/select")))
    selector = Select(driver.find_element_by_xpath("/html/body/div[2]/div/div[1]/div/form/p[3]/select"))
    selector.select_by_visible_text(p)
    driver.find_element_by_xpath("/html/body/div[2]/div/div[1]/div/form/p[3]/input[1]").click()
    spiderfin(p)
    driver.close()

 

很惭愧还是用了弱智selenium极慢速爬虫。不过反正没有速度要求,加上遇见js也只有这玩意好用,干脆偷懒了。

本次爬虫中学到了

  • 要注意find-element和find_elements的区别
  • 文件写入
  • 页面的循环
  • 下拉菜单框的处理

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
东南亚位于我国倡导推进的“一带一路”海陆交汇地带,作为当今全球发展最为迅速的地区之一,近年来区域内生产总值实现了显著且稳定的增长。根据东盟主要经济体公布的最新数据,印度尼西亚2023年国内生产总值(GDP)增长5.05%;越南2023年经济增长5.05%;马来西亚2023年经济增速为3.7%;泰国2023年经济增长1.9%;新加坡2023年经济增长1.1%;柬埔寨2023年经济增速预计为5.6%。 东盟国家在“一带一路”沿线国家中的总体GDP经济规模、贸易总额与国外直接投资均为最大,因此有着举足轻重的地位和作用。当前,东盟与中国已互相成为双方最大的交易伙伴。中国-东盟贸易总额已从2013年的443亿元增长至 2023年合计超逾6.4万亿元,占中国外贸总值的15.4%。在过去20余年中,东盟国家不断在全球多变的格局里面临挑战并寻求机遇。2023东盟国家主要经济体受到国内消费、国外投资、货币政策、旅游业复苏、和大宗商品出口价企稳等方面的提振,经济显现出稳步增长态势和强韧性的潜能。 本调研报告旨在深度挖掘东南亚市场的增长潜力与发展机会,分析东南亚市场竞争态势、销售模式、客户偏好、整体市场营商环境,为国内企业出海开展业务提供客观参考意见。 本文核心内容: 市场空间:全球行业市场空间、东南亚市场发展空间。 竞争态势:全球份额,东南亚市场企业份额。 销售模式:东南亚市场销售模式、本地代理商 客户情况:东南亚本地客户及偏好分析 营商环境:东南亚营商环境分析 本文纳入的企业包括国外及印尼本土企业,以及相关上下游企业等,部分名单 QYResearch是全球知名的大型咨询公司,行业涵盖各高科技行业产业链细分市场,横跨如半导体产业链(半导体设备及零部件、半导体材料、集成电路、制造、封测、分立器件、传感器、光电器件)、光伏产业链(设备、硅料/硅片、电池片、组件、辅料支架、逆变器、电站终端)、新能源汽车产业链(动力电池及材料、电驱电控、汽车半导体/电子、整车、充电桩)、通信产业链(通信系统设备、终端设备、电子元器件、射频前端、光模块、4G/5G/6G、宽带、IoT、数字经济、AI)、先进材料产业链(金属材料、高分子材料、陶瓷材料、纳米材料等)、机械制造产业链(数控机床、工程机械、电气机械、3C自动化、工业机器人、激光、工控、无人机)、食品药品、医疗器械、农业等。邮箱:market@qyresearch.com

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值