四川网站建设哈尔滨关键词优化报价
第三方库Selenium主要是用来抓取动态生成的网页数据，有些网站的内容要下拉网页才会动态加载，特别是那些使用javaScript渲染的内容。当然Selenium还可用于自动化浏览器操作，比如编写一个自动抢火车票的python脚本，这并不难实现。接下了我将通过用Selenium模拟用户的操作来抓取网页。
pip install selenium # 这是下载Selenium的终端命令我使用的是edge浏览器，谷歌浏览器也是一样的，不过初始化webdriver用'driver = webdriver.chrome()'，为了简便，我挑选在百度官网上去抓取一些表情包图片。同样我将这些步骤封装成了一个函数，不过因为爬取网页需要分析特定的网页结构，所以能够复用的地方有限，该函数只能用于百度官网，因为我也不确定其他网站的输入框input元素的id是不是"kw"。
首先，我要模拟用户在百度官网上输入“表情包”到搜索框。search_box1.send_keys(search_name)该函数会将search_name的值传递给search_box1（这是获取的页面input输入框元素）。同时用函数search_box1.send_keys(Keys.RETURN)模拟用户的点击回车操作。
这个函数有两个参数，第一个是搜索的内容，可以换成其他的，但因为该函数要抓取的是图片URL，所以范围也是有限。第二个是默认参数，默认值为'https://www.baidu.com'。
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import timedef get_image_urls(search_name="表情包",url="https://www.baidu.com"):# 初始化 WebDriver（以 Edge 为例）driver = webdriver.Edge()driver.get(url)wait = WebDriverWait(driver, 10)search_box1 = wait.until(EC.element_to_be_clickable((By.ID, "kw")))search_box1.send_keys(search_name) # 将值为"表情包"的字符串变量传递time.sleep(2) search_box1.send_keys(Keys.RETURN) # 模拟用户输入回车
在百度搜索内容时，默认会将搜索结果中的标题以<h3>标签显示。我这里定位到搜索结果的第一个，并用first_a.click()模拟用户点击链接跳转。但是要注意的是由于点击链接会跳转到新窗口，所以我们要用switch_to.windows来切换页面。由于本文旨在讨论Selenium的自动化操作，涉及爬虫的内容并不会很多，所以在接下来的抓取图片URL的操作，只是简单抓取可见的img标签，对于可能还未被加载的图片不在过多讨论。
# 等待搜索结果的加载，并寻找第一个搜索结果first_h3 = wait.until(EC.visibility_of_element_located((By.CSS_SELECTOR, "h3")))print(first_h3.text)# 查找 h3 内部的第一个 a 标签first_a = first_h3.find_element(By.TAG_NAME, "a") # 找到第一个子标签 atime.sleep(2) # 点击 a 标签以跳转first_a.click()# 等待一些时间以观察跳转效果（可选）time.sleep(2)driver.switch_to.window(driver.window_handles[1]) # 切换到新窗口因为我们访问的网站能够实现无限滚动加载，所以我们会在外部用while循环来控制下拉次数。并使用max_scrolls = 10和scroll_count = 0搭配使用来控制下拉次数为10次。
# 这里将模拟用户下拉操作十次max_scrolls = 10scroll_count = 0while scroll_count < max_scrolls:last_height = driver.execute_script("return document.body.scrollHeight")driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")time.sleep(2)new_height = driver.execute_script("return document.body.scrollHeight")if new_height == last_height:breakscroll_count += 1img_tags = driver.find_elements(by=By.ID, value='imgid')print("找到的图像标签数:", len(img_tags)) # 打印找到的图像标签数量for img in img_tags:imgitems = img.find_elements(by=By.CLASS_NAME, value='imgitem')for item in imgitems:print(item.text)driver.quit()
以上所有代码都是在函数get_image_urls()里，不过在while循环里调用了我们自己编写的滚动函数scroll_to_bottom()，这是模拟用户往下拉加载的函数，该函数在上面的程序中被调用。
def scroll_to_bottom(driver):last_height = driver.execute_script("return document.body.scrollHeight")while True:# Scroll down to the bottomdriver.execute_script("window.scrollTo(0, document.body.scrollHeight);")# Wait for new content to loadtime.sleep(2) # 可以根据实际情况调整等待时间# Calculate new scroll height and compare with last heightnew_height = driver.execute_script("return document.body.scrollHeight")if new_height == last_height:break # 如果没有新的内容加载，退出循环last_height = new_height本程序涉及使用url地址初始化一个浏览器实例，浏览器自动化操作使用send_keys()来模拟用户的输入以及按键（如回车键），同时使用click()函数来模拟用户点击链接，并用法都不难。以上程序在下载Selenium后就可以直接运行，如果有问题的欢迎在评论区留言！