文章目录

  • 使用Selenium库
    • 例子引入
    • 声明游览器对象
    • 访问页面
    • 查找节点
      • 单个节点
      • 多个节点
    • 节点交互
    • 动作链
    • 模拟执行javascript
    • 获取节点信息
      • 获取属性
      • 获取文本值
      • 获取id，位置，标签名和大小
    • 切换Frame
    • 延时等待
      • 隐式等待
      • 显示等待
    • 前进和后退
    • Cookies
    • 选项卡管理

  虽然有些通过ajax动态渲染出来的页面通过对请求链接的分析我们仍然可以使用urllib或requests库来进行数据爬取，但javascript动态渲染页面的方式不止ajax一种，如echart官网的许多图表都是经过javascript执行特定算法生成的，且对于淘宝这种页面，其ajax请求中含有很多加密参数，我们也很难直接分析出它的规律。

  为了解决这些问题，我们可以直接使用模拟浏览器运行的方式来实现，这样就可以做到在浏览器中看到是什么样，抓取的源码就是什么样，也就是可见即可爬。这样我们就不用再去管网页内部的JavaScript用了什么算法渲染页面，不用管网页后台的Ajax接口到底有哪些参数。

使用Selenium库

  Selenium是一个自动化测试工具，利用它可以驱动浏览器执行特定的动作，如点击、下拉等操作，同时还可以获取浏览器当前呈现的页面的源代码，做到可见即可爬。对于一些JavaScript 动态渲染的页面来说，此种抓取方式非常有效。

例子引入

  在使用Selenium之前，要根据电脑上已安装的chrome游览器的版本选择合适的版本下载chromedriver(下载地址：http://chromedriver.storage.googleapis.com/index.html)，windows下将下载到的chromedriver.exe文件放进python安装目录的scripts子目录即可。

下面来看一段使用selenium通过googledriver唤醒chrome自动进行测试的例子：

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWaitbrowser = webdriver.Chrome()
try:browser.get('https://www.baidu.com')input = browser.find_element_by_id('kw')input.send_keys('Python')input.send_keys(Keys.ENTER)wait = WebDriverWait(browser, 10)wait.until(EC.presence_of_element_located((By.ID, 'content_left')))print(browser.current_url)# 输出当前的cookieprint(browser.get_cookies())# 输出网页源代码print(browser.page_source)
finally:browser.close()

  上述代码在游览器中造成的效果是先打开https://www.baidu.com百度页面，向里面输入Python，按回车确认搜索，游览器的搜索结果就出来了。游览器渲染出页面后selenium会马上抓取游览器此时相关的实时数据，如网页源码，cookie等。

声明游览器对象

  selenium支持很多游览器，如Chrome，Firefox,Opera和Edge等，还支持Andriod，BlackBerry等手机端的游览器，另外还支持无界面游览器PhantomJS。

from selenium import webdriverbrowser = webdriver.Chrome()
browser = webdriver.Firefox()
browser = webdriver.Edge()
browser = webdriver.PhantomJS()
browser = webdriver.Safari()

得到了游览器对象之后，我们就可以使相应的游览器执行一定的自动化操作。

访问页面

使用get()方法来请求网页。

from selenium import webdriverbrowser = webdriver.Chrome()
browser.get('https://www.taobao.com')
print(browser.page_source)
browser.close()

查找节点

  Selenium可以驱动浏览器完成各种操作，比如填充表单、模拟点击等。比如，我们想要完成向某个输入框输入文字的操作，总需要知道这个输入框在哪里吧？而Selenium提供了一系列查找节点的方法，我们可以用这些方法来获取想要的节点，以便下一步执行一些动作或者提取信息。

单个节点

from selenium import webdriverbrowser = webdriver.Chrome()
browser.get('https://www.taobao.com')
# 根据id查找节点
input_first = browser.find_element_by_id('q')
# 根据css选择器查找节点
input_second = browser.find_element_by_css_selector('#q')
# 根据xpath字符串查找节点
input_third = browser.find_element_by_xpath('//*[@id="q"]')
# 得到的节点都是WebElement类型
print(input_first, input_second, input_third)
browser.close()# /*******----- 输出: ------********\
# <selenium.webdriver.remote.webelement.WebElement (session="d6c26ae5f786e0c93f7a7fec0489cfed", element="0.5340882430844567-1")> <selenium.webdriver.remote.webelement.WebElement (session="d6c26ae5f786e0c93f7a7fec0489cfed", element="0.5340882430844567-1")> <selenium.webdriver.remote.webelement.WebElement (session="d6c26ae5f786e0c93f7a7fec0489cfed", element="0.5340882430844567-1")>

