兄弟们整活啦~
1、第一步分析目标网站如何
我们先随便输入一个需要爬取的关键字
url回车桌面-壁纸不应该只是一张图片,它应该是一门哲学 (enterdesk.com)https://www.enterdesk.com/
然后可以发现这个网站数据是可以通过动态渲染得到的
那我们F12呼出控制台输入如下代码document.documentElement.scrollTop=10000,来看看加载到最后是呈现出一个什么样的界面(这里我用的是谷歌浏览器,每个浏览器的代码有些许不一样)
输入时候回车可以看到,当加载完之后底部会出现一个 “已没有更多内容可显示”
那么这个时候目标就明确了,先上代码让它渲染然后我们在获取渲染之后的网页源代码
import os #创建文件
from selenium import webdriver
import requests
from lxml import etree
from selenium.webdriver import ChromeOptions #这个包用来规避被检测的风险
import time
from urllib import request
option = webdriver.ChromeOptions()
option.add_experimental_option('useAutomationExtension', False)
option.add_experimental_option('excludeSwitches', ['enable-automation'])
driver_path = r'驱动的路径' # 定义好路径
driver = webdriver.Chrome(executable_path=driver_path,options=option) # 初始化路径+规避检测
driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
"source": """
Object.defineProperty(navigator, 'webdriver', {
get: () => undefined
})
"