Selenium+PhantomJS 爬取页面

最新推荐文章于 2024-07-10 12:39:07 发布

shawn904

最新推荐文章于 2024-07-10 12:39:07 发布

阅读量5k

点赞数

分类专栏： Python程序设计文章标签： Python 爬虫 selenium PhantomJS

本文链接：https://blog.csdn.net/shawn904/article/details/49005247

版权

Python程序设计专栏收录该内容

6 篇文章 0 订阅

订阅专栏

1.几个网上资源：

phantomjs淘宝的镜像： http://npm.taobao.org/dist/phantomjs/

虫师整理的Selenium + Python材料：http://www.cnblogs.com/fnng/archive/2013/10/31/3400022.html

Selenium Client Driver安装与简单例子：http://seleniumhq.github.io/selenium/docs/api/py/index.html

cjafety整理的材料：http://blog.csdn.net/cjsafty/article/details/9206323

PhantomJS不支持哪些操作：http://www.zhihu.com/question/26653233

2. Selenium Web driver方式：

Selenium 驱动Firefox浏览器，下面代码的效果会启动Firefox浏览器，在百度的搜索框内填写查询字符串selenium，然后点击搜索按钮。

这种方式相当于控制了Firefox，有Firefox的界面出来，可能会影响效率。如果要驱动Google Chrome，则要安装Chrome web driver。

from selenium import webdriver

browser = webdriver.Firefox()

browser.get("http://www.baidu.com")
browser.find_element_by_id("kw").send_keys("selenium")
browser.find_element_by_id("su").click()
browser.quit()

3. Selenium + PhantomJS 方式：

Selenium驱动PhantomJS方式，由于PhantomJS属于Headless的浏览器，没有GUI，Selenium驱动时会出现黑漆漆的cmd窗口，可能效率比2要高点。

PhantomJS需要单独安装，加到系统环境变量Path中，就可在Selenium中使用PhantomJS。

from selenium import webdriver

driver = webdriver.PhantomJS()
driver.get('http://www.baidu.com')
data = driver.find_element_by_id('cp').text
print data
driver.quit()

上述代码要注意get方法的url要带上http，否则会获取不到网页，导致报错。

帮助文档：http://docs.seleniumhq.org/docs/03_webdriver.jsp

Python Webdriver类源代码：https://github.com/SeleniumHQ/selenium/blob/master/py/selenium/webdriver/remote/webdriver.py

WebElement类源代码：https://github.com/SeleniumHQ/selenium/blob/master/py/selenium/webdriver/remote/webelement.py