python+selenium操作chrome浏览器抓取网页解决方案
Posted cknds
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python+selenium操作chrome浏览器抓取网页解决方案相关的知识,希望对你有一定的参考价值。
以下操作均是在ubuntu系统下运行
from selenium import webdriver from scrapy.selector import Selector
#操作chrome浏览器抓取淘宝
driver = webdriver.Chrome() driver.get(‘淘宝链接‘) print(driver.page_source) t_selector = Selector(text=driver.page_source) tm_price = t_selector.xpath(‘//*[@id="J_StrPriceModBox"]/dd/span/text()‘).extract_first() print(tm_price) driver.quit()
#操作谷歌浏览器登录知户
browser = webdriver.Chrome() browser.get("https://www.zhihu.com/signin?next=%2Fexplore") browser.find_element_by_xpath(‘//div[@class="SignFlow-accountInput Input-wrapper"]/input[@name="username"]‘).send_keys("18262031725") browser.find_element_by_xpath(‘//div[@class="Input-wrapper"]/input[@name="password"]‘).send_keys("....") browser.find_element_by_xpath(‘//div[@class="Login-options"]/button[@type="submit"]‘).click()
#操作浏览器登录微薄,並且下拉
browser = webdriver.Chrome() browser.get("https://weibo.com/") browser.implicitly_wait(10) browser.find_element_by_xpath(‘//input[@id="loginname"]‘).send_keys(‘18262031725‘) browser.find_element_by_xpath(‘//div[@class="input_wrap"]/input[@type="password"]‘).send_keys(‘。。。。‘) browser.find_element_by_xpath(‘//div[@class="info_list login_btn"]/a‘).click() import time time.sleep(5) browser.execute_script("window.scrollTo(0,document.body.scrollHeight);var lenofPage=document.body.scrollHeight;return lenofPage")
#設置不加载图片
chrome_opt = webdriver.ChromeOptions() prefs = {"profile.managed_default_content_settings.images":2} # 不加载图片 chrome_opt.add_experimental_option("prefs",prefs) browser = webdriver.Chrome(chrome_options=chrome_opt) browser.get("https://weibo.com/")
#phantomjs,无界面浏览器,多进程情况下phantomjs性能下降非常严重,不推荐用
driver = webdriver.PhantomJS() driver.get(‘https://detail.tmall.com/item.htm?spm=a220m.1000858.1000725.1.1bb93598Z5K5Sz&id=45696640046&skuId=3361138965307&user_id=728443962&cat_id=2&is_b=1&rn=7fd2566c963598402926dd52a6776c8c‘) print(driver.page_source) t_selector = Selector(text=driver.page_source) tm_price = t_selector.xpath(‘//*[@id="J_StrPriceModBox"]/dd/span/text()‘).extract_first() print(tm_price) driver.quit()
#通过PyVirtualDisplay可以实现无界面,需要安装xvfb
sudo apt-get install xvfb pip install xvfbwrapper from pyvirtualdisplay import Display display = Display(visible=0,size=(800,600)) display.start() browser = webdriver.Chrome() browser.get(‘https://weibo.com/‘) print(browser.page_source)
#推荐Headless Chrome指在headless模式下运行谷歌浏览器,实现无界面
opt = webdriver.ChromeOptions() opt.set_headless() opt.add_argument(‘--disable-gpu‘) browser = webdriver.Chrome(options=opt) browser.get("https://weibo.com/") print(browser.page_source) browser.close()
以上是关于python+selenium操作chrome浏览器抓取网页解决方案的主要内容,如果未能解决你的问题,请参考以下文章
python使用selenium打开chrome浏览器时带用户登录信息