python动态网页 两种_29、selenium模块是一个python操作浏览器软件的一个模块，可以实现js动态网页请求…

selenium模块

selenium模块为第三方模块需要安装，selenium模块是一个操作各种浏览器对应软件的api接口模块

selenium模块是一个操作各种浏览器对应软件的api接口模块，所以还得需要下载对应浏览器的操作软件

操作原理是：selenium模块操作浏览器操作软件，浏览器操作软件操作浏览器

Selenium 2.0适用于以下浏览器

Google Chrome

Internet Explorer 7, 8, 9, 10, 11

Firefox

Safari

Opera

HtmlUnit

phantomjs

Android

iOS

Selenium 的核心，就是用js控制浏览器

下载对应浏览器的浏览器操作软件

我们这里以火狐浏览器为列

首先将火狐浏览器的操作软件，geckodriver.exe文件放置到爬虫目录里

selenium模块可以模拟用户行为操作各种版本浏览器

webdriver.Firefox(‘操作浏览器软件路径’)实例化火狐浏览器对象

get(‘url’)访问网站

find_element_by_xpath(‘xpath表达式’)通过xpath表达式找对应元素

clear()清空输入框里的内容

send_keys(‘内容’)将内容写入输入框

click()点击事件

get_screenshot_as_file(‘截图保存路径名称’)将网页截图，保存到此目录

page_source获取网页htnl源码

browser.close() 关闭浏览器#!/usr/bin/env python

# -*- coding:utf8 -*-

from selenium import webdriver  # 导入selenium模块来操作浏览器软件

import time

browser = webdriver.Firefox(executable_path=’H:/py/16/adc/adc/Firefox/geckodriver.exe’)

browser.get(‘https://www.tmall.com/pm=a220o.1000855.a2226mz.1.5c90c3484bZCx6’)

# 模拟用户操作

browser.find_element_by_xpath(‘//input[@id=”mq”]’).clear()                 # 通过xpath表达式找到输入框，clear()清空输入框里的内容

browser.find_element_by_xpath(‘//input[@id=”mq”]’).send_keys(‘连衣裙’)     # 通过xpath表达式找到输入框，send_keys()将内容写入输入框

browser.find_element_by_xpath(‘//button[@type=”submit”]’).click()          # 通过xpath表达式找到搜索按钮,click()点击事件

time.sleep(3)   # 等待3秒

browser.get_screenshot_as_file(‘H:/py/17/img/123.jpg’)  # 将网页截图，保存到此目录

neir = browser.page_source   # 获取网页内容

print(neir)

browser.close()     # 关闭浏览器

利用scrapy的Selector方法。来过滤帅选数据

Selector()方法,过滤帅选数据,参数是得到的字符串html源码#!/usr/bin/env python

# -*- coding:utf8 -*-

from selenium import webdriver  # 导入selenium模块来操作浏览器软件

import time

from scrapy.selector import Selector

browser = webdriver.Firefox(executable_path=’H:/py/16/adc/adc/Firefox/geckodriver.exe’)

browser.get(‘https://www.tmall.com/pm=a220o.1000855.a2226mz.1.5c90c3484bZCx6’)

# 模拟用户操作

browser.find_element_by_xpath(‘//input[@id=”mq”]’).clear()                 # 通过xpath表达式找到输入框，clear()清空输入框里的内容

browser.find_element_by_xpath(‘//input[@id=”mq”]’).send_keys(‘连衣裙’)     # 通过xpath表达式找到输入框，send_keys()将内容写入输入框

browser.find_element_by_xpath(‘//button[@type=”submit”]’).click()          # 通过xpath表达式找到搜索按钮,click()点击事件

time.sleep(3)   # 等待3秒

browser.get_screenshot_as_file(‘H:/py/17/img/123.jpg’)  # 将网页截图，保存到此目录

neir = browser.page_source   # 获取网页内容

# print(neir)

gl_neir = Selector(text=neir)

dedao = gl_neir.css(‘title::text’).extract()

print(dedao)

browser.close()     # 关闭浏览器

selenium操作浏览器滚动滚动条

execute_script(js)方法，执行原生态js脚本#!/usr/bin/env python

# -*- coding:utf8 -*-

from selenium import webdriver  # 导入selenium模块来操作浏览器软件

import time

from scrapy.selector import Selector

browser = webdriver.Firefox(executable_path=’H:/py/16/adc/adc/Firefox/geckodriver.exe’)

browser.get(‘https://www.oschina.net/blog’)

time.sleep(3)       # 等待3秒

for i in range(3):  # 滚动3次滚动条

js = ‘window.scrollTo(0,document.body.scrollHeight); var lenofpage=document.body.scrollHeight; return lenofpage’

browser.execute_script(js)  # 执行js语言滚动滚动条

time.sleep(3)

neir = browser.page_source   # 获取网页内容

# print(neir)

gl_neir = Selector(text=neir)

dedao = gl_neir.css(‘title::text’).extract()

print(dedao)

# browser.close()     # 关闭浏览器

设置请求网页不加载图片，提高请求效率

ChromeOptions()方法，创建谷歌浏览器设置对象

Chrome()方法，创建谷歌浏览器对象

下面以谷歌浏览器为列#!/usr/bin/env python

# -*- coding:utf8 -*-

from selenium import webdriver  # 导入selenium模块来操作浏览器软件

from scrapy.selector import Selector

#设置请求网页不加载图片，提高请求效率

chrome_options = webdriver.ChromeOptions()                          #创建谷歌浏览器设置对象

prefs = {“profile.managed_default_content_settings.images”: 2}      #设置谷歌浏览器不加载图片

chrome_options.add_experimental_option(‘prefs’, prefs)              #将不加载图片添加到浏览器

browser = webdriver.Chrome(executable_path=’H:/py/16/adc/adc/Firefox/chromedriver.exe’, chrome_options=chrome_options)

# browser.set_page_load_timeout(40) #设置页面最长加载时间为40s

browser.get(‘https://www.taobao.com/’)

neir = browser.page_source   # 获取网页内容

# print(neir)

gl_neir = Selector(text=neir)

dedao = gl_neir.css(‘title::text’).extract()

print(dedao)

# browser.close()     # 关闭浏览器

selenium模块还可以操作PhantomJS浏览器，PhantomJS是一个无界面浏览器，比较清爽，但是多线程是性能会下降

重点：我们推荐使用chromedriver.exe，谷歌浏览器

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树网络爬虫Selenium208921 人正在系统学习中 相关资源：免费的linux操作软件SecureCRT.zip-其它工具类资源-CSDN文库

来源：weixin_39927508