Python爬蟲教程-26-Selenium + PhantomJS

肖朋偉發表於2018-09-06
Python爬蟲JS

Python爬蟲教程-26-Selenium + PhantomJS

  • 動態前端頁面 ：
    • JavaScript：
      JavaScript一種直譯式指令碼語言，是一種動態型別、弱型別、基於原型的語言，內建支援型別。它的直譯器被稱為JavaScript引擎，為瀏覽器的一部分，廣泛用於客戶端的指令碼語言，最早是在HTML（標準通用標記語言下的一個應用）網頁上使用，用來給HTML網頁增加動態功能
    • jQuery：
      jQuery是一個快速、簡潔的JavaScript框架，是繼Prototype之後又一個優秀的JavaScript程式碼庫（或JavaScript框架）。jQuery設計的宗旨是“write Less，Do More”，即倡導寫更少的程式碼，做更多的事情。它封裝JavaScript常用的功能程式碼，提供一種簡便的JavaScript設計模式，優化HTML文件操作、事件處理、動畫設計和Ajax互動
    • ajax：
      Ajax 即“Asynchronous Javascript And XML”（非同步 JavaScript 和 XML），是指一種建立互動式網頁應用的網頁開發技術。
      Ajax = 非同步 JavaScript 和 XML（標準通用標記語言的子集）。
      Ajax 是一種用於建立快速動態網頁的技術。
      Ajax 是一種在無需重新載入整個網頁的情況下，能夠更新部分網頁的技術。
      通過在後臺與伺服器進行
    • DHTML：
      DHTML是Dynamic HTML的簡稱，就是動態的html（標準通用標記語言下的一個應用），是相對傳統的靜態的html而言的一種製作網頁的概念。所謂動態HTML（Dynamic HTML，簡稱DHTML），其實並不是一門新的語言，它只是HTML、CSS和客戶端指令碼的一種整合，即一個頁面中包括html+css+javascript（或其它客戶端指令碼），其中css和客戶端指令碼是直接在頁面上寫而不是連結上相關檔案。DHTML不是一種技術、標準或規範，只是一種將目前已有的網頁技術、語言標準整合運用，製作出能在下載後仍然能實時變換頁面元素效果的網頁設計概念

Python 採集動態資料

  • 從 JavaScript 程式碼入手採集
  • Python 第三方庫執行 JavaScript，直接採集你在瀏覽器看到的頁面

Selenium + PhantomJS

  • Selenium：web 自動化測試工具
  • Selenium 官方文件：https://www.seleniumhq.org/docs/
  • Selenium 的功能：
  • 1.自動載入頁面
  • 2.獲取資料
  • 3.截圖
  • PhantomJS：基於 Webkit 的無介面瀏覽器
    • 由 Selenium 操作 PhantomJS

Selenium 的安裝

  • 如果使用的是 Anaconda：

    • 進入當前環境：(我的環境名為learn，如果只有一個base環境，忽略此步)

      activate learn

    • 安裝 selenium

      conda install selenium

  • 當然也可以直接在 Pycharm 進行安裝
    • 【PyCharm】>【file】>【settings】>【Project Interpreter】>【+】 >【selenium】>【install】
    • 具體操作截圖：
      這裡寫圖片描述
      這裡寫圖片描述

PhantomJS 的安裝

Selenium 的使用

  • Selenium 庫有一個 WebDriver 的 API
  • WebDriver 可以跟頁面上的元素進行各種互動，用它可以來進行爬取
  • 注意：使用 PhantomJS 時自動按照環境變數查詢相應瀏覽器，如果沒有配置環境變數就將路徑作為引數
  • 案例程式碼28dhtml.py檔案：https://xpwi.github.io/py/py%E7%88%AC%E8%99%AB/py28dhtml.py
# Selenium 的使用

# 通過 WebDriver 操作百度進行查詢

from selenium import webdriver
import time


# 通過 Keys 模擬鍵盤
# 也就是放入需要輸入的東西，就不用鍵盤輸入了
from selenium.webdriver.common.keys import Keys

# 操作哪個瀏覽器就對哪個瀏覽器建立一個例項，這裡是 PhantomJS
# 自動按照環境變數查詢相應瀏覽器，如果沒有配置環境變數就將路徑作為引數
driver = webdriver.PhantomJS(executable_path=r"D:\app\phantomjs-2.1.1-windows\bin\phantomjs.exe")

driver.get("http://www.baidu.com")

# 通過函式查詢 title 標籤
print("Title: {0}".format(driver.title))

執行結果

注意：如果沒有配置環境變數就將自己的路徑作為引數
這裡寫圖片描述
紅字不是出錯，列印 title 成功才算使用成功

更多文章連結：Python 爬蟲隨筆

  • 本筆記不允許任何個人和組織轉載

相關文章