python抓取动态网页(python爬取js执行后输出的信息-苏州安嘉)

　　python抓取动态网页(python爬取js执行后输出的信息-苏州安嘉)

　　Python有很多库，可以让我们轻松编写网络爬虫，抓取某些页面，获取有价值的信息！但是很多时候，爬虫抓取到的页面只是一个静态页面，也就是网页的源代码，就像在浏览器上“查看网页的源代码”一样。一些动态的东西，比如一个javascript脚本执行后产生的信息，是无法捕捉到的。这里暂时给出一些解决方案，可以用于python爬取js执行后输出的信息。

　　1、两种基本解决方案

　　1.1 使用dryscrape库动态抓取页面

　　js脚本通过浏览器执行并返回信息。所以js执行后抓取页面最直接的方法之一就是用python模拟浏览器的行为。WebKit是一个开源的浏览器引擎，python提供了很多库来调用这个引擎，dryscrape就是其中之一，它调用webkit引擎来处理收录

js等的网页！

　　*敏*感*词*干刮

　　#使用dryscrape库动态抓取页面

　　defget_url_dynamic(url):

　　session_req=dryscrape.Session()

　　session_req.visit(url)#请求页面

　　response=session_req.body()#网页正文

　　#打印（响应）

　　回复回复

　　get_text_line(get_url_dynamic(url))#将输出一个文本

　　这也适用于其他收录

js的网页！虽然可以满足抓取动态页面的要求，但是缺点还是很明显：慢！太慢了。其实想想也是有道理的。Python调用webkit来请求页面，页面加载完成后，加载js文件，让js执行，返回执行的页面。应该会更慢！另外，可以调用webkit的库还有很多：PythonWebkit、PyWebKitGit、Pygt（你可以用它来写浏览器）、pyjamas等等，听说它们也可以实现同样的功能！

　　1.2 selenium web 测试框架

　　Selenium 是一个网页测试框架，它允许调用本地浏览器引擎发送网页请求，因此也可以实现抓取网页的要求。

　　# 使用selenium webdriver是可行的，但是会实时打开浏览器窗口

　　defget_url_dynamic2(url):

　　driver=webdriver.Firefox()#调用本地火狐浏览器，Chrom甚至Ie也可以

　　driver.get(url)#请求一个页面，会打开一个浏览器窗口

　　html_text=driver.page_source

　　驱动程序退出（）

　　#printhtml_text

　　返回html_text

　　get_text_line(get_url_dynamic2(url))#将输出一个文本

　　这也是临时解决办法！类似selenium的框架也有风车，感觉稍微复杂一点，就不赘述了！

　　2、selenium的安装和使用

　　2.1 selenium的安装

　　要在 Ubuntu 上安装，您可以直接使用 pip install selenium。由于以下原因：

　　1. selenium 3.x 启动，在 webdriver/firefox/webdriver.py 的 __init__ 中，executable_path="geckodriver"; 并且 2.x 是 executable_path="wires"

　　2. Firefox 47 及以上，需要下载第三方驱动，geckodriver

　　还需要一些特殊的操作：

　　1. 下载geckodriverckod地址：

　　mozilla/geckodriver

　　2. 解压后，将geckodriverckod存放在/usr/local/bin/路径下：

　　sudomv～/Downloads/geckodriver/usr/local/bin/

　　2.2 selenium的使用

　　1. 运行错误：

　　驱动程序 = webdriver.chrome()

　　类型错误：“模块”对象不可调用

　　解决方法：浏览器名称需要大写Chrome和Firefox，即

　　2. 通过

　　content=driver.find_element_by_class_name('content')

　　为了定位元素，该方法返回 FirefoxWebElement。当你想获取收录

的值时，你可以通过

　　值=内容.文本

　　这篇关于如何用python爬取动态网站的文章到此结束。更多关于如何用python爬取动态网站的相关内容，请搜索我们之前的文章或继续浏览下面的相关文章。希望大家以后多多支持我们！

　　文章名称：python如何抓取动态网站