Task4
4.1 Task7 实战大项目
实战大项目:模拟登录丁香园,并抓取论坛页面所有的人员基本信息与回复帖子内容。
丁香园论坛:http://www.dxy.cn/bbs/thread/626626#626626
# 实战大项目:模拟登录丁香园,并抓取论坛页面所有的人员基本信息与回复帖子内容。
from selenium import webdriver
import time
from selenium.common.exceptions import TimeoutException, NoSuchElementException
from lxml import etree
import requests
#打开浏览器
browser = webdriver.Chrome()
#访问地址
url = "http://www.dxy.cn/bbs/thread/626626#626626"
browser.get(url)
##登陆代码
def login_denglu(browser):
try:
#通过xpath定位到登录按钮,并点击
browser.find_element_by_xpath('//*[@id="headerwarp"]/div/div[1]/div/a[1]').click()
#点击返回电脑登录
browser.find_element_by_xpath('/html/body/div[2]/div[2]/div[1]/a[2]').click()
#找到账号的输入框
elem = browser.find_element_by_name('username')
#清空输入框
elem.clear()
#输入账号
elem.send_keys("账号")
#找到密码的输入框
elem = browser.find_element_by_name('password')
#清空输入框
elem.clear()
#s输入密码
elem.send_keys("密码")
print('开始登录:')
#点击登录按钮
browser.find_element_by_xpath('//*[@id="user"]/div[1]/div[3]/button').click()
except TimeoutException:
print("Time out")
except NoSuchElementException:
print("No Element")
##开始爬取信息
def get_information(browser):
print("登录成功")
time.sleep(10)
print("开始获取信息")
#利用xpath获取丁香园数据
data = requests.get(url).text#以文本形式打印网页源码
s = etree.HTML(data) # 解析HTML文档
for i in range(1, 5): # rang(1,28):1 2 3 4...27,一共27楼
try: # 帖子内容这里的第一个帖子的div有点不一样,程序中采用分支处理。
name = s.xpath('//*[@id="post_{}"]/table/tbody/tr/td[1]/div[2]/a/text()'.format(i)) # 格式化信息
info = s.xpath('//*[@id="post_{}"]/table/tbody/tr/td[2]/div[2]/div[1]/table/tbody/tr/td/text()'.format(i))
info1 = info[0].replace(" ", "").replace("\n", "") # 数据清洗:去除空格和换行符\n
print(name[0]) # 打印第一个元素
print(info1)
except:
name = s.xpath('//*[@id="post_{}"]/table/tbody/tr/td[1]/div[2]/a/text()'.format(i))
info = s.xpath('//*[@id="post_{}"]/table/tbody/tr/td[2]/div[2]/div[2]/table/tbody/tr/td/text()'.format(i))
info1 = info[0].replace(" ", "").replace("\n", "") # 数据清洗:去除空格和换行符\n
print(name[0]) # 打印第一个元素
print(info1)
#主函数
def main():
login_denglu(browser) # 登录函数
get_information(browser) # 获取标题与链接
time.sleep(1) # 休眠
# 函数入口调用
if __name__ == '__main__':
main()
input("按任意键退出-> ")
browser.quit()
参考:https://blog.csdn.net/qq_30006749/article/details/89244810