python抓取动态网页(本文实例讲述Python3实现抓取javascript动态生成的html网页功能 )

　　python抓取动态网页(本文实例讲述Python3实现抓取javascript动态生成的html网页功能

)

　　本文以Python3为例，实现抓取javascript动态生成的html网页的功能。分享给大家，供大家参考，如下：

　　使用urllib等抓取网页只能读取网页的静态源文件，不能读取javascript生成的内容。

　　原因是urllib是瞬间抓取的。不等待javascript的加载延迟，因此页面中javascript生成的内容无法被urllib读取。

　　真的没有办法读取javascript生成的内容吗？不！

　　这里是一个python库：selenium，本文使用的版本是2.44.0

　　先安装：

　　

pip install -U selenium

　　以下三个例子说明了它的用法：

　　[示例 0]

　　打开火狐浏览器

　　使用给定的 url 地址加载页面

　　

from selenium import webdriver

browser = webdriver.Firefox()

browser.get('http://www.baidu.com/')

　　[示例 1]

　　打开火狐浏览器

　　加载百度主页

　　搜索“seleniumhq”

　　关闭浏览器

　　

from selenium import webdriver

from selenium.webdriver.common.keys import Keys

browser = webdriver.Firefox()

browser.get('http://www.baidu.com')

assert '百度' in browser.title

elem = browser.find_element_by_name('p') # Find the search box

elem.send_keys('seleniumhq' + Keys.RETURN) # 模拟按键

browser.quit()

　　[示例 2]

　　Selenium WebDriver 常用于测试网络程序。以下是使用 Python 标准库 unittest 的示例：

　　

import unittest

class BaiduTestCase(unittest.TestCase):

def setUp(self):

self.browser = webdriver.Firefox()

self.addCleanup(self.browser.quit)

def testPageTitle(self):

self.browser.get('http://www.baidu.com')

self.assertIn('百度', self.browser.title)

if __name__ == '__main__':

unittest.main(verbosity=2)

　　希望这篇文章对你的 Python 编程有所帮助。