python+selenium爬虫模板（直接使用）

一、导入相关库

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

二、设置相关参数

1、初级设置，可以满足大部分的爬

is_headless = input('是否打开浏览器(是1否0)：')
# 设置Chrome浏览器启动时的相关属性
options = webdriver.ChromeOptions()
# 设置user-agent，这个自己问F2
options.add_argument('user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.54 Safari/537.36')
# 判断是否使用无界面浏览器
if is_headless == '0':
    # 必须设置参数
    options.add_argument('--headless')
    # 可选设置参数，根据实际情况使用即可
    options.add_argument('--window-size=1920,1080')  # 自定义窗口界面大小，可不设置，有默认的
    options.add_argument('--log-level=3')  # 设置控制台日志输出级别
    options.add_argument('--disable-gpu')
    options.add_argument('--disable-dev-shm-usage')
    options.add_argument("--disable-software-rasterizer")
    options.add_argument("-enable-webgl")
    options.add_argument('--no-sandbox')
    options.add_experimental_option('excludeSwitches', ['enable-logging'])
    options.add_experimental_option('excludeSwitches', ['enable-automation'])

下面的“中级操作”和“高级操作”可以不设置，但必须记得有此操作。

2、中级设置，不加载图片、css和js，加快网页的加载速度，可以满足跟图片和渲染无关的爬

# 不加载图片和CSS
prefs = {
    'profile.default_content_setting_values': {
        'images': 2,
        'permissions.default.stylesheet': 2
        # 'javascript': 2  # 不加载js,对于动态网页的爬取不适合，否则很多操作无法响应，但可以注释的形式保留，方便日后操作
    }
}
options.add_experimental_option('prefs', prefs)

3、高级设置，添加代理ip，不以真实面目在网络的世界爬来爬去，小心……

# 添加IP代理
proxy_ip = input('请输入代理ip：')
options.add_argument("--proxy-server=http://" + proxy_ip)

三、开爬

# chromedriver.exe绝对路径
chromedriver_path = r'C:\Users\admin\Desktop\chromedriver.exe'
# 启动Chrome浏览器
driver = webdriver.Chrome(options=options, executable_path=chromedriver_path)
# 网站链接
pa_url = 'https://www.不存在的网站.com/'
driver.get(pa_url)

四、显式等待网页指定元素的加载

​ 有时候你爬得太快，你想要的元素还没加载完时，会容易出现找不到该元素的异常。使用显式等待网页指定元素的加载可以让你稳稳地爬。

1、WebDriverWait()部分源码，看不懂跳~过即可

POLL_FREQUENCY = 0.5  # How long to sleep inbetween calls to the method
IGNORED_EXCEPTIONS = (NoSuchElementException,)  # exceptions ignored during calls to the method
class WebDriverWait(object):
    def __init__(self, driver, timeout, poll_frequency=POLL_FREQUENCY, ignored_exceptions=None):
        """Constructor, takes a WebDriver instance and timeout in seconds.
           :Args:
            - driver - Instance of WebDriver (Ie, Firefox, Chrome or Remote)
            - timeout - Number of seconds before timing out
            - poll_frequency - sleep interval between calls
              By default, it is 0.5 second.
            - ignored_exceptions - iterable structure of exception classes ignored during calls.
              By default, it contains NoSuchElementException only.
           Example:
            from selenium.webdriver.support.ui import WebDriverWait \n
            element = WebDriverWait(driver, 10).until(lambda x: x.find_element_by_id("someId")) \n
            is_disappeared = WebDriverWait(driver, 30, 1, (ElementNotVisibleException)).\ \n
                        until_not(lambda x: x.find_element_by_id("someId").is_displayed())
        """

2、如何使用WebDriverWait()

# 可以通过以下方法来定位元素，比如By.ID
# ID = "id"
# XPATH = "xpath"
# LINK_TEXT = "link text"
# PARTIAL_LINK_TEXT = "partial link text"
# NAME = "name"
# TAG_NAME = "tag name"
# CLASS_NAME = "class name"
# CSS_SELECTOR = "css selector"
try:
    # 参数解释
    # dirver：打开的浏览器变量
    # 10：:给10秒时间等待该元素的出现
    # poll_frequency=0.5：默认的，每隔0.5秒就会自动查找该元素是否有出现
    # ignored_exceptions=None：超时后是否忽略异常，None表示超时后抛出异常
    WebDriverWait(driver, 10).until(
        EC.presence_of_element_located((By.XPATH,'//*[@id="su"]'))
    )
except Exception as e:
    print('error:', e)

五、至此，关于爬的技术已经差不多，把上面一二三的代码连起来就算是日常的爬操作了