  除了上述通过id,css选择器，xpath表达式查找节点外，selenuim还提供了其他各种根据类名，标签名查找节点的方法：

  • find_element_by_id()
  • find_element_by_name()
  • find_element_by_xpath()
  • find_element_by_link_text()
  • find_element_by_partial_link_text()
  • find_element_by_tag_name()
  • find_element_by_class_name()
  • find_element_by_css_selector()

另外，selenium还提供了一个通用的查找节点的方法find_element()，它需要两个参数，查找方式By和查找信息：

from selenium import webdriver
from selenium.webdriver.common.by import Bybrowser = webdriver.Chrome()
browser.get('https://www.taobao.com')
# find_element(By.ID, 'q')其实等价于find_element_by_id('q')
input_first = browser.find_element(By.ID, 'q')
print(input_first)
browser.close()

多个节点

  如果符合条件的节点有多个，则再使用find_element()系列的方法就只能得到匹配列表中第一个符合条件的节点了，要想拿到所有匹配成功的节点，则需要使用find_elements()系列的方法。

from selenium import webdriverbrowser = webdriver.Chrome()
browser.get('https://www.taobao.com')
lis = browser.find_elements_by_css_selector('.service-bd li')
# 可见，find_elements()系列方法得到的是一个列表，其中每个节点都是WebElement类型
print(lis)
browser.close()# /*******----- 输出: ------********\
# [<selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-1")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-2")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-3")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-4")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-5")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-6")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-7")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-8")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-9")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-10")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-11")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-12")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-13")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-14")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-15")>, <selenium.webdriver.remote.webelement.WebElement (session="a33ce2bb8b9eb52fcf7f35bae80f0b5a", element="0.44267452260967244-16")>]

  可见，find_elements()系列方法除了加了个-s外，其他方面与find_element()的使用没有什么不同。

节点交互

  Selenium 可以驱动浏览器来执行一些操作，也就是说可以让浏览器模拟执行一些动作。比较常见的用法有：输入文字时用send_keys()方法，清空文字时用clear()方法，点击按钮时用click()方法。

from selenium import webdriver
import timebrowser = webdriver.Chrome()
browser.get('https://www.taobao.com')
input = browser.find_element_by_id('q')
input.send_keys('iPhone')
time.sleep(1)
input.clear()
input.send_keys('iPad')
button = browser.find_element_by_class_name('btn-search')
button.click()

动作链

  在上面的实例中，一些交互动作都是针对某个节点执行的。比如，对于输入框，我们就调用它的输入文字和清空文字的方法；对于按钮，就调用它的点击方法。其实，还有另外一些操作，它们是没有特定的执行对象的，比如鼠标拖曳、键盘按键等，这些动作用另一种方式来执行，那就是动作链。

通过动作链模拟鼠标拖拽动作：

from selenium import webdriver
from selenium.webdriver import ActionChainsbrowser = webdriver.Chrome()
browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
browser.switch_to.frame('iframeResult')
source = browser.find_element_by_css_selector('#draggable')
target = browser.find_element_by_css_selector('#droppable')
actions = ActionChains(browser)
# 定义鼠标操作的起始节点和目标节点
actions.drag_and_drop(source, target)
# 执行动作链
actions.perform()

模拟执行javascript

对于有些操作，selenium并没有提供相应的实现方式，如下拉进度条。

from selenium import webdriverbrowser = webdriver.Chrome()
browser.get('http://www.zhihu.com/explore')
# 模拟执行javascript将进度条拉到最底层
browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')
# javascript弹窗
browser.execute_script('alert("To Bottom")')

获取节点信息

  事实上，使用selenium的page_source拿到网页的源代码后我们就可以使用解析库进行分析了，但selenium中也提供了关于节点的操作。

获取属性

使用get_attribute()获取节点属性。

from selenium import webdriver
from selenium.webdriver import ActionChainsbrowser = webdriver.Chrome()
url = 'http://www.zhihu.com/explore'
browser.get(url)
logo = browser.find_element_by_id('zh-top-link-logo')
print(logo)
# 使用get_attribute(attriName)得到属性的属性值
print(logo.get_attribute('class'))# /*******----- 输出: ------********\
# <selenium.webdriver.remote.webelement.WebElement (session="17c9c451ffb0cd1be94a5cea33bbae43", element="0.7613575567246984-1")>
# zu-top-link-logo

