Selenium的进阶操作
Selenium要在整个网页加载出来后才开始爬取内容,速度比较慢,我们可以控制Selenium控制浏览器加载的内容,从而加快Selenium的爬取速度。可以从以下三种方法来控制:
1、控制css的加载
2、控制图片文件的显示
3、控制JavaScript的运行
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
chromeOptions = webdriver.ChromeOptions()
prefs = {
'profile.default_content_setting_values': {
'images': 2,
'permissions.default.stylesheet':2,
'javascript': 2
}
}
chromeOptions.add_experimental_option("prefs",prefs)
driver = webdriver.Chrome(chrome_options=chromeOptions)
driver.get("https://www.baidu.com/")
注控制JavaScript的运行,如果需要抓取的内容不是通过JavaScript的动态加载得到的,可以通过禁止JavaScript的执行来提高抓取的效率。因为大多数的网页会利用JavaScript异步加载很多内容