python动态渲染抓取网页_python爬虫14--Selenium动态渲染页面抓取

1.声明浏览器对象

from selenium importwebdriver

browser=webdriver.Chrome()#browser = webdriver.Firefox()#browser = webdriver.Edge()

2.访问页面

from selenium importwebdriver

browser=webdriver.Chrome()

url= 'http://www.baidu.com'browser.get(url)print(browser.page_source)

browser.close()#使用完要关闭浏览器

3.节点查找

3.1 单个节点

从淘宝首页提取搜索框

from selenium importwebdriverfrom selenium.webdriver.common.by importBy

browser=webdriver.Chrome()

url= 'http://www.taobao.com'browser.get(url)

input_first= browser.find_element_by_id('q') #根据id获取

input_second = browser.find_elements_by_css_selector('#q') #根据css选择器获取

input_third = browser.find_element_by_xpath('//*[@id="q"]') #根据xpath获取

input_forth = browser.find_element(By.ID,'q') #find_element()

print(input_first,input_second,input_third,input_forth)

browser.close()

运行结果为WebElement类型，

find_element()方法只查询到第一个节点

3.2 多个节点

查询左侧导航栏

from selenium importwebdriverfrom selenium.webdriver.common.by importBy

url= 'http://www.taobao.com'browser=webdriver.Chrome()

browser.get(url)

lis1= browser.find_elements_by_css_selector('.service-bd li') #class属性为service-bd的ul下的所有li标签，返回结果为列表

lis2 = browser.find_elements(By.CSS_SELECTOR,'.service-bd li')print(len(lis1),lis1)print(len(lis2),lis2)

browser.close()

3.3 节点交互

Selenium可以驱动浏览器来执行一些操作，常用方法有：

send_keys()：输入文字

clear()：清空文字

click()：点击按钮

在输入框中输入要查找的内容进行搜索

from selenium importwebdriverimporttime

url= 'http://www.taobao.com'browser=webdriver.Chrome()

browser.get(url)

input= browser.find_element_by_id('q')

input.send_keys('电脑')

time.sleep(3)

input.clear()

input.send_keys('笔记本电脑')

button= browser.find_elements_by_css_selector('.btn-search tb-bg')

button.click()

browser.close()

3.4 执行JavaScript

对于某些操作selenium API没有提供，如下拉进度条，可以直接模拟运行javascript，使用execute_script()方法。

from selenium importwebdriverimporttime

url= 'http://www.taobao.com'browser=webdriver.Chrome()

browser.get(url)

browser.execute_script('window.scrollTo(0,document.body.scrollHeight)')

time.sleep(5)

browser.execute_script('alert("To Buttom")')

4.获取节点信息

page_source属性可以获取网页源代码，然后可以使用解析库获取信息。

selenium选择节点，返回的WebElement类型，也有对应的属性和方法来获取节点信息。

4.1 获取属性

get_attribute()方法获取属性。

input = browser.find_element_by_id('q')print(input.get_attribute('name'))

4.2 获取文本值

text属性可获取文本值。

lis = browser.find_elements_by_css_selector('.service-bd li')for li inlis:print(li.text)

4.3 获取id、位置、标签名和大小

id属性获取节点id；location属性获取该节点在页面中的相对位置；tag_name属性获取标签名；size属性获取节点宽高。

5.切换Frame

iframe即子Frame，相当于页面的子页面，结构和外部网页的结构完全一致，selenium打开页面后，默认在父级的Frame里，不能获取到在子Frame里的节点，需要使用switch_to.frame()方法来切换Frame。

from selenium importwebdriverfrom selenium.common.exceptions importNoSuchElementException

browser=webdriver.Chrome()

url= 'https://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'browser.get(url)

browser.switch_to.frame('iframeResult') #切换到子Frame

try:

logo1= browser.find_element_by_class_name('logo')exceptNoSuchElementException:print('no logo')

browser.switch_to.parent_frame()#切换到父级Frame

logo = browser.find_element_by_class_name('logo')print(logo)print(logo.text)

browser.close()

6.延时等待

selenium中get()方法会在网页框架加载结束后结束执行，此时如果获取page_source，可能不是浏览器完全加载的页面，所以需要延时等待一段时间，确保节点全部加载。

6.1 隐式等待

使用隐式等待，如果selenium在DOM中没有找到节点，会继续等待，超出设定时间后，会抛出找不到节点的异常，规定了一个固定时间，默认时间为0。用implicitly_wait()实现隐式等待。

from selenium importwebdriver

browser=webdriver.Chrome()

browser.implicitly_wait(10)

browser.get('http://www.baidu.com')

input= browser.find_element_by_id('kw')print(input)

browser.close()

6.2显示等待

显示等待指定一个最长等待时间，如果在规定时间内没有加载出来，会抛出超时异常。

from selenium importwebdriverfrom selenium.webdriver.common.by importByfrom selenium.webdriver.support.ui importWebDriverWaitfrom selenium.webdriver.support importexpected_conditions as EC

browser=webdriver.Chrome()

url= 'http://www.taobao.com'browser.get(url)

wait= WebDriverWait(browser,10) #引入WebDriverWait对象，指定最长等待时间

input = wait.until(EC.presence_of_element_located((By.ID,'q'))) #调用until()方法，传入等待条件expected_conditions

button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,'.btn-search')))print(input,button)

browser.close()

7.前进和后退

back()后退；forward()前进。

from selenium importwebdriverimporttime

browser=webdriver.Chrome()

browser.get('http://www.baidu.com')

browser.get('http://taobao.com')

browser.get('https://www.cnblogs.com/')

browser.back()

time.sleep(3)

browser.forward()

time.sleep(3)

browser.back()

time.sleep(3)

browser.close()

8.选项卡操作

from selenium importwebdriverimporttime

browser=webdriver.Chrome()

browser.get('http://www.baidu.com')

browser.execute_script('window.open()') #新开启一个选项卡，即第二个

print(browser.window_handles) #获取当前开启的所有选项卡，以列表的形式返回，此处两个

browser.switch_to.window(browser.window_handles[1]) #切换到第二个选项卡

browser.get('http://taobao.com') #在第二个选项卡打开淘宝页面

time.sleep(3)

browser.switch_to.window(browser.window_handles[0])#切换到第一个选项卡

browser.get('https://www.cnblogs.com/') #在第一个选项卡打开博客页面

9.案例--使用selenium抓取淘宝商品

目标：

利用selenium抓取淘宝商品并用pyquery解析得到商品的图片、名称、价格、购买人数、店铺名称和店铺所在地信息，并保存到MongoDB中。