Selenium+PhantomJS 爬取页面

来源：互联网发布：linux创建目录命令编辑：程序博客网时间：2024/06/04 19:29

1.几个网上资源：

phantomjs淘宝的镜像： http://npm.taobao.org/dist/phantomjs/

虫师整理的Selenium + Python材料：http://www.cnblogs.com/fnng/archive/2013/10/31/3400022.html

Selenium Client Driver安装与简单例子：http://seleniumhq.github.io/selenium/docs/api/py/index.html

cjafety整理的材料：http://blog.csdn.net/cjsafty/article/details/9206323

PhantomJS不支持哪些操作：http://www.zhihu.com/question/26653233

2. Selenium Web driver方式：

Selenium 驱动Firefox浏览器，下面代码的效果会启动Firefox浏览器，在百度的搜索框内填写查询字符串selenium，然后点击搜索按钮。

这种方式相当于控制了Firefox，有Firefox的界面出来，可能会影响效率。如果要驱动Google Chrome，则要安装Chrome web driver。

from selenium import webdriverbrowser = webdriver.Firefox()browser.get("http://www.baidu.com")browser.find_element_by_id("kw").send_keys("selenium")browser.find_element_by_id("su").click()browser.quit()

3. Selenium + PhantomJS 方式：

Selenium驱动PhantomJS方式，由于PhantomJS属于Headless的浏览器，没有GUI，Selenium驱动时会出现黑漆漆的cmd窗口，可能效率比2要高点。

PhantomJS需要单独安装，加到系统环境变量Path中，就可在Selenium中使用PhantomJS。

from selenium import webdriverdriver = webdriver.PhantomJS()driver.get('http://www.baidu.com')data = driver.find_element_by_id('cp').textprint datadriver.quit()

上述代码要注意get方法的url要带上http，否则会获取不到网页，导致报错。

帮助文档：http://docs.seleniumhq.org/docs/03_webdriver.jsp

Python Webdriver类源代码：https://github.com/SeleniumHQ/selenium/blob/master/py/selenium/webdriver/remote/webdriver.py

WebElement类源代码：https://github.com/SeleniumHQ/selenium/blob/master/py/selenium/webdriver/remote/webelement.py

0 0