溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊(cè)×
其他方式登錄
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》

python+selenium+PhantomJS抓取網(wǎng)頁動(dòng)態(tài)加載內(nèi)容

發(fā)布時(shí)間:2020-08-20 02:51:37 來源:腳本之家 閱讀:372 作者:mdxy-dxy 欄目:開發(fā)技術(shù)

環(huán)境搭建

準(zhǔn)備工具:pyton3.5,selenium,phantomjs

我的電腦里面已經(jīng)裝好了python3.5

安裝Selenium

pip3 install selenium

安裝Phantomjs  

按照系統(tǒng)環(huán)境下載phantomjs,下載完成之后,將phantomjs.exe解壓到python的script文件夾下

使用selenium+phantomjs實(shí)現(xiàn)簡單爬蟲

from selenium import webdriver
 
 
driver = webdriver.PhantomJS()
driver.get('http://www.baidu.com')  #加載網(wǎng)頁
data = driver.page_source  #獲取網(wǎng)頁文本
driver.save_screenshot('1.png')  #截圖保存
print(data)
driver.quit()

selenium+phantomjs的一些使用方法

設(shè)置請(qǐng)求頭里的user-Agent

from selenium import webdriver
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities
 
 
dcap = dict(DesiredCapabilities.PHANTOMJS) #設(shè)置useragent
dcap['phantomjs.page.settings.userAgent'] = ('Mozilla/5.0 (Macintosh; Intel Mac OS X 10.9; rv:25.0) Gecko/20100101 Firefox/25.0 ') #根據(jù)需要設(shè)置具體的瀏覽器信息
driver = webdriver.PhantomJS(desired_capabilities=dcap) #封裝瀏覽器信息
driver.get('http://www.baidu.com')  #加載網(wǎng)頁
data = driver.page_source  #獲取網(wǎng)頁文本
driver.save_screenshot('1.png')  #截圖保存
print(data)
driver.quit()

請(qǐng)求超時(shí)設(shè)置

webdriver類中有三個(gè)和時(shí)間相關(guān)的方法:

1.pageLoadTimeout 設(shè)置頁面完全加載的超時(shí)時(shí)間,完全加載即完全渲染完成,同步和異步腳本都執(zhí)行完

2.setScriptTimeout 設(shè)置異步腳本的超時(shí)時(shí)間

3.implicitlyWait 識(shí)別對(duì)象的智能等待時(shí)間

from selenium import webdriver
 
driver = webdriver.PhantomJS()
driver.set_page_load_timeout(5) #設(shè)置超時(shí)時(shí)間
driver.get('http://www.baidu.com')
print(driver.title)
driver.quit()

設(shè)置瀏覽器窗口大小

調(diào)用啟動(dòng)的瀏覽器不是全屏的,有時(shí)候會(huì)影響我們的某些操作,所以我們可以設(shè)置全屏

driver.maximize_window() #設(shè)置全屏
driver.set_window_size('480','800') #設(shè)置瀏覽器寬480,高800  

元素定位

from selenium import webdriver
 
driver = webdriver.PhantomJS()
driver.set_page_load_timeout(5)
driver.get('http://www.baidu.com')
try:
  driver.get('http://www.baidu.com')
  driver.find_element_by_id('kw') # 通過ID定位
  driver.find_element_by_class_name('s_ipt') # 通過class屬性定位
  driver.find_element_by_name('wd') # 通過標(biāo)簽name屬性定位
  driver.find_element_by_tag_name('input') # 通過標(biāo)簽屬性定位
  driver.find_element_by_css_selector('#kw') # 通過css方式定位
  driver.find_element_by_xpath("http://input[@id='kw']") # 通過xpath方式定位
  driver.find_element_by_link_text("貼吧") # 通過xpath方式定位
  print(driver.find_element_by_id('kw').tag_name ) # 獲取標(biāo)簽的類型
except Exception as e:
  print(e)
driver.quit()

操作瀏覽器前進(jìn)或后退

from selenium import webdriver
driver = webdriver.PhantomJS()
try:
  driver.get('http://www.baidu.com')  #訪問百度首頁
  driver.save_screenshot('1.png')
  driver.get('http://www.sina.com.cn') #訪問新浪首頁
  driver.save_screenshot('2.png')
  driver.back()              #回退到百度首頁
  driver.save_screenshot('3.png')
  driver.forward()            #前進(jìn)到新浪首頁
  driver.save_screenshot('4.png')
except Exception as e:
  print(e)
driver.quit()

到此這篇關(guān)于python+selenium+PhantomJS抓取網(wǎng)頁動(dòng)態(tài)加載內(nèi)容的文章就介紹到這了,更多相關(guān)python PhantomJS抓取內(nèi)容內(nèi)容請(qǐng)搜索億速云以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持億速云!

向AI問一下細(xì)節(jié)

免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請(qǐng)聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI