简介:
爬取界面的页数不知道几个;从第一个点下一页,一直到最后一页。
思路:
我们如果知道需要点下页多少次,那么就可以遍历每一页,从而获取数据。
点多少次,则需要知道确定的页数。
不定页数的情况有三种
第一个是只有一页,那么也就没有页数
如下图,为空白,没有表格
第二个是有,但只有几个,但不够最大隐藏页数的长度
如下图,有表格,但没有 ...
第三个是有,而且很多
如下图,有表格,有 ...
解决 :
找特征分类
先判断有表格的xpath是否存在
不存在,就是 没有表格,是第一种情况,直接提取数据即可
可以用下面的代码判断
def iselement(browser, xpaths):
"""
基本实现判断元素是否存在
:param browser: 浏览器对象
:param xpaths: xpaths表达式
:return: 是否存在
"""
try:
browser.find_element(By.XPATH,xpaths)
return True
except exceptions.NoSuchElementException:
return False
存在,就是第二第三种情况
XPath为表格的xpath
先用正则表达式提取 '上一页' 和 '下一页' 之间的数字
此时有两种情况
一个是只有一个元素的列表
此时对应 思路里的第三种情况
列表里着唯一的元素的最后一位就是我们所需要的页数
另一个是两个元素的列表
此时对应 思路里的第三种情况
列表的最后一个元素就是我们所需要的页数
#判断最大页数
page=driver.find_element(By.XPATH,'//*[@id="root"]/div/div[1]/div/div/div[1]/div[2]/div[1]/div[2]/div/div/div/div/div[3]/div[3]/div[2]/div[3]/div[11]/div[1]/div/ul').text
print(page)
page=re.findall('\d+',page)
print(page)
if len(page)==1:
page_max=int(''.join(page))%10
else:
# num_list_new = page[1]
page_max=int(''.join(page[1]))
print(page_max)
提供两个网站为例
https://www.gaokao.cn/special/267?sort=1&special_type=3
https://www.gaokao.cn/special/354?sort=1&special_type=3