Python网页测试库selenium,动态网页抓取
来源:互联网 发布:淘宝如何找代理商 编辑:程序博客网 时间:2024/05/20 11:27
selenium是自动化网页测试工具,它支持各种浏览器,包括 Chrome,Safari,Firefox 等主流界面式浏览器,使用selenium需要浏览器版本与selenium版本匹配,同时配合浏览器驱动便可实现Web界面的测试,也就是 selenium 支持这些浏览器驱动。
首先,在命令行窗口安装selenium库:pip install selenium,
通过命令:pip show selenium查看selenium版本;
然后,查找安装对应版本的浏览器;
接下来,下载一个浏览器驱动,比如google用chromedriver,firefox用geckodriver;
最后,把geckodriver的位置加入环境变量PATH中。
我用的配置是win7系统下Python3.5.2:
selenium3.6.0,firefox54.0,geckodriver-v0.14.0-win64,
D:\PYTHON35\idle\selenium
firefox各版本下载地址:http://ftp.mozilla.org/pub/firefox/releases/
(不要更新firefox版本,更新版本就不对应了!)
通过以下命令,可以利用firefox开启百度网页:
import timefrom selenium import webdriverdriver=webdriver.Firefox(executable_path=r'D:\PYTHON35\idle\selenium\geckodriver')#创建firefox的驱动driver.maximize_window() #避免移动版布局和网页版布局窗口影响CSS定位抓取driver.get('https://www.baidu.com/')#time.sleep(5) #网页停留5秒driver.quit()
下述针对动态页面,模拟页面下拉:
import timefrom selenium import webdriverdriver=webdriver.Firefox(executable_path=r'D:\PYTHON35\idle\selenium\geckodriver')#创建firefox的驱动driver.maximize_window() #避免移动版布局和网页版布局窗口影响CSS定位抓取driver.get('http://www.balmain.com/en_cn/men/new-arrivals.html')driver.execute_script('window.scrollBy(0, document.body.scrollHeight);')#execute_script利用javascript模拟动态网页页面下拉
下面会针对“如何判断页面下拉完毕”,显示全部要查找的类型的元素进行设计:
import timefrom selenium import webdriverdriver=webdriver.Firefox(executable_path=r'D:\PYTHON35\idle\selenium\geckodriver') #创建firefox的驱动driver.maximize_window() #避免移动版布局和网页版布局窗口影响CSS定位抓取#此处,可以设置查找元素时超时问题,异常检测driver.implicity_wait(5),超过5秒报异常###为了防止等待抓取超时报错,可以类似的设置打开页面异常检测,这里直接忽略异常继续往下抓取,页面上重要元素几乎都拿到了###try: driver.get('http://www.balmain.com/en_cn/men/new-arrivals.html')except: passelements=[] #为了判断是否页面下拉完毕,显示了全部页面元素count=-1###while语句条件,下拉刷新判断关键条件,可以参照页面html源码对照看有多少个元素a###while len(elements) > count: count = len(elements) #记录当前找到多少元素 driver.execute_script('window.scrollBy(0, document.body.scrollHeight);') #找到元素后,做页面下拉刷新 #execute_script利用javascript模拟动态网页页面下拉,scrollBy参数是0表示从0开始下拉,可以修改成任意高度 time.sleep(2) elements=driver.find_elements_by_css_selector('div.products-list > div > a') #元素a定位,find_elements_by_css_selector里elements表示找所有满足条件的元素,element表示找一个满足条件的元素for element in elements: ###此处可以嵌套查找elements里的元素element.find_XXX_by_css_selector(元素)### print(element.get_attribute('href')) #selenium里的get_attribute类似bs4里的getdriver.quit()
阅读全文
0 0
- Python网页测试库selenium,动态网页抓取
- selenium抓取动态网页
- 为采集动态网页安装和测试Python Selenium库
- 使用Python+selenium+BeautifulSoup抓取动态网页的关键信息
- python+selenium+PhantomJS抓取ajax动态网页数据
- Python使用Selenium + PhantomJS抓取动态网页:今日头条
- Selenium+ChromeDriver动态抓取网页元素
- Python + Selenium网页自动化测试
- Python Selenium 自动测试网页
- (未完成)python---抓取动态网页
- Python之抓取动态网页
- Python Scrapy抓取动态网页
- Python抓取网页动态数据——selenium webdriver的使用
- python selenium 获取动态网页数据
- selenium+Python 实现简单的网页测试
- python 抓取动态网页的问题
- python抓取动态网页-----环境搭建
- python抓取动态网页---实例代码
- Centos7 VSCode 使用Python3 详解
- Liunx下memcache安装部署以及启动
- 一元线性回归
- <C语言经典100例>c43 不使用中间变量交换值
- 数组排序
- Python网页测试库selenium,动态网页抓取
- html4中好用的冷门标签
- javascript(js)创建对象的模式与继承的几种方式
- jquery中设置 radio
- PE文件格式详解,第三讲,可选头文件格式,以及节表 PE文件格式详解,第三讲,可选头文件格式,以及节表
- hdu1878 判断一个无向图是否存在欧拉回路模板
- WEB服务器、应用程序服务器、HTTP服务器区别
- PHP的魔术方法
- Entity Framework Code First实现乐观并发