boss爬虫(scrapy+selenium)

由于boss的反爬虫策略,我又没有使用ip代理,所以爬的比较慢

环境:pyCharm+jupyter notebook

from scrapy import signals
from selenium import webdriver
import time
import scrapy
from scrapy.http.response.html import HtmlResponse
from selenium.webdriver.common.action_chains import ActionChains
import requests

import pandas as pd

class CookiesMiddlewares(object):
    def __init__(self):
        print("初始化浏览器")
        self.driver = webdriver.Chrome()

    def process_request(self, request):
        self.driver.get(request.url)
        time.sleep(5)
        
        action = ActionChains(self.driver)
        nav_tag_list  = self.driver.find_elements_by_xpath(".//span[@class='job-name']")
        for tag in nav_tag_list:
            #print(tag.text)
            #模拟移动鼠标获得动态加载后的数据
            action.move_to_element(tag).perform()
            time.sleep(5)
        #获取页面的源码   
        source = self.driver.page_source
         
  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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