Python爬虫之用Selenium做爬虫

news2024/10/6 1:41:12

我们在用python做爬虫的时候，除了直接用requests的架构，还有Scrapy、Selenium等方式可以使用，那么今天我们就来聊一聊使用Selenium如何实现爬虫。

Selenium是什么？

Selenium是一个浏览器自动化测试框架，是一款用于Web应用程序测试的工具。框架底层使用JavaScript模拟真实用户对浏览器进行操作。测试脚本执行时，浏览器自动按照脚本代码做出点击，输入，打开，验证等操作，就像真实用户所做的一样，从终端用户的角度测试应用程序。使浏览器兼容性测试自动化成为可能，尽管在不同的浏览器上依然有细微的差别。使用简单，可使用Java，Python等多种语言编写用例脚本。（百度百科）

如何使用Selenium？

首先下载Selenium这个库，pip install selenium。接着查看Selenium支持的浏览器，这里就使用都会有的chrome谷歌浏览器，如果想要查看能用什么浏览器可以使用下面这些代码，就可以看到支持的浏览器和版本：

from selenium import webdriver
help(webdriver)

在这里插入图片描述

然后再对应着浏览器的版本找相应的浏览器驱动。

驱动的位置一定要放在没有中文字符的文件夹中，好这个地址，有用。

使用Selenium主要是调用它的webdriver模块，具体操作如下：

from selenium import webdriver
path = '/Users/14163/Downloads/chromedriver_win32/chromedriver.exe'#这里是保存的驱动的位置
browser = webdriver.Chrome(executable_path=path)  #初始化驱动对象

browser.get('http://www.baidu.com')        #获取url
print(browser.page_source)                #输出获取到的文件数据
browser.close()                          #关闭浏览器

结果：
在这里插入图片描述

再对比一下requests获取的网页的数据：
在这里插入图片描述

很明显selenium能获取得到的内容更多selenium有相应的函数去查找数据，单个元素的三种不同的方式去获取响应的元素，第一种是通过id的方式，第二个中是CSS选择器，第三种是xpath选择器，结果都是相同的。

这里是按id去查找，可以加text或者tag获取里面的内容。

在这里插入图片描述

或者可以调用另一个库去获取id，By

先导入库：

from selenium.webdriver.common.by import By

在这里插入图片描述
这样就可以获取网页的数据。

这些只是获取一个元素的，可以获取多个元素加用find_elements即可。

交互操作：

对网页进行操作，比如在百度的搜索框输入孤独的s，然后点击搜索就可以这样：

按以下代码：

from selenium import webdriver
from selenium.webdriver.common.by import By
import time
path = '/Users/14163/Downloads/chromedriver_win32/chromedriver.exe'
browser = webdriver.Chrome(executable_path=path)
browser.get('http://www.baidu.com')
input_first = browser.find_element(By.ID,"kw")
print(input_first)
input_first.send_keys("孤独的s")
time.sleep(0.1)
button = browser.find_element_by_class_name('s_btn_wr')  #这里获取百度搜索的那个按钮
button.click()# 点击