python使用selenium获取登陆后的界面源码_Python爬虫入门实战七：使用Selenium--以抓取QQ空间好友说说为例...

前面我们接触到的，都是使用requests+BeautifulSoup组合对静态网页进行请求和数据解析，若是JS生成的内容，也介绍了通过寻找API借口来获取数据。
但是有的时候，网页数据由JS生成，API借口又死活找不着或者是API借口地址随机变换，时间不等人。那就只能使用Selenium了。

一、Selenium简介

Selenium是一个用于Web应用的功能自动化测试工具，Selenium 直接运行在浏览器中，就像真正的用户在操作一样。
由于这个性质，Selenium也是一个强大的网络数据采集工具，其可以让浏览器自动加载页面，获取需要的数据，甚至页面截图，或者是判断网站上某些动作是否发生。
Selenium自己不带浏览器，需要配合第三方浏览器来使用。支持的浏览器有Chrome、Firefox、IE、Phantomjs等。
如果使用Chrome、FireFox或IE，我们可以看得到一个浏览器的窗口被打开、打开网站、然后执行代码中的操作。
但是，让程序在后台中运行更符合我们爬虫的气质，所以自己多使用Phantomjs作为浏览器载体，本篇文章也以Phantomjs作介绍
Phantomjs是一个“无头”浏览器，也就是没有界面的浏览器，但是功能与普通的浏览器无异。

二、在Python中使用Selenium获取QQ空间好友说说

之前使用pip安装好了selenium，直接在代码中import即可。
下面我们以一个实际的例子——获取一个QQ空间好友的说说信息，来简单讲解一下Selenium+Phantomjs的使用。
我们需要爬取的页面时这样的：

QQ空间好友说说的链接为：http://user.qzone.qq.com/{好友QQ号}/311
我们抓取他发的说说的时间和内容。
依旧先上代码：

from 

获取到的部分数据截图如下：

接下来我们通过讲解代码，稍微了解一下Selenium的使用

三、代码简析
1.照例，导入需要使用的模块：

from 

2.使用Selenium的webdriver实例化一个浏览器对象，在这里使用Phantomjs：

driver = webdriver.PhantomJS(executable_path="D:phantomjs.exe")

3.设置Phantomjs窗口最大化：

driver

4.主函数部分
使用get()方法打开待抓取的URL：

driver.get('http://user.qzone.qq.com/{}/311'.format(qq))

等待5秒后，判断页面是否需要登录，通过查找页面是否有相应的DIV的id来判断：

try

如果页面存在登录的DIV，则模拟登录：

driver

接着，判断好友空间是否设置了权限，通过判断是否存在元素ID：QM_OwnerInfo_Icon

try

如果有权限能够访问到说说页面，那么定位元素和数据，并解析：

if 

除了在Selenium中解析数据，我们还可以将当前页面保存为源码，再使用BeautifulSoup来解析：

pages = driver.page_source
soup = BeautifulSoup(pages,'lxml')

最后，我们尝试一下获取Cookie，使用get_cookies()：

cookie 

另外，再介绍两个Selenium的常用方法：
保存屏幕截图：

driver.save_screenshot('保存的文件路径及文件名')

执行JS脚本：

driver

对于Selenium更加详细的操作和使用，推荐一本书《selenium webdriver(python)第三版》网上可以搜索到。