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
- Selenium+PhantomJS 爬取页面
- 基于Python,Selenium和PhantomJS实现动态页面爬取
- Selenium+PhantomJS爬取淘宝
- selenium+ phantomjs实现动态网页爬取
- selenium+ Phantomjs爬取动态网页
- Selenium + phantomJS 爬取动态网站
- python +selenium+phantomjs 登录爬取新浪微博动态js页面
- 学习用java基于webMagic+selenium+phantomjs实现爬虫Demo爬取淘宝搜索页面
- phantomjs实例爬取AJAX页面
- 使用phantomjs+java 爬取AJAX页面
- 动态网页爬取例子(WebCollector+selenium+phantomjs)
- 基于Python3的phantomJs+Selenium动态网页爬取技术
- python+selenium+PhantomJS爬取网页动态加载内容
- Python爬虫实践(十一):selenium+phantomjs+正则表达式爬取文章并保存
- [Python爬虫]Scrapy配合Selenium和PhantomJS爬取动态网页
- Python自动化(一)使用Selenium+PhantomJS爬取电影下载链接
- selenium phantomjs
- selenium+phantomjs
- Codeforces 584E. Anton and Ira (排列好题)
- Gson源码的研读-2015/10/9
- 起个名字好难:关于变量命名的思考与总结
- 归并排序
- android studio的一些编译错误
- Selenium+PhantomJS 爬取页面
- POJ 2965 The Pilots Brothers' refrigerator 枚举dfs
- lintcode-逆波兰表达式求值-424
- qt获取当前时间以及日期
- POJ 1014 && HDU 1059 Dividing(完全背包问题)
- Android中创建AIDL服务的步骤
- Java 的布局管理器GridBagLayout的使用方法【图文说明】
- [234]Palindrome Linked List
- c++ primer学习笔记3_复合类型