python爬虫获取标签_Python爬虫之数据提取-selenium定位获取标签对象并提取数据

selenium提取数据

知识点：了解 driver对象的常用属性和方法

掌握 driver对象定位标签元素获取标签对象的方法

掌握 标签对象提取文本和属性值的方法

1. driver对象的常用属性和方法在使用selenium过程中，实例化driver对象后，driver对象有一些常用的属性和方法driver.page_source 当前标签页浏览器渲染之后的网页源代码

driver.current_url 当前标签页的url

driver.close() 关闭当前标签页，如果只有一个标签页则关闭整个浏览器

driver.quit() 关闭浏览器

driver.forward() 页面前进

driver.back() 页面后退

driver.screen_shot(img_name) 页面截图

知识点：了解 driver对象的常用属性和方法

2. driver对象定位标签元素获取标签对象的方法在selenium中可以通过多种方式来定位标签，返回标签元素对象find_element_by_id (返回一个元素)

find_element(s)_by_class_name (根据类名获取元素列表)

find_element(s)_by_name (根据标签的name属性值返回包含标签对象元素的列表)

find_element(s)_by_xpath (返回一个包含元素的列表)

find_element(s)_by_link_text (根据连接文本获取元素列表)

find_element(s)_by_partial_link_text (根据链接包含的文本获取元素列表)

find_element(s)_by_tag_name (根据标签名获取元素列表)

find_element(s)_by_css_selector (根据css选择器来获取元素列表)注意： find_element和find_elements的区别： 多了个s就返回列表，没有s就返回匹配到的第一个标签对象

find_element匹配不到就抛出异常，find_elements匹配不到就返回空列表

by_link_text和by_partial_link_tex的区别：全部文本和包含某个文本

以上函数的使用方法 driver.find_element_by_id('id_str')

知识点：掌握 driver对象定位标签元素获取标签对象的方法

3. 标签对象提取文本内容和属性值find_element仅仅能够获取元素，不能够直接获取其中的数据，如果需要获取数据需要使用以下方法对元素执行点击操作element.click()

对定位到的标签对象进行点击操作

向输入框输入数据element.send_keys(data)

对定位到的标签对象输入数据

获取文本element.text

通过定位获取的标签对象的text属性，获取文本内容

获取属性值element.get_attribute("属性名")

通过定位获取的标签对象的get_attribute函数，传入属性名，来获取属性的值

​代码实现，如下：

from selenium import webdriver driver = webdriver.Chrome() driver.get('http://www.baidu.cn/') ret = driver.find_elements_by_tag_name('h2') print(ret[0].text) # ret = driver.find_elements_by_link_text('百度一下') print(ret[0].get_attribute('href')) driver.quit()

知识点：掌握 元素对象的操作方法