使用selenium + driver 可以抓取網頁動態數據。
<br/>
**selenium:**
selenium是一個web的自動化測試工具,最初是為網站自動化測試而開發的,selenium可以直接運行在瀏覽器上,它支持所有主流的瀏覽器,可以接收指令,讓瀏覽器自動加載頁面,獲取需要的數據,甚至頁面截屏。
安裝:`pip install selenium`
官方文檔:[http://selenium-python.readthedocs.io/api.html](http://selenium-python.readthedocs.io/api.html)
<br/>
**driver:**
driver是指瀏覽器的驅動,不同的瀏覽器有不同的驅動,使用驅動才能使Python驅動瀏覽器。
<br/>
驅動器下載地址:
ChromeDriver:https://sites.google.com/a/chromium.org/chromedriver/downloads
ChromeDriver(淘寶鏡像):https://npm.taobao.org/mirrors/chromedriver/
FirefoxDriver:https://github.com/mozilla/geckodriver/releases
EdgeDriver:https://developer.microsoft.com/en-us/microsoft-edge/tools/webdriver/
SafariDriver:https://webkit.org/blog/6900/webdriver-support-in-safari-10/
安裝:下載完成后解壓到指定的英文目錄即可。
<br/>
**Phantomis:**
Phantomjs是-個基于webkit的<mark>無界面</mark>瀏覽器,它會把網站加載到內存并執行頁面上的JavaScript。
<br/>
**1. Phantomjs案例**
```python
"""
@Date 2021/3/18
"""
from selenium import webdriver
# 1. 加載驅動
# 或者將驅動放到Python的Scripts目錄下,則可以寫成 webdriver.Chrome()
driver = webdriver.Chrome("D:/Drivers/ChromeDriver/chromedriver_win32/chromedriver.exe")
# 2. 打開瀏覽器,get就會打開瀏覽器
driver.get("https://www.baidu.com")
# 3. 我們對當前網頁截屏
driver.save_screenshot("E:/python/driver/baidu.png")
# 定位和操作
driver.find_element_by_id("kw").send_keys("長城")
driver.find_element_by_id("su").click()
# 獲取網頁源碼
page_source = driver.page_source
print(page_source)
cookies = driver.get_cookies()
print(cookies)
current_url = driver.current_url
print(current_url)
# 4. 退出瀏覽器
driver.quit()
```
- 爬蟲基本概念
- 爬蟲介紹
- 通用爬蟲與聚焦爬蟲
- 通用爬蟲
- 聚焦爬蟲
- HTTP與HTTPS協議
- HTTP協議簡介
- HTTP的請求與響應
- 客戶端HTTP請求
- 服務端HTTP響應
- requests庫
- requests庫簡介
- requests簡單使用
- 發送帶header的請求
- 發送帶參數的請求
- 案例:下載百度貼吧頁面
- 發送POST請求
- 使用代理
- 為什么要使用代理?
- 正反向代理
- 代理服務器分類
- 使用代理
- cookie和session
- cookie和session的區別
- 爬蟲處理cookie和session
- 使用session登錄網站
- 使用cookie登錄網站
- cookiejar
- 超時和重試
- verify參數忽略CA證書
- URL地址的解碼和編碼
- 數據處理
- json數據處理
- json數據處理方案
- json模塊處理json數據
- jsonpath處理json數據
- 正則表達式
- lxml
- xpath與lxml介紹
- xpathhelper插件
- 案例
- Beautiful Soup
- Beautiful Soup介紹
- 解析器
- CSS選擇器
- 案例
- 四大對象
- 爬蟲與反爬蟲
- 爬蟲與反爬蟲的斗爭
- 服務器反爬的原因
- 什么樣的爬蟲會被反爬
- 反爬領域常見概念
- 反爬的三個方向
- 基于身份識別進行反爬
- 基于爬蟲行為進行反爬
- 基于數據加密進行反爬
- js解析
- chrome瀏覽器使用
- 定位js
- 設置斷點
- js2py
- hashlib
- 有道翻譯案例
- 動態爬取HTML
- 動態HTML
- 獲取Ajax數據的方式
- selenium+driver
- driver定位
- 表單元素操作
- 行為鏈
- cookie操作
- 頁面等待
- 多窗口與頁面切換
- 配置對象
- 拉勾網案例
- 圖片驗證碼識別
- 圖形驗證碼識別技術簡介
- Tesseract
- pytesseract處理圖形驗證碼
- 打碼平臺
- 登錄打碼平臺
- 驗證碼種類
- 多任務-線程
- 繼承Thread創建線程
- 查看線程數量
- 資源共享
- 互斥鎖
- 死鎖
- 避免死鎖
- Queue線程
- 多線程爬蟲
- 多任務-進程
- 創建進程
- 進程池
- 進程間的通信
- Python GIL
- scrapy框架
- scrapy是什么?
- scrapy爬蟲流程
- 創建scrapy項目
- Selector選擇器
- logging
- scrapy shell
- 保存數據
- Item數據建模
- 翻頁請求
- Request
- CrawlSpider
- settings
- 模擬登錄
- 保存文件
- 內置Pipeline
- 自定義Pipeline
- 中間件
- selenium動態加載
- 防止反爬
- 隨機User-Agent
- 隨機IP代理
- settings中的參數
- 隨機延遲
- request.meta常用參數
- 分布式爬蟲
- 分布式原理
- scrapy_redis
- 去重問題
- 分布式爬蟲編寫流程
- CrawSpider改寫成分布式
- scrapy_splash
- scrapy_splash是什么?
- scrapy_splash環境搭建
- APP抓取
- Android模擬器
- appium
- appium是什么?
- appium環境搭建
- appium環境聯調測試
- appium的使用
- 演示項目-抓取抖音app
- 抖音app與appium的聯調測試
- 元素定位
- 抖音appium代碼
- 抓包軟件
- url去重處理