python之selenium

selenium是处理异步加载的一种方法

总的来说是操作浏览器访问来获取自己想要的资料

优点是浏览器能看到的都能爬下来，简单有效，不需要深入破解网页加载形式

缺点是加载的东西太多，导致爬取速度变慢

 #!/usr/bin/python3.4
 # -*- coding: utf-8 -*-

 from selenium import webdriver
 import time

 # http://www.cnblogs.com/fnng/p/3238685.html
 # 打开火狐浏览器
 browser = webdriver.Firefox()

 # 输入网址
 browser.get("http://www.baidu.com")
 # 根据各自网速来判断网址加载时间
 time.sleep(1)

 # 输入框
 # <input id="kw" class="s_ipt" type="text" maxlength="100" name="wd" autocomplete="off">

 # 清空输入框
 browser.find_element_by_id("kw").clear()

 # 通过id方式定位
 browser.find_element_by_id("kw").send_keys("selenium")
 # 通过name方式定位
 # browser.find_element_by_name("wd").send_keys("selenium")
 # 通过tag name方式定位
 # browser.find_element_by_tag_name("input").send_keys("selenium")
 # 通过class name 方式定位
 # browser.find_element_by_class_name("s_ipt").send_keys("selenium")
 # 通过CSS方式定位
 # browser.find_element_by_css_selector("#kw").send_keys("selenium")
 # 通过xphan方式定位
 # browser.find_element_by_xpath("//input[@id='kw']").send_keys("selenium")

 # 点击“百度一下”
 browser.find_element_by_id("su").click()

 # 下面就是xpath的知识了
 # 想找那个网页的什么东西自己写xpath
 # 可以参考前面的博客：http://www.cnblogs.com/TTyb/p/5832790.html
 print(browser.find_element_by_xpath("//a"))
 time.sleep(5)
 browser.quit()

# 获得当前html
html = browser.page_source