获取文本值

直接使用text属性可获得节点的内部文本信息。

from selenium import webdriverbrowser = webdriver.Chrome()
url = 'http://www.zhihu.com/explore'
browser.get(url)
input = browser.find_element_by_class_name('z-top-add-question')
# 使用text属性获取节点内部纯文本
print(input.text)

获取id，位置，标签名和大小

id，location，tag_name和size属性分别用于获取id，位置，标签名和大小这几个属性的值。

from selenium import webdriverbrowser = webdriver.Chrome()
url = 'http://www.zhihu.com/explore'
browser.get(url)
input = browser.find_element_by_class_name('z-top-add-question')
print(input.id)
print(input.location)
print(input.tag_name)
print(input.size)

切换Frame

  我们知道，网页中有一种节点叫作iframe，也就是子Frame，相当于页面的子页面，它的结构和外部网页的结构完全一致。Selenium打开页面后，它默认是在父级Frame里面操作，而此时如果页面中还有子Frame，它是不能获取到子Frame里面的节点的。这时就需要使用switch_to.frame()方法来切换Frame。

from selenium import webdriver
from selenium.common.exceptions import NoSuchElementExceptionbrowser = webdriver.Chrome()
url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'
browser.get(url)
# 使用switch_to.frame()切换到子Frame
browser.switch_to.frame('iframeResult')
try:logo = browser.find_element_by_class_name('logo')
except NoSuchElementException:# 很显然，在子Frame里获取在父级Frame里的logo肯定是行不通的print('No LOGO')
# 切换回父级Frame
browser.switch_to.parent_frame()
logo = browser.find_element_by_class_name('logo')
print(logo)
print(logo.text)# /*******----- 输出: ------********\
# No LOGO
# <selenium.webdriver.remote.webelement.WebElement (session="141e8e5ea08858ddd935b76e78a8e760", element="0.8862627868470645-2")>
# RUNOOB.COM

延时等待

  在Selenium中，get()方法会在网页框架加载结束后结束执行，此时如果获取page_source ，可能并不是浏览器完全加载完成的页面，如果某些页面有额外的Ajax请求，我们在网页惊代码中也不一定能成功获取到。所以，这里需要延时等待一定时间，确保节点已经加载出来。

等待的方式有两种，一是隐式等待，另一个是显示等待。

隐式等待

from selenium import webdriverbrowser = webdriver.Chrome()
browser.implicitly_wait(10)
url = 'https://www.zhihu.com/explore'
input = browser.find_element_by_class_name('zu-top-add-question')
print(input)

  隐式等待的效果其实并没有那么好，因为我们只规定了一个固定时间，而页面的加载时间会受到网络条件的影响。

显示等待

  显示等待则指定要查找的节点，然后指定一个最长等待时间。如果
在规定时间内加载出来了这个节点，就返回查找的节点；如果到了规定时间依然没有加载出该节点，则抛出超时异常。

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as ECbrowser = webdriver.Chrome()
url = 'https://www.taobao.com/'
browser.get(url)
# 使用WebDriverWait对象指定最长等待时间
wait = WebDriverWait(browser, 10)
# 使用until()传入结束等待的条件
# presence_of_element_located()表示指定的节点出现了
input = wait.until(EC.presence_of_element_located((By.ID, 'q')))
# element_to_be_clickable()表示指定的节点(按钮)是可点击的状态
button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '.btn-search')))
# 如果 10 秒内它是可点击的，也就是成功加载出来了，就返回这个按钮节点；如果超过 10 秒还不可点击，也就是还没有加载出来，就抛出异常
print(input, button)# /*******----- 输出: ------********\
# <selenium.webdriver.remote.webelement.WebElement (session="f87f4f20d206bc71642caaec70bf306f", element="0.07547676411983129-1")> <selenium.webdriver.remote.webelement.WebElement (session="f87f4f20d206bc71642caaec70bf306f", element="0.07547676411983129-2")>

