創(chuàng)新互聯(lián)www.cdcxhl.cn八線動(dòng)態(tài)BGP香港云服務(wù)器提供商，新人活動(dòng)買多久送多久，劃算不套路！
小編給大家分享一下python爬動(dòng)態(tài)網(wǎng)站的方法，相信大部分人都還不怎么了解，因此分享這邊文章給大家學(xué)習(xí)，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去學(xué)習(xí)方法吧！
python有許多庫(kù)可以讓我們很方便地編寫網(wǎng)絡(luò)爬蟲，爬取某些頁(yè)面，獲得有價(jià)值的信息！但許多時(shí)候，爬蟲取到的頁(yè)面僅僅是一個(gè)靜態(tài)的頁(yè)面，即網(wǎng)頁(yè) 的源代碼，就像在瀏覽器上的“查看網(wǎng)頁(yè)源代碼”一樣。一些動(dòng)態(tài)的東西如javascript腳本執(zhí)行后所產(chǎn)生的信息，是抓取不到的，這里暫且先給出這么一 些方案，可用于python爬取js執(zhí)行后輸出的信息。
1、兩種基本的解決方案
1.1 用dryscrape庫(kù)動(dòng)態(tài)抓取頁(yè)面
js腳本是通過(guò)瀏覽器來(lái)執(zhí)行并返回信息的，所以，抓取js執(zhí)行后的頁(yè)面，一個(gè)最直接的方式就是用python模擬瀏覽器的行為。WebKit 是一個(gè)開源的瀏覽器引擎，python提供了許多庫(kù)可以調(diào)用這個(gè)引擎，dryscrape便是其中之一，它調(diào)用webkit引擎來(lái)處理包含js等的網(wǎng)頁(yè)！
import dryscrape # 使用dryscrape庫(kù) 動(dòng)態(tài)抓取頁(yè)面 def get_url_dynamic(url): session_req=dryscrape.Session() session_req.visit(url) #請(qǐng)求頁(yè)面 response=session_req.body() #網(wǎng)頁(yè)的文本 #print(response) return response get_text_line(get_url_dynamic(url)) #將輸出一條文本
這里對(duì)于其余包含js的網(wǎng)頁(yè)也是適用的！雖然可以滿足抓取動(dòng)態(tài)頁(yè)面的要求，但缺點(diǎn)還是很明顯的：慢！太慢了，其實(shí)想一想也合理，python調(diào)用 webkit請(qǐng)求頁(yè)面，而且等頁(yè)面加載完，載入js文件，讓js執(zhí)行，將執(zhí)行后的頁(yè)面返回，慢一點(diǎn)也是應(yīng)該的！除外還有很多庫(kù)可以調(diào)用 webkit：PythonWebkit，PyWebKitGit，Pygt（可以用它寫個(gè)瀏覽器），pyjamas等等，聽說(shuō)它們也可以實(shí)現(xiàn)相同的功能！
1.2 selenium web測(cè)試框架
selenium是一個(gè)web測(cè)試框架，它允許調(diào)用本地的瀏覽器引擎發(fā)送網(wǎng)頁(yè)請(qǐng)求，所以，它同樣可以實(shí)現(xiàn)抓取頁(yè)面的要求。
# 使用 selenium webdriver 可行，但會(huì)實(shí)時(shí)打開瀏覽器窗口
def get_url_dynamic2(url): driver=webdriver.Firefox() #調(diào)用本地的火狐瀏覽器，Chrom 甚至 Ie 也可以的 driver.get(url) #請(qǐng)求頁(yè)面，會(huì)打開一個(gè)瀏覽器窗口 html_text=driver.page_source driver.quit() #print html_text return html_text get_text_line(get_url_dynamic2(url)) #將輸出一條文本
這也不失為一條臨時(shí)的解決方案！與selenium類似的框架還有一個(gè)windmill，感覺(jué)稍復(fù)雜一些，就不再贅述！
2、selenium的安裝與使用
2.1 selenium的安裝
在Ubuntu上安裝可以直接使用pip install selenium。由于以下原因：
1. selenium 3.x開始，webdriver/firefox/webdriver.py的__init__中，executable_path="geckodriver"；而2.x是executable_path="wires"
2. firefox 47以上版本，需要下載第三方driver，即geckodriver
還需要一些特殊操作：
1. 下載 geckodriverckod 地址：
mozilla/geckodriver
2. 解壓后將geckodriverckod 存放至 /usr/local/bin/ 路徑下即可：
sudo mv ～/Downloads/geckodriver /usr/local/bin/
2.2 selenium的使用
1. 運(yùn)行報(bào)錯(cuò)：
driver = webdriver.chrome() TypeError: 'module' object is not callable
解決方案：瀏覽器的名稱需要大寫Chrome和Firefox，Ie
2. 通過(guò)
重慶分公司
重慶分公司
content = driver.find_element_by_class_name('content')來(lái)定位元素時(shí)，該方法返回的是FirefoxWebElement，想要獲取包含的值時(shí)，可以通過(guò)
value = content.text
以上是python爬動(dòng)態(tài)網(wǎng)站的方法的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道！
