day4-selenium

day4-selenium

一、selenium基础

from selenium.webdriver import Chrome

1.创建浏览器对象

b = Chrome()

2.打开网页(需要爬那个页面的数据，就打开那个页面对应的网页地址)

b.get('https://movie.douban.com/top250?start=0&filter=')

3.获取网页源代码(注意：不管以什么样的方式更新了界面内容，page_source的内容也会更新)

print(b.page_source)        # 获取豆瓣电影top250的网页源代码

二、selenium翻页

selenium获取多页数据翻页的方法：

1.找到不同页的地址的变化规律，利用循环实现多页数据的请求

#找不同页详情页的数据
b = Chrome()
#
# for x in range(0, 76, 25):
#     b.get(f'https://movie.douban.com/top250?start={x}&filter=')
#     print(b.page_source)

2.点击翻页按钮，刷新页面内容，在刷新后获取网页源代码

from selenium.webdriver.common.by import By

b = Chrome()
b.get('https://movie.douban.com/top250?start=0&filter=')

for _ in range(5):
    print(b.page_source)
    # 点击下一页按钮
    next = b.find_element(By.CLASS_NAME, 'next')
    # 点击按钮
    next.click()

方法2涉及的知识点

1. selenium获取标签

浏览器对象.b.find_element(获取方式, 数据) — 返回符合条件的第一个标签，结果是标签对象
浏览器对象.b.find_elements(获取方式, 数据) — 返回符合条件的所有标签，结果是列表，列表中的元素是标签对象

1)获取方式:

By.ID - 通过ID属性值获取标签
By.CLASS_NAME - 通过class属性值获取标签
By.CSS_SELECTOR - 通过css选择器获取标签
By.LINK_TEXT - 通过a标签的标签内容获取标签
By.PARTIAL_LINK_TEXT - 通过a标签的标签内容获取标签

2. 操作标签

1）输入框输入内容：输入框对应的标签.send_keys(‘内容’)
2）点击标签：标签对象.click()

三、获取中国知网的数据

from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By
import time
from bs4 import BeautifulSoup

def analysis_data(html):
    soup = BeautifulSoup(html, 'lxml')
    digest = soup.select_one('#ChDivSummary').text
    print(digest)

def get_net_data():
    # 1.创建浏览器
    b = Chrome()

    # 2.打开中国知网
    b.get('https://www.cnki.net/')

    # 3.获取输入框，输入"数据分析"
    search = b.find_element(By.ID, 'txt_SearchText')
    search.send_keys('数据分析\n')
    time.sleep(1)

    for _ in range(3):
        # 4.获取搜索结果所有论文的标题标签
        titles = b.find_elements(By.CLASS_NAME, 'fz14')

        for x in titles:
            # 点击一个搜索结果
            x.click()
            time.sleep(1)

            # 切换选项卡，让浏览器对象指向详情页
            b.switch_to.window(b.window_handles[-1])

            # 获取详情页数据, 解析数据
            # print(b.page_source)
            analysis_data(b.page_source)

            # 关闭当前窗口
            b.close()

            # 将选项卡切换回第一个页面
            b.switch_to.window(b.window_handles[0])

        print('--------------------一页数据获取完成--------------------------')

        b.find_element(By.ID, 'PageNext').click()
        time.sleep(4)

    input()

if __name__ == '__main__':
    get_net_data()

四、滚动

from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By
import time

b = Chrome()
b.get('https://search.jd.com/Search?keyword=%E7%94%B5%E9%A5%AD%E9%94%85&enc=utf-8&wq=%E7%94%B5%E9%A5%AD%E9%94%85&pvid=058303d3cd58499fb8f5f3459afd4d6b')
time.sleep(2)

# -----------------------用代码控制浏览器滚动--------------------------
# js中页面鼓动的代码：window.scrollBy(x方向的偏移量, y方向的偏移量)
# b.execute_script('window.scrollBy(0, 8000)')
for x in range(10):
    b.execute_script('window.scrollBy(0, 800)')
    time.sleep(1)

time.sleep(2)
result = b.find_elements(By.CSS_SELECTOR, '#J_goodsList>ul>li')
print(len(result))

input('结束:')

五、作业：

爬取京东（电饭锅）数据

from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By
from bs4 import BeautifulSoup
import csv
import time

b = Chrome()
b.get('https://search.jd.com/Search?keyword=%E7%94%B5%E9%A5%AD%E9%94%85&enc=utf-8&wq=%E7%94%B5%E9%A5%AD%E9%94%85&pvid=20d97125d00a409fb95d2735aeb0a7c6')
# 2.解析数据
soup = BeautifulSoup(b.page_source, 'lxml')
def goods_information():
    for page in range(2):
        # 获取每页数据商品列表
        li_list = soup.select('#J_goodsList>ul>li')
        for x in li_list:
            prince = x.select_one('.gl-i-wrap>.p-price>strong>i').text
            type_name = x.select_one('.gl-i-wrap>.p-name>a>em').text
            commit = x.select_one('.gl-i-wrap>.p-commit>strong>a').text
            shop = x.select_one('.gl-i-wrap>.p-shop>span').text
             w2.writerow({'商品名':type_name, '价格':prince, '店铺':shop, '评论':commit})
            # 点击获取详情页
            onclick_img = b.find_element(By.CSS_SELECTOR, '.gl-i-wrap>.p-img>a')
            onclick_img.click()
            b.switch_to.window(b.window_handles[-1])
            # 获取详情页数据
            # print(b.page_source)
            soup_1 = BeautifulSoup(b.page_source, 'lxml')
            detail_information_list = soup_1.select('.parameter2>li')
            # 获取详情要求电饭锅其他详细信息
            # print(detail_information_list)
            detail_information = []
            for x in detail_information_list:
                de_x= (x.text.split('：'))
                detail_information.append(de_x)
                # detail_information.setdefault((eval(x.text)))
            detail_dict = dict(detail_information)
            w2.writerow(detail_dict)
            #前5条评论
            # goods_commits_ = b.find_element(By.PARTIAL_LINK_TEXT, '商品评价')
            # goods_commits_.click()
            # input()
            # 关闭当前窗口
            b.close()

            # 将选项卡切换回第一个页面
            b.switch_to.window(b.window_handles[0])
        #点击下一页换页
        next_page_button = b.find_element(By.CSS_SELECTOR, '#J_bottomPage>span>.pn-next>em')
        next_page_button.click()
        print('--------------------------下一页-------------------------')
if __name__ == '__main__':
    w2 = csv.DictWriter(open('files/京东数据.csv', 'w', encoding='utf-8', newline=''),['商品名', '价格', '店铺', '评论', '商品名称', '商品编号', '店铺', '商品毛重', '商品产地', '操控方式', '容量', '适用人数', '加热方式', '功能', '货号'])
    w2.writeheader()
    # w2.writerow(['商品名', '价格', '店铺', '评论'])
    goods_information()

结果：