Python Day3 爬虫-数据接口和selenium基础

Day3 数据接口和selenium基础

1. 数据接口

'''
Author:KathAmy
Date:2022/8/15  9:38
键盘敲烂，共同进步！
'''
import requests

response = requests.get('https://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js')

result = response.json()

for x in result['hero']:
    print(x['name'])

2. 下载一个英雄的皮肤

下载游戏网站的英雄皮肤，在皮肤页面右击检查，到以下界面获取我们需要的网页地址

'''
Author:KathAmy
Date:2022/8/15  16:41
键盘敲烂，共同进步！
'''
import requests


def download(img: str, name: str):
    res = requests.get(img)
    with open(f'skins/{name}.jpg', 'wb') as f:
        f.write(res.content)


if __name__ == '__main__':
    response = requests.get('https://game.gtimg.cn/images/lol/act/img/js/hero/1.js')
    result = response.json()

    for i in result['skins']:
        name = i['name']
        img_url = i['mainImg']
        if not img_url:
            img_url = i['chromaImg']
        download(img_url, name)

# 补充：创建文件夹：
import os

if not os.path.exists('所有英雄的皮肤/abc'):
    os.mkdir('所有英雄的皮肤/abc')

3. 下载所有英雄的皮肤

'''
Author:KathAmy
Date:2022/8/15  11:07
键盘敲烂，共同进步！
'''
import os
import requests
from re import fullmatch
from re import findall

# 1.获取所有英雄的ID
def get_all_hero_id():
    url = 'http://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js'
    res = requests.get(url).json()
    return [x['heroId'] for x in res['hero']]


def get_one_hero_skins(hero_id: str):
    # 1.请求指定英雄对应的数据
    url = f'https://game.gtimg.cn/images/lol/act/img/js/hero/{hero_id}.js'
    res = requests.get(url)
    result = res.json()

    # 2.创建这个英雄对应的文件夹
    hero_name = result['hero']['name']
    if not os.path.exists(f'所有英雄的皮肤/{hero_name}'):
        os.mkdir(f'所有英雄的皮肤/{hero_name}')

    # 3.下载这个英雄所有的皮肤
    # 1）遍历拿到每个皮肤的名称和地址
    for skin in result['skins']:
        skin_name = skin['name'].replace('/', '')  # 纺织皮肤名称中出现'/'
        skin_img = skin['mainImg']
        if not skin_img:
            skin_img = skin['chromaImg']
        # 2）下载一张图片
        res = requests.get(skin_img)
        with open(f'所有英雄的皮肤/{hero_name}/{skin_name}.jpg', 'wb') as f:
            f.write(res.content)
        print('下载完成')


if __name__ == '__main__':
    ids = get_all_hero_id()
    for x in ids[:5]:  # 下载前5个
        get_one_hero_skins(x)

4. selenium基本用法

'''
Author:KathAmy
Date:2022/8/15  14:02
键盘敲烂，共同进步！
'''
from selenium.webdriver import Chrome

# 1.创建浏览器对象（浏览器对象如果是全局变量，浏览器不会自动关闭）
b = Chrome()

# 2.打开网页（你需要的数据在哪个页面里面，就打开哪个网页）
b.get('https://movie.douban.com/top250')

# 3.获取网页源代码（获取到的一定是页面中加载出来的）
print(b.page_source)

# 4.关闭浏览器
b.close()

5. selenium控制浏览器的基本行为

'''
Author:KathAmy
Date:2022/8/15  14:43
键盘敲烂，共同进步！
'''

from selenium.webdriver import Chrome
from time import sleep

b = Chrome()
b.get('http://www.jd.com')

# 1.输入框输入内容
# 1）找到输入框
input_tag = b.find_element_by_id('key')
# 2）输入框输入内容
input_tag.send_keys('电脑\n')
sleep(2)
# print(b.page_source)

# 2.点击按钮
# 1）找到需要点击的链接
btn = b.find_element_by_css_selector('#nav-jdww > a')
# 2）点击标签
btn.click()

input('是否结束：')
b.close()

6. 获取某东商品

'''
Author:KathAmy
Date:2022/8/15  15:44
键盘敲烂，共同进步！
'''
from selenium.webdriver import Chrome
from time import sleep
from bs4 import BeautifulSoup
import csv

b = Chrome()
b.get('http://www.jd.com')

input_tag = b.find_element_by_id('key')
input_tag.send_keys('毛线\n')

sleep(1)

all_data = []
# 解析第一页数据
soup = BeautifulSoup(b.page_source, 'lxml')
all_goods_div = soup.select('#J_goodsList>ul>li>div.gl-i-wrap')
for x in all_goods_div:
    name = x.select_one('.p-name em').text
    price = x.select_one('.p-price i').text
    all_data.append([name, price])
    print([name, price])

# 点击下一页
next_btn = b.find_element_by_class_name('pn-next')
next_btn.click()
sleep(1)

# 解析第二页数据
soup = BeautifulSoup(b.page_source, 'lxml')
all_goods_div = soup.select('#J_goodsList>ul>li>div.gl-i-wrap')
for x in all_goods_div:
    name = x.select_one('.p-name em').text
    price = x.select_one('.p-price i').text
    all_data.append([name, price])
    print([name, price])

writer = csv.writer(open('毛线.csv', 'w', encoding='utf-8', newline=''))
writer.writerows(all_data)

# input('结束：')
b.close()

7. 切换选项卡

'''
Author:KathAmy
Date:2022/8/15  16:04
键盘敲烂，共同进步！
'''

from selenium.webdriver import Chrome
from time import sleep
from bs4 import BeautifulSoup

# 1.基本操作
b = Chrome()  # 创建浏览器
b.get('https://www.cnki.net/')  # 打开中国知网
search_tag = b.find_element_by_id('txt_SearchText')  # 获取输入框
search_tag.send_keys('数据分析\n')  # 输入框输入'数据分析'， 然后按回车
sleep(1)  # 切换界面最后做一个等待操作

# 获取需要点击的所有标签：如果拿到标签后需要点击或者输入，必须通过浏览器获取标签
all_result = b.find_elements_by_css_selector('.result-table-list .name>a')
# 点击第一个结果（打开一个新的选项卡）
all_result[0].click()
sleep(1)

# 2.切换选项卡
# 注意：selenium中，浏览器对象（b）默认指向以开始打开的选项卡，除非用代码切换，否则浏览器对象指向的选项卡不会变
# 1）获取当前浏览器上所有的窗口（选项卡）：浏览器.window_handles
# 2)切换选项卡
b.switch_to.window(b.window_handles[-1])

# 3）解析内容
soup = BeautifulSoup(b.page_source, 'lxml')
result = soup.select_one('#ChDivSummary').text
print(result)

b.close()  # 关闭当前指向的窗口（最后一个窗口），窗口关闭后，浏览器对象的指向不会发生改变

# 回到第一个窗口，点击下一个搜索结果
b.switch_to.window(b.window_handles[0])
all_result[1].click()
sleep(1)

b.switch_to.window(b.window_handles[-1])

soup = BeautifulSoup(b.page_source, 'lxml')
result = soup.select_one('#ChDivSummary').text
print(result)

b.close()