Java自学者论坛

 找回密码
 立即注册

手机号码,快捷登录

恭喜Java自学者论坛(https://www.javazxz.com)已经为数万Java学习者服务超过8年了!积累会员资料超过10000G+
成为本站VIP会员,下载本站10000G+会员资源,会员资料板块,购买链接:点击进入购买VIP会员

JAVA高级面试进阶训练营视频教程

Java架构师系统进阶VIP课程

分布式高可用全栈开发微服务教程Go语言视频零基础入门到精通Java架构师3期(课件+源码)
Java开发全终端实战租房项目视频教程SpringBoot2.X入门到高级使用教程大数据培训第六期全套视频教程深度学习(CNN RNN GAN)算法原理Java亿级流量电商系统视频教程
互联网架构师视频教程年薪50万Spark2.0从入门到精通年薪50万!人工智能学习路线教程年薪50万大数据入门到精通学习路线年薪50万机器学习入门到精通教程
仿小米商城类app和小程序视频教程深度学习数据分析基础到实战最新黑马javaEE2.1就业课程从 0到JVM实战高手教程MySQL入门到精通教程
查看: 665|回复: 0

python+selenium操作chrome浏览器抓取网页解决方案

[复制链接]
  • TA的每日心情
    奋斗
    2024-11-24 15:47
  • 签到天数: 804 天

    [LV.10]以坛为家III

    2053

    主题

    2111

    帖子

    72万

    积分

    管理员

    Rank: 9Rank: 9Rank: 9

    积分
    726782
    发表于 2021-7-1 13:16:00 | 显示全部楼层 |阅读模式

    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()
    哎...今天够累的,签到来了1...
    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则

    QQ|手机版|小黑屋|Java自学者论坛 ( 声明:本站文章及资料整理自互联网,用于Java自学者交流学习使用,对资料版权不负任何法律责任,若有侵权请及时联系客服屏蔽删除 )

    GMT+8, 2024-12-22 21:34 , Processed in 0.053317 second(s), 27 queries .

    Powered by Discuz! X3.4

    Copyright © 2001-2021, Tencent Cloud.

    快速回复 返回顶部 返回列表