Python-爬虫-针对有frame框架的页面

Posted

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-爬虫-针对有frame框架的页面相关的知识,希望对你有一定的参考价值。

有的页面会使用frame 框架,使用Selenium + PhantomJS 后并不会加载iframe 框架中的网页内容。iframe 框架相当于在页面中又加载了一个页面,需要使用Selenium 的 switch_to.frame() 方法加载(官网给的方法是switch_to_frame(),但是IDE提醒使用前面的方法替代该方法)。

比如:

        driver.switch_to.frame(‘g_iframe‘)

        html = driver.page_source

然后结合BeautifulSoup获取网页中信息。

这次我们爬取http://music.163.com/#/artist/album?id=101988&limit=120&offset=0页面中的专辑信息,比如,图片、网址及专辑名字。

技术分享
"""
http://music.163.com/#/artist/album?id=101988&limit=120&offset=0
爬取上述网址中的专辑信息
"""

from selenium import webdriver
from urllib.request import urlretrieve
import os
from bs4 import BeautifulSoup

class DownloadInfo():

    def __init__(self):
        self.url = http://music.163.com/#/artist/album?id=101988&limit=120&offset=0
        self.basePath = os.path.dirname(__file__)

    def makedir(self, name):
        path = os.path.join(self.basePath, name)
        isExist = os.path.exists(path)
        if not isExist:
            os.makedirs(path)
            print(The file is created now.)
        else:
            print(The file existed.)
        #切换到该目录下
        os.chdir(path)
        return path

    def connect(self, url):
        driver = webdriver.PhantomJS()
        driver.get(url)
        print(success)
        return driver

    def getFileNames(self, path):
        pic_names = os.listdir(path)
        return pic_names

    def getInfo(self):
        driver = self.connect(self.url)
        driver.switch_to.frame(g_iframe)
        path = self.makedir(Infos)
        pic_names = self.getFileNames(path)
        imgs = driver.find_elements_by_xpath("//div[@class=‘u-cover u-cover-alb3‘]/img")
        titles = driver.find_elements_by_xpath("//li/p[@class=‘dec dec-1 f-thide2 f-pre‘]/a")
        dates = driver.find_elements_by_xpath("//span[@class=‘s-fc3‘]")
        count = 0
        for img in imgs:
            album_name = titles[count].text
            count += 1
            photo_name = album_name.replace(/, ‘‘) + .jpg
            print(photo_name)
            if photo_name in pic_names:
                print(图片已下载。)
            else:
                urlretrieve(img.get_attribute(src), photo_name)
        for title in titles:
            print(title.text)
        for date in dates:
            print(date.text)


"""
    def getInfo(self):
        driver = self.connect(self.url)
        driver.switch_to.frame(‘g_iframe‘)
        html = driver.page_source
        path = self.makedir(‘Infos‘)
        pic_names  = self.getFileNames(path)
        all_li = BeautifulSoup(html, ‘lxml‘).find(id=‘m-song-module‘).find_all(‘li‘)
        for li in all_li:
            album_img = li.find(‘img‘)[‘src‘]
            album_name = li.find(‘p‘, class_=‘dec‘)[‘title‘]
            album_date = li.find(‘span‘, class_=‘s-fc3‘).get_text()
            print(album_img)
            print(album_name)
            print(album_date)
            photo_name = album_name.replace(‘/‘, ‘‘) + ‘.jpg‘
            if photo_name in pic_names:
                print(‘图片已下载。‘)
            else:
                urlretrieve(album_img, photo_name)
"""



if __name__ == __main__:
    obj = DownloadInfo()
    obj.getInfo()
View Code

 

以上是关于Python-爬虫-针对有frame框架的页面的主要内容,如果未能解决你的问题,请参考以下文章

用python写爬虫都有哪些框架?

python爬虫用啥框架

Python都有哪些常见的,好用的爬虫框架

最高效的python爬虫框架有几个

python爬虫框架scrapy初识

如何在scrapy框架下,用python实现爬虫自动跳转页面来抓去网页内容??