还没被玩坏的robobrowser(3)——简单的spider

背景

做一个简单的spider用来获取python selenium实战教程的一些基本信息。因为python selenium每年滚动开课，所以做这样一个爬虫随时更新最新的开课信息是很有必要的。

预备知识

• python语法，不会python的同学建议通过这个视频学习；
• 安装好robobrowser，没有安装的同学参考这里；

任务分解

这个简单的spider任务可以进行进一步的分解：

• 访问python selenium自动化测试班页面；
• 获取这个班的名称--python selenium自动化测试班;
• 获取这个班的描述--独一无二的超低价培训-口碑之选;
• 获取开班的时间--第五期报名截止2015年1月17日，开课时间1月17日;
• 获取报名方式--课程咨询请联系QQ：12079456;
• 获取selenium进阶群的群号--技术交流+selenium 进阶群：189116036;
• 获取授课老师信息--虫师;

正式开始

 import re
 from robobrowser import RoboBrowser

 # 访问python selenium自动化测试班的页面

 url = 'http://itest.info/courses/2'
 b = RoboBrowser(history=True)
 b.open(url)

 # 获取这个班的名称--python selenium自动化测试班
 class_name = b.select('.headline h2')
 print class_name[0].text

 # 获取这个班的描述--独一无二的超低价培训-口碑之选
 class_desc = b.select('.tag-box')
 print class_desc[0].text

 # 获取开班的时间--**第五期报名截止2015年1月17日，开课时间1月17日
 class_time = b.select('h4')
 print class_time[0].text

 # 获取授课老师信息--虫师
 teacher = b.select('.thumbnail-style h3')
 print teacher[0].text

 # 获取报名方式--**课程咨询请联系QQ：12079456
 qq = b.find(text=re.compile('QQ'))
 print qq

 # 获取selenium进阶群的群号--**技术交流+selenium 进阶群：189116036
 qq_group = b.find(text=re.compile('\+selenium'))
 print qq_group

简单讲解

• b = RoboBrowser(history=True) b.open(url) 用来创建browser和打开url，没什么新意，记住就好了；
• b.select() 方法可以接受css选择器，返回页面上所有符合条件的元素的集合，也就是说返回的是list，可以进行迭代；
• b.find() 的用法在这里，只返回1个精确的结果；
• 注意，find和select方法返回的均是Beautiful Soup的tag对象或对象集合；

如果你对上面的例子不甚理解那也没什么关系，后面几节会按照场景进行分析讲解。

文本版权归乙醇所有，欢迎转载，但请标明出处。

下一节：robobrowser抓取网页内容