而等待条件，除了上述代码中演示过的，其实还有很多：

等待条件 含义
title_is 标题是某内容
title_contains 标题包含某内容
presence_of_element_located 节点加载出来，传入定位元组，如(By. ID, ‘p’)
visibility_of_element_located 节点可见，传人定位元组
visibility_of 可见，传人节点对象
presence_of^all_elements_located 所有节点都加载出来
text_towbe_present-in_element 某个节点文本包含某文字
text_to_be_present_in_element_value 某个节点值包含某文字
frame_to_be_available_and_switch_to_it 加载并切换
invisibility_of_element-located 节点不可见
element_to-be-Clickable 节点可点击
staleness_of 判断一个节点是否仍在DOM,可用于判断一个页面是否已经刷新
element_to_be_selected 节点可选择，传入节点对象
element_located_to_be_selected 节点可选择，传人定位元组
element_selection_state_to_be 传人节点对象以及状态，相等返回True,否则返回False
element_located_selection_state_to_be 传入定位元组以及状态，相等返回True,否则返回False
alert_is_present 是否出现警告

前进和后退

  一般浏览器都有前进和后退功能(即返回到上级网页和回到之后的网页)， Selenium也可以完成这个操作，它使用back()方法后退，使用于forward()方法前进。

from selenium import webdriver
import time
browser = webdriver.Chrome()
browser.get('https://www.baidu.com/')
browser.get('https://www.taobao.com/')
browser.get('https://www.python.org/')
browser.back()
time.sleep(1)
browser.forward()
browser.close()

Cookies

使用Selenium，还可以方便地对Cookies进行操作，例如获取、添加、删除Cookies等。

from selenium import webdriverbrowser = webdriver.Chrome()
# 页面加载完成后，游览器的cookie就已经生成了
browser.get('https://www.zhihu.com/explore')
# 使用get_cookie()输出所有cookie
print(browser.get_cookies())
# 使用add_cookie()向游览器增加cookie记录
browser.add_cookie({'name': 'name', 'domain': 'www.zhihu.com', 'value': 'germey'})
print(browser.get_cookies())
# 删除所有cookie
browser.delete_all_cookies()
print(browser.get_cookies())
browser.close()# /*******----- 输出: ------********\
# [{'value': '1', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'l_n_c', 'secure': False}, {'value': '80f350dcd7c650b07bd7b485fcab5bf7', 'path': '/', 'domain': 'www.zhihu.com', 'httpOnly': False, 'name': 'tgw_l7_route', 'expiry': 1547908601.342857, 'secure': False}, {'value': '51854390.0.10.1547907704', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': '__utmb', 'expiry': 1547909504, 'secure': False}, {'value': '4eb359484d4a4a7c976db940667702a7|1547907703000|1547907703000', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'q_c1', 'expiry': 1642515702.342909, 'secure': False}, {'value': '3d56b90bcd968521f27ea4779c962193', 'path': '/', 'domain': 'www.zhihu.com', 'httpOnly': False, 'name': '_xsrf', 'secure': False}, {'value': '"NmFmZTc4MjA3OGViNDUyNGEzODQ2MTMyMDQyNTgwNDY=|1547907703|8766f13e22119faced8db1aa6daff9bcdfab1e32"', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'r_cap_id', 'expiry': 1550499702.342951, 'secure': False}, {'value': '"ZTcyZGMyZTI4NGI2NDY1NzkyYjM2MzRmMDkzZjEyYjI=|1547907702|2bf8c3ca9cd16dc3d843cd3d1f00fdaf7f068467"', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'cap_id', 'expiry': 1550499701.342968, 'secure': False}, {'value': '"YTllZjJkMTZmZDQxNGE4ZmIwMWIwZTI3M2IzNTNjMTg=|1547907703|c46368fc45e35567ef681be1ca4c3004938c9066"', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'l_cap_id', 'expiry': 1550499702.342985, 'secure': False}, {'value': '1', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'n_c', 'secure': False}, {'value': '"ACBiqfWy2Q6PTmkQdt7ZJ9dWbDRjWANhr70=|1547907705"', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'd_c0', 'expiry': 1642515704.387046, 'secure': False}, {'value': '51854390.825222534.1547907704.1547907704.1547907704.1', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': '__utma', 'expiry': 1610979704, 'secure': False}, {'value': '51854390', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': '__utmc', 'secure': False}, {'value': '51854390.1547907704.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none)', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': '__utmz', 'expiry': 1563675704, 'secure': False}, {'value': '51854390.000--|3=entry_date=20190119=1', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': '__utmv', 'expiry': 1610979704, 'secure': False}, {'value': '9d0a8461-702d-4f3a-8c94-e0950d80e675', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': '_zap', 'expiry': 1610979704, 'secure': False}]
# [{'value': '1', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'l_n_c', 'secure': False}, {'value': '80f350dcd7c650b07bd7b485fcab5bf7', 'path': '/', 'domain': 'www.zhihu.com', 'httpOnly': False, 'name': 'tgw_l7_route', 'expiry': 1547908601.342857, 'secure': False}, {'value': '51854390.0.10.1547907704', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': '__utmb', 'expiry': 1547909504, 'secure': False}, {'value': '4eb359484d4a4a7c976db940667702a7|1547907703000|1547907703000', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'q_c1', 'expiry': 1642515702.342909, 'secure': False}, {'value': '3d56b90bcd968521f27ea4779c962193', 'path': '/', 'domain': 'www.zhihu.com', 'httpOnly': False, 'name': '_xsrf', 'secure': False}, {'value': '"NmFmZTc4MjA3OGViNDUyNGEzODQ2MTMyMDQyNTgwNDY=|1547907703|8766f13e22119faced8db1aa6daff9bcdfab1e32"', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'r_cap_id', 'expiry': 1550499702.342951, 'secure': False}, {'value': '"ZTcyZGMyZTI4NGI2NDY1NzkyYjM2MzRmMDkzZjEyYjI=|1547907702|2bf8c3ca9cd16dc3d843cd3d1f00fdaf7f068467"', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'cap_id', 'expiry': 1550499701.342968, 'secure': False}, {'value': '"YTllZjJkMTZmZDQxNGE4ZmIwMWIwZTI3M2IzNTNjMTg=|1547907703|c46368fc45e35567ef681be1ca4c3004938c9066"', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'l_cap_id', 'expiry': 1550499702.342985, 'secure': False}, {'value': '1', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'n_c', 'secure': False}, {'value': '"ACBiqfWy2Q6PTmkQdt7ZJ9dWbDRjWANhr70=|1547907705"', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': 'd_c0', 'expiry': 1642515704.387046, 'secure': False}, {'value': '51854390.825222534.1547907704.1547907704.1547907704.1', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': '__utma', 'expiry': 1610979704, 'secure': False}, {'value': '51854390', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': '__utmc', 'secure': False}, {'value': '51854390.1547907704.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none)', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': '__utmz', 'expiry': 1563675704, 'secure': False}, {'value': '51854390.000--|3=entry_date=20190119=1', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': '__utmv', 'expiry': 1610979704, 'secure': False}, {'value': '9d0a8461-702d-4f3a-8c94-e0950d80e675', 'path': '/', 'domain': '.zhihu.com', 'httpOnly': False, 'name': '_zap', 'expiry': 1610979704, 'secure': False}, {'value': 'germey', 'path': '/', 'domain': 'www.zhihu.com', 'httpOnly': False, 'name': 'name', 'expiry': 2178627704, 'secure': True}]
# []

