python抓取动态网页(大部分后大所后大所收获)

　　python抓取动态网页(大部分后大所后大所收获)

　　小编给大家分享一下python爬取动态网站的方法，相信大部分人都不太了解，所以在这里分享一下文章供大家学习，希望大家看完这文章 大丰收后，让我们一起学习方法吧！

　　Python 有很多库可以让我们轻松编写网络爬虫，爬取特定页面，获取有价值的信息！但很多情况下，爬虫获取到的页面只是静态页面，也就是网页的源代码，就像在浏览器上“查看网页源代码”一样。一些动态的东西，比如执行javascript脚本产生的信息，是无法捕获的。这里有一些解决方案可以用于python爬取js执行后输出的信息。

　　1、两个基本解决方案

　　1.1 使用dryscrape库动态抓取页面

　　js脚本由浏览器执行并返回信息。因此，在js执行后捕获页面最直接的方法之一就是使用python来模拟浏览器的行为。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的网页等等！

　　import dryscrape

# 使用dryscrape库 动态抓取页面

def get_url_dynamic(url):

    session_req=dryscrape.Session()

    session_req.visit(url) #请求页面

    response=session_req.body() #网页的文本

    #print(response)

    return response

get_text_line(get_url_dynamic(url)) #将输出一条文本

　　这也适用于其他收录js的网页！虽然可以满足爬取动态页面的要求，但是缺点还是很明显：慢！它太慢了。其实想想也是有道理的。Python调用webkit请求页面，页面加载完毕后，加载js文件，让js执行，返回执行的页面。应该慢一点！另外，可以调用webkit的库还有很多：PythonWebkit、PyWebKitGit、Pygt（可以用它写浏览器）、pyjamas等，听说也可以实现同样的功能！

　　1.2 selenium web 测试框架

　　Selenium是一个web测试框架，允许调用本地浏览器引擎发送网页请求，因此也可以实现爬取页面的需求。

　　# 使用 selenium webdriver 有效，但会实时打开浏览器窗口

　　def get_url_dynamic2(url):

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

    driver.get(url) #请求页面，会打开一个浏览器窗口

    html_text=driver.page_source

    driver.quit()

    #print html_text

    return html_text

get_text_line(get_url_dynamic2(url)) #将输出一条文本

　　这也是一个临时解决方案！类似selenium的框架也有风车，感觉稍微复杂一点，就不细说了！

　　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。出于以下原因：

　　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及以上版本需要下载第三方驱动，即geckodriver

　　还需要一些特殊操作：

　　1. 下载geckodriverckod地址：

　　mozilla/geckodriver

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

　　sudo mv ～/Downloads/geckodriver /usr/local/bin/

　　2.2 硒的使用

　　1. 运行错误：

　　driver = webdriver.chrome()

TypeError: 'module' object is not callable

　　解决方法：浏览器名称需要大写Chrome和Firefox，即

　　2. 由

　　content = driver.find_element_by_class_name('content')

　　定位元素时，此方法返回 FirefoxWebElement。当你想获取收录的值时，你可以通过

　　value = content.text

　　以上就是python爬取动态网站方法的全部内容，感谢阅读！相信大家都有一定的了解。希望分享的内容对大家有所帮助。想了解更多知识，请关注易宿云行业资讯频道！