DAY4-selenium
一.selenium基本操作
-
创建浏览器对象
b = Chrome()
-
打开网页(打开提供数据的网页,需要爬那个网页,就打开那个网址)
b.get('https://movie.douban.com/top250?start=0&filter=')
-
获取网页源代码(注意:不管以什么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的翻页
selenium获取多页数据翻页的方法
- 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
b = Chrome
for x in range(0,266,25):
b.get(f'https://movie.douban.com/top250?start={x}&filter=')
print(b.page_source)
- 点击翻页按钮,刷新网页内容,在刷新后再获取网页源代码
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
next1 = b.find_element(By.CLASS_NAME,'next')
# 点击按钮
next1.click() # 标签对象.click() 是点击按钮的操作
selenium翻页涉及到的知识点
- selenium获取标签
浏览器对象.b.find_eLement(获取方式,数据) - 返回符合条件第一个标签对象,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
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 - 获取a标签的标签内容获取标签(部分内容也可以获取)
- 操作标签
- 输入框输入内容:输入框对应的标签.send_keys(内容\n) \n就是回车
- 点击标签:标签对象.click
from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By
b = Chrome()
b.get('https://www.douban.com/')
# 获取id属性值为username的标签
search = b.find_element(By.ID,'username')
# 获取标签内容为“豆瓣读书”的a标签
a1 = b.find_element(By.LINK_TEXT,"豆瓣读书")
a1.click()
# 获取标签内容包含“剧里”的a标签
a2 = b.find_element(By.PARTIAL_LINK_TEXT,"剧里")
a2.click()
案例:中国知网获取数据分析论文的摘要
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)
if __name__ == '__main__':
get_net_data()
三.页面滚动
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)
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)
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))