selenium库可以控制浏览器行为。我们用selenium库可以抓取我们所需的网页全部信息。
它需要配合浏览器驱动使用,浏览器驱动可以在selenium官网下载:https://www.seleniumhq.org
注意:要选择与你浏览器相兼容的驱动配合使用
关于selenium详细教程这里不累述,本程序使用的是Chrome浏览器,并且会用到如下几个函数:
from selenium import webdriver
driver = webdriver.Chrome()#创建驱动实例
driver.get("https://www.bilibili.com")#打开网页
data = driver.page_source #获得网页源码
driver.add_cookie(cookie) #加入cookie
cookieData = driver.get_cookies() #获得当前网页cookie
currentUrl = driver.current_url #获得当前网页网址
driver.refresh() #刷新网页
driver.close() #关闭网页
button = driver.find_element_by_class_name("bilibili-player") #根据类名查找元素(按钮元素)
button.click() #点击这个按钮
driver.get(Url) :
会使你的浏览器打开一个这个Url
driver.page_source():
它能返回网页源代码,包活html代码,javascript代码等,这也是我们选择用selenium抓取数据的原因。一般的函数如urlopen,requests等无法返回渲染过的javascript代码,而seleniumn能完美解决这个问题
driver.get_cookies():
如果你需要让浏览器记录登录信息以实现自动登录,我们需要让它能将cookie保存下来,我们可以使用此方法将cookie存储为一个字典,以便下次调用。
driver.add_cookie(cookie):
它能给当前打开的页面添加cookie,一般配合driver.refresh()使用。cookie的效果只会在页面刷新后体现。
driver.find***():
selenium有许多find函数,可以通过不同的关键值返回不同的对象。这里只用find_element_by_class_name,即根据类名查找对象。找到对象(对象有可能是按钮,或者文本框)后我们就可以对对象进行不同的操纵,比如点击,填写数据等等。这里我们用click(),即点击这个对象。
关于如何处理cookie,需要用到json库,下期再讲。