实现用火狐进行动态网页抓取

# -*- coding: utf-8 -*-
import sys,re
from lxml import etree
import  time
from selenium import webdriver
import os
import pymysql

host = '服务器IP'
dbName = '数据库名'
user = '数据库登陆用户名'
password = '数据库登陆密码'
db = pymysql.connect(host, user, password, dbName, charset='utf8')
cursor = db.cursor()
cursor.execute("DROP TABLE IF EXISTS EMPLOYEE")  
sql = """CREATE TABLE EMPLOYEE (SYMBOL CHAR(6) NOT NULL,NAME CHAR(10),PRICE CHAR(10))"""
cursor.execute(sql)

driver = webdriver.Firefox()  #打开火狐浏览器
driver.set_window_position(x=70,y=30)   #设置火狐浏览器位置
driver.set_window_size(width=1064, height=524) #设置火狐浏览器窗口大小
f = open("symbol.txt", 'r')   # 以只读方式打开当前路径下的symbol.txt文件
for line in f.readlines():
   line = line.replace("\n", "")  # 提取每行数据,去掉换行符
   url = "url1"+line+"url2"  # url拼接
   driver.get(url)  #输入需要访问的URL
   time.sleep(3)    #等待3秒
   content = driver.page_source.encode('utf-8') #网页内容转码utf8
   html = etree.HTML(content)
   price = html.xpath('.//*[@class="ico_data col_open"]/text()') #提取价格
   name = html.xpath('.//*[@class="ico_name label_open"]/text()') #提取名称
   symbolname = ''.join(name)
   price = ''.join(price)
   print(line, symbolname, price)
   cursor = db.cursor()
   sql1 = ("INSERT INTO EMPLOYEE(SYMBOL, NAME, PRICE) VALUES ('%s', '%s', '%s')" % (str(line), symbolname, str(price)))
   cursor.execute(sql1)
   db.commit()  #提交数据
db.close() #关闭数据库
f.close()  #关闭symbol文件
driver.quit() #退出浏览器
Python爬虫是一种用于自动化获取网页数据的程序。它可以通过发送HTTP请求,解析HTML页面,并提取所需的信息。对于静态网页,爬虫可以直接通过请求获取到页面的HTML代码,然后使用解析库(如BeautifulSoup)来提取所需的数据。但是对于动态网页,情况稍有不同。 动态网页是指在页面加载过程中,通过JavaScript等技术动态生成内容的网页。这些内容可能是通过Ajax请求获取的,或者是在页面加载完成后通过JavaScript代码生成的。因此,对于动态网页抓取,我们需要模拟浏览器行为来执行JavaScript代码,并获取最终生成的HTML内容。 在Python中,有一些库可以帮助我们实现动态网页抓取,其中比较常用的是Selenium和Pyppeteer。这两个库都可以模拟浏览器行为,并且支持执行JavaScript代码。你可以根据自己的需求选择其中一个进行使用。 使用Selenium进行动态网页抓取的基本步骤如下: 1. 安装Selenium库:使用pip命令安装selenium库。 2. 下载浏览器驱动:根据你使用的浏览器(如Chrome、Firefox等)下载对应的浏览器驱动,并将其添加到系统路径中。 3. 创建WebDriver对象:使用Selenium的WebDriver类创建一个浏览器对象,如ChromeDriver。 4. 打开网页:使用WebDriver对象的get方法打开目标网页。 5. 执行JavaScript代码:如果页面中有动态生成的内容,可以使用WebDriver对象的execute_script方法执行JavaScript代码。 6. 提取数据:使用Selenium提供的方法或者其他解析库(如BeautifulSoup)来提取所需的数据。 使用Pyppeteer进行动态网页抓取的基本步骤如下: 1. 安装Pyppeteer库:使用pip命令安装pyppeteer库。 2. 安装Chromium浏览器:Pyppeteer依赖于Chromium浏览器,需要先安装Chromium浏览器。 3. 创建Browser对象:使用Pyppeteer的launch方法创建一个浏览器对象。 4. 创建Page对象:使用Browser对象的newPage方法创建一个页面对象。 5. 打开网页:使用Page对象的goto方法打开目标网页。 6. 执行JavaScript代码:如果页面中有动态生成的内容,可以使用Page对象的evaluate方法执行JavaScript代码。 7. 提取数据:使用Pyppeteer提供的方法或其他解析库(如BeautifulSoup)来提取所需的数据。
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