【爬虫】selenium动态页面请求与模拟登录知乎

Z时代
2024-01-10
分类：综合

coding

一。安装selenium pip install selenium

二。安装相应浏览器的Driver(selenium 文档) http://selenium-python.readthedocs.io/api.html 推荐使用Chrome

三。selenium的使用

 1# -*- coding: utf-8 -*-
 2
 3from selenium import webdriver
 4from scrapy.selector import Selector
 5
 6
 7#知乎的模拟登录
 8 browser = webdriver.Chrome(executable_path="E:/chromedriver.exe")  #路径是chromedriver.exe的存放的位置
 9 browser.get("https://www.zhihu.com/#signin")
10 browser.find_element_by_css_selector(".view-signin input[name='account']").send_keys("********") #帐号
11 browser.find_element_by_css_selector(".view-signin input[name='password']").send_keys("********") #密码
12 browser.find_element_by_id("captcha").send_keys(input('请输入验证码：'))
13 browser.find_element_by_css_selector(".view-signin button.sign-button").click() #登录
14browser.quit()
15
16 实例二：
17#可以用selenium得到js加载后的html，比如这样的话可以抓取到本来抓取的不到的一些字段（淘宝的交易量等等）
18 browser = webdriver.Chrome(executable_path="E:/chromedriver.exe")
19 browser.get("https://detail.tmall.com/item.htm?spm=a230r.1.14.3.yYBVG6&id=538286972599&cm_id=140105335569ed55e27b&abbucket=15&sku_properties=10004:709990523;5919063:6536025")
20print(browser.page_source) #page_source就是js加载完的源代码
21#browser.quit()
22'''
23如果是用selenium本身的选择器（python写的，比较慢），会很慢
24所以现在转换成scrapy中的selector（他是用c语言写的，很快）
25模版，也可以嵌入scrapy中
26'''
27t_selector=Selector(text=browser.page_source)28print(t_selector.xpath('//*[@id="J_StrPriceModBox"]/dd/span/text()').extract())

有时会遇到取不到内容的情况，看看是不是还没加载完毕，在中间sleep() 几秒就好了。

四。selenium模拟登录微博，模拟鼠标下拉

微博也有开放的API：http://open.weibo.com/wiki/%E9%A6%96%E9%A1%B5

 1#selenium 完成微博模拟登录
 2 browser = webdriver.Chrome(executable_path="E:/chromedriver.exe")
 3 browser.get("http://weibo.com/")
 4import time
 5 time.sleep(5)
 6 browser.find_element_by_css_selector("#loginname").send_keys("******")
 7 browser.find_element_by_css_selector(".info_list.password input[node-type='password']").send_keys("******")
 8 browser.find_element_by_css_selector(".info_list.login_btn a[node-type='submitBtn']").click()
 9#下拉
10for i in range(3):
11'''三次下拉操作，这是javascript的知识     execute_script是用来执行js代码的'''
12     browser.execute_script("window.scrollTo(0, document.body.scrollHeight); var lenOfPage=document.body.scrollHeight; return lenOfPage;")13     time.sleep(3)

五。chromedrive 不加载图片，phantomjs获取动态网页

chromedriver不加载图片：

1#设置chromedriver不加载图片
2#是固定的模板
3 chrome_opt=wibdriver.ChromeOptions()
4 prefs={"profile.managed_default_content_settings.images":2}
5 chrome_opt.add_experimental_option("prefs",prefs)
6 browser=webdriver.Chrome(executable_path="E:/chromedriver.exe",chrome_options=chrome_opt)7 browser.get("http://weibo.com")

六。phantomjs获取动态网页：

下载地址：http://phantomjs.org/download.html 如果不能下载，复制链接到迅雷下载

淘宝的详情页实例

1 #phantomjs, 无界面的浏览器， 多进程情况下phantomjs性能会下降很严重
2 browser = webdriver.PhantomJS(executable_path="F:/迅雷下载/phantomjs-2.1.1-windows/bin/phantomjs.exe")
3 browser.get("https://detail.tmall.com/item.htm?spm=a230r.1.14.3.yYBVG6&id=538286972599&cm_id=140105335569ed55e27b&abbucket=15&sku_properties=10004:709990523;5919063:6536025")
4 print (browser.page_source)5 browser.quit()