选项卡管理

在使用游览器打开网页时会伴随选项卡的开启，使用Selenium可以对选项卡进行操作。

from selenium import webdriver
import timebrowser = webdriver.Chrome()
# 在第一个选项(此时也只有一个选项卡)卡中打开https://www.baidu.com
browser.get('https://www.baidu.com')
# 执行window.open()开启一个新选项卡
browser.execute_script('window.open()')
print(browser.window_handles)
# 切换到第二个选项卡
browser.switch_to_window(browser.window_handles[1])
browser.get('https://www.taobao.com')
time.sleep(1)
# 在回到第一个选项卡中打开https://python.org
browser.switch_to_window(browser.window_handles[0])
browser.get('https://python.org')

Python爬虫基础(三) —— 爬取动态渲染页面相关推荐

  1. python爬虫使用selenium爬取动态网页信息——以智联招聘网站为例

    python版本3.6 #导入两个模块 from selenium import webdriver import time from openpyxl import Workbook import ...

  2. Scrapy定向爬虫教程(三)——爬取多个页面

    本节内容 本部分所实现的功能是,批量的爬取网页信息,不再是像以前那样只能下载一个页面了.也就是说,分析出网页的url规律后,用特定的算法去迭代,达到把整个网站的有效信息都拿下的目的. 因为本部分讲完后 ...

