python实现网页爬虫_python实现页面爬虫(selenium,pyppeteer)

获取百度搜索的url

方法一:使用selenium

技术点:selenium+requests+pandas

import time

import asyncio

from selenium import webdriver

from selenium.webdriver.chrome.options import Options

from lxml import etree

import time

from selenium.webdriver.common.keys import Keys

import requests

import pandas as pd

import random

from user_agent import user_agent

headers = {

'user-agent': random.choice(user_agent),

'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',

'Accept-Encoding': 'gzip, deflate',

}

def filter_url(url_list):

new_list = []

for url in url_list:

baidu_url = requests.get(url=url, headers=headers, allow_redirects=False)

real_url = baidu_url.headers['Location'] # 得到网页真正地址

if real_url.startswith('https'):

new_list.append(real_url)

return new_list

def get_url(html):

url_list=html.xpath('//*[@id]/h3/a/@href')

header_url_list=html.xpath('//*[@id]/div/article/section/div/div[2]/a[1]/@href')

return header_url_list,url_list

def get_html(word):

chromedriver = r'D:\SoftWare\chromedriver.exe'

chrome_options = Options()

chrome_options.add_argument('--headless')

driver = webdriver.Chrome(chromedriver, chrome_options=chrome_options)

driver.get("http://www.baidu.com")

time.sleep(2)

driver.find_element_by_id('kw').send_keys(word)

driver.find_element_by_id('kw').send_keys(Keys.ENTER)

time.sleep(2)

page_htm

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值