计算机软件著作权seo实战密码第三版
day4 selenium爬取数据
一、selenium基本操作
导入相关模块：
from selenium.webdriver import Chrome
(一)、创建浏览器对象
b = Chrome()
(二)、打开网页（需要爬取哪个页面的数据就打开该页面对应的网页地址）
案例：爬取豆瓣电影250排行榜
b.get('https://movie.douban.com/top250?start=0&filter=')
(三)、获取网页源代码（注意：不管以什么方式更新了界面内容，page_source也会自动更新）
print(b.page_sourse) # 获取豆瓣top250的页面源代码
二、selenium的翻页
导入相关模块
import time # 控制停顿时间的模块from selenium.webdriver import Chrome
（一）、翻页方法1
- 找到不同页面地址的变化规律，利用循环实现多页数据的请求
b = Chrome() # 这个是打开浏览器，一定要放在循环的外面for x in range(0, 256, 25): # 找出的页数变化b.get('https://movie.douban.com/top250?start={x}&filter=')print(b.page_source)
（二）、翻页方法2
- 点击翻页按钮，刷新页面内容，在刷新后再次获取网页源代码
导入模块：
from selenium.webdriver.common.by import By
b = Chrome()
b.get('https://movie.douban.com/top250?start=0&filter=')for _ in range(5):print(b.page_source)# 获取下一页按钮# next = b.find_element(By.CLASS_NAME, 'next')# 点击下一页按钮# next.click()b.find_element(By.CSS_SELECTOR, '.next')
- 翻页方法2涉及的知识点
- selenium获取标签
浏览器对象.b.find_element(获取方式,数据) —— 返回符合条件的第一个标签，结果是标签对象
浏览器对象.b.find_elements(获取方式,数据) —— 返回符合条件的所有标签，结果是列表，列表中的元素是标签对象获取方式：
By.ID —— 通过ID属性值获取标签
By.CLASS_NAME —— 通过class属性值获取标签
By.CSS_SELECTOR —— 通过css选择器获取标签
By.LINK_TEXT —— 通过a标签的标签内容获取标签
By.PARTIAL_LINK_TEXT —— 通过标签内容所包含的部分内容来获取完整标签
- 操作标签
1）输入框输入内容：输入框对应的标签.send_kyes(需要输入的内容) —— 括号里输入需要输入的内容
2）点击标签：标签对象.click()
三、用代码控制浏览器滚动
js中页面滚动的代码：window.scrollBy(x方向的偏移量，y方向的偏移量)
滚动1次
b.execute_script('window.scrollBy(0,500)') # 顺着Y轴滚动500
滚动多次
for x in range(10): # 滚动10次b.execute_script('window.scrollBy(0,500)')time.sleep(1) # 每滚动一次就停顿1秒
input(‘结束’) # 如果不想关闭浏览器就加个input，入股要关闭则不加