  3. [Python 爬虫] 使用 Scrapy 爬取新浪微博用户信息（三） —— 数据的持久化——使用MongoDB存储爬取的数据

    上一篇:[Python 爬虫] 使用 Scrapy 爬取新浪微博用户信息(二) -- 编写一个基本的 Spider 爬取微博用户信息 在上一篇博客中,我们已经新建了一个爬虫应用,并简单实现了爬取一位微 ...

  4. 【Python爬虫】从零开始爬取Sci-Hub上的论文(串行爬取)

    [Python爬虫]从零开始爬取Sci-Hub上的论文(串行爬取) 维护日志 项目简介 步骤与实践 STEP1 获取目标内容的列表 STEP2 利用开发者工具进行网页调研 2.1 提取文章链接和分页链 ...

  5. [Python 爬虫] 使用 Scrapy 爬取新浪微博用户信息（四） —— 应对反爬技术（选取 User-Agent、添加 IP代理池以及Cookies池 ）

    上一篇:[Python 爬虫] 使用 Scrapy 爬取新浪微博用户信息(三) -- 数据的持久化--使用MongoDB存储爬取的数据 最近项目有些忙,很多需求紧急上线,所以一直没能完善< 使用 ...

  6. Python爬虫入门 | 4 爬取豆瓣TOP250图书信息

      先来看看页面长啥样的:https://book.douban.com/top250   我们将要爬取哪些信息:书名.链接.评分.一句话评价--   1. 爬取单个信息 我们先来尝试爬取书名,利用之 ...

  7. 使用 Scrapy + Selenium 爬取动态渲染的页面

    点击上方蓝字关注我们! 背景 在通过scrapy框架进行某些网站数据爬取的时候,往往会碰到页面动态数据加载的情况发生,如果直接使用scrapy对其url发请求,是绝对获取不到那部分动态加载出来的数据值 ...

  8. 使用scrapy +selenium爬取动态渲染的页面

    背景 在通过scrapy框架进行某些网站数据爬取的时候,往往会碰到页面动态数据加载的情况发生,如果直接使用scrapy对其url发请求,是绝对获取不到那部分动态加载出来的数据值.但是通过观察我们会发现 ...

  9. Python爬虫入门 | 5 爬取小猪短租租房信息

    小猪短租是一个租房网站,上面有很多优质的民宿出租信息,下面我们以成都地区的租房信息为例,来尝试爬取这些数据. 小猪短租(成都)页面:http://cd.xiaozhu.com/   1.爬取租房标题 ...

最新文章

  1. linux mysql怎么样_最强Linux和Mysql面试题套餐，让你的面试无懈可击！
  2. Leetcode 219. 存在重复元素 II 解题思路及C++实现
  3. 串口IDLE空闲中断+DMA实现接收不定长数据基于stm32cubemx
  4. 变种 背包问题_【朝夕的ACM笔记】动态规划-背包问题
  5. 《神经网络和深度学习》系列文章五：用简单的网络结构解决手写数字识别
  6. SAP License：SAP系统上线后的预收款处理
  7. 计算机系统-电路设计01-非门电路
  8. 《复变函数论》试题库及答案
  9. 百度定位出现162错误码
  10. ubuntu安装linux deepin,如何在ubuntu上安装如何在Ubuntu上安装Deepin桌面环境
  11. java源码简体转繁体
  12. 松下机器人找原点步骤_松下机器人操作规程
  13. elasticsearch(es)的安装-macOs
  14. 解决米8应用下面有黑边的问题
  15. 加权平均数的例子_EXCEL 加权平均数的计算
  16. prefetch_related和select_related的区别
  17. ezw证件照芯片压缩算法
  18. 初代网红绿茶餐厅闯关IPO：翻台率萎靡、上市难回春
  19. Google Chrome 75.0.3770.100 插件丰富且自带翻译的浏览器
  20. 折纸问题(规律题)(map的使用)

热门文章

  1. Socially-Aware Self-Supervised Tri-Training for Recommendation
  2. linux 脚本的异步执行,shell命令同步异步
  3. 利用Web玩转树莓派
  4. DSPE-PEG2000，147867-65-0在脂质系统中具有的重要地位的热门材料
  5. linux服务器怎么降低内核cpu进程,Linux性能挖潜的隐藏招数:内核CPU亲和性参数调整...
  6. 介绍非关系型数据库redis
  7. 重排和重绘理解及解决方法
  8. nginx配置:woker_rlimit_nofile工作进程最大打开文件数
  9. telephony.db分析
  10. python特点优点_python特点和优点？