Python爬虫教程-26-Selenium + PhantomJS

Python爬虫教程-26-Selenium + PhantomJS

• 动态前端页面 ：
  • JavaScript：
    
    JavaScript一种直译式脚本语言，是一种动态类型、弱类型、基于原型的语言，内置支持类型。它的解释器被称为JavaScript引擎，为浏览器的一部分，广泛用于客户端的脚本语言，最早是在HTML（标准通用标记语言下的一个应用）网页上使用，用来给HTML网页增加动态功能
  • jQuery：
    
    jQuery是一个快速、简洁的JavaScript框架，是继Prototype之后又一个优秀的JavaScript代码库（或JavaScript框架）。jQuery设计的宗旨是“write Less，Do More”，即倡导写更少的代码，做更多的事情。它封装JavaScript常用的功能代码，提供一种简便的JavaScript设计模式，优化HTML文档操作、事件处理、动画设计和Ajax交互
  • ajax：
    
    Ajax 即“Asynchronous Javascript And XML”（异步 JavaScript 和 XML），是指一种创建交互式网页应用的网页开发技术。
    
    Ajax = 异步 JavaScript 和 XML（标准通用标记语言的子集）。
    
    Ajax 是一种用于创建快速动态网页的技术。
    
    Ajax 是一种在无需重新加载整个网页的情况下，能够更新部分网页的技术。
    
    通过在后台与服务器进行
  • DHTML：
    
    DHTML是Dynamic HTML的简称，就是动态的html（标准通用标记语言下的一个应用），是相对传统的静态的html而言的一种制作网页的概念。所谓动态HTML（Dynamic HTML，简称DHTML），其实并不是一门新的语言，它只是HTML、CSS和客户端脚本的一种集成，即一个页面中包括html+css+javascript（或其它客户端脚本），其中css和客户端脚本是直接在页面上写而不是链接上相关文件。DHTML不是一种技术、标准或规范，只是一种将目前已有的网页技术、语言标准整合运用，制作出能在下载后仍然能实时变换页面元素效果的网页设计概念

Python 采集动态数据

• 从 JavaScript 代码入手采集
• Python 第三方库运行 JavaScript，直接采集你在浏览器看到的页面

Selenium + PhantomJS

• Selenium：web 自动化测试工具
• Selenium 官方文档：https://www.seleniumhq.org/docs/
• Selenium 的功能：
• 1.自动加载页面
• 2.获取数据
• 3.截屏
• PhantomJS：基于 Webkit 的无界面浏览器
  • 由 Selenium 操作 PhantomJS

Selenium 的安装

• 如果使用的是 Anaconda：
  • 进入当前环境：(我的环境名为learn，如果只有一个base环境，忽略此步)

activate learn

• 安装 selenium

conda install selenium

• 当然也可以直接在 Pycharm 进行安装
  • 【PyCharm】>【file】>【settings】>【Project Interpreter】>【+】 >【selenium】>【install】
  • 具体操作截图：
    
    
    
    

PhantomJS 的安装

• 下载地址：http://phantomjs.org/download.html
• 根据自己操作系统版本下载，解压即可用

Selenium 的使用

• Selenium 库有一个 WebDriver 的 API
• WebDriver 可以跟页面上的元素进行各种交互，用它可以来进行爬取
• 注意：使用 PhantomJS 时自动按照环境变量查找相应浏览器，如果没有配置环境变量就将路径作为参数
• 案例代码28dhtml.py文件：https://xpwi.github.io/py/py爬虫/py28dhtml.py

# Selenium 的使用

# 通过 WebDriver 操作百度进行查找

from selenium import webdriver
import time

# 通过 Keys 模拟键盘
# 也就是放入需要输入的东西，就不用键盘输入了
from selenium.webdriver.common.keys import Keys

# 操作哪个浏览器就对哪个浏览器创建一个实例，这里是 PhantomJS
# 自动按照环境变量查找相应浏览器，如果没有配置环境变量就将路径作为参数
driver = webdriver.PhantomJS(executable_path=r"D:\app\phantomjs-2.1.1-windows\bin\phantomjs.exe")

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

# 通过函数查找 title 标签
print("Title: {0}".format(driver.title))

运行结果

注意：如果没有配置环境变量就将自己的路径作为参数



红字不是出错，打印 title 成功才算使用成功

更多文章链接：Python 爬虫随笔

---

- 本笔记不允许任何个人和组织转载