今天給各位分享selenium網(wǎng)頁(yè)源碼xml解析的知識(shí)，其中也會(huì)對(duì)selenium 獲取html進(jìn)行解釋，如果能碰巧解決你現(xiàn)在面臨的問(wèn)題，別忘了關(guān)注本站，現(xiàn)在開始吧！

本文目錄一覽：

• 1、selenium xml腳本怎么用
• 2、python，求一個(gè)簡(jiǎn)單的selenium+re的網(wǎng)頁(yè)源碼爬取
• 3、python爬蟲怎么獲取動(dòng)態(tài)的網(wǎng)頁(yè)源碼

selenium xml腳本怎么用

先對(duì)XPath做個(gè)簡(jiǎn)坦培短介紹，之后用實(shí)例具體說(shuō)明： 1.EXTJS的頁(yè)面源碼是多個(gè)div組成的，對(duì)于div id為常量時(shí)，可用div先定位，再由其讓裂唯他標(biāo)簽定位，例如input field可用label name，button可用button上的文字來(lái)定位源春。 2.在定位更接近目標(biāo)的節(jié)點(diǎn)時(shí)可用

python，求一個(gè)簡(jiǎn)單的selenium+re的網(wǎng)頁(yè)源碼爬取

網(wǎng)頁(yè)爬取不一定要用Selenium，Selenium是為渣螞老了注入瀏覽器獲取點(diǎn)擊行為的調(diào)試工具，如果網(wǎng)頁(yè)無(wú)需人工交互就可以抓取，不建議你物臘使用selenium。要使用它，你需要安裝一個(gè)工具軟件，使用Chrome瀏覽器需要下載chromedriver.exe到system32下，如使用firefox則要下載geckodriver.exe到system32下。下面以chromedriver驅(qū)動(dòng)chrome為例：

#?-*-?coding:UTF-8?-*-

from?selenium?import?webdriver

from?bs4?import?BeautifulSoup

import?re

import?time

if?__name__?==?'__main__':

options?=?webdriver.ChromeOptions()

options.add_argument('user-agent="Mozilla/5.0?(Linux;?Android?4.0.4;?Galaxy?Nexus?Build/IMM76B)?AppleWebKit/535.19?(KHTML,?like?Gecko)?Chrome/18.0.1025.133?Mobile?Safari/535.19"')

driver?=?webdriver.Chrome()

driver.get('url')#你要抓取百度文庫(kù)的URL，隨便找個(gè)幾十頁(yè)的替換掉

html?=?driver.page_source

bf1?=?BeautifulSoup(html,?'lxml')

result?=?bf1.find_all(class_='rtcspage')

bf2?=?BeautifulSoup(str(result[0]),?'lxml')

title?=?bf2.div.div.h1.string

pagenum?=?bf2.find_all(class_='size')

pagenum?=?BeautifulSoup(str(pagenum),?'lxml').span.string

pagepattern?=?re.compile('頁(yè)數(shù)：(\d+)頁(yè)')

num?=?int(pagepattern.findall(pagenum)[0])

print('文章標(biāo)題：%s'?%?title)

print('如升文章頁(yè)數(shù)：%d'?%?num)

while?True:

num?=?num?/?5.0

html?=?driver.page_source

bf1?=?BeautifulSoup(html,?'lxml')

result?=?bf1.find_all(class_='rtcspage')

for?each_result?in?result:

bf2?=?BeautifulSoup(str(each_result),?'lxml')

texts?=?bf2.find_all('p')

for?each_text?in?texts:

main_body?=?BeautifulSoup(str(each_text),?'lxml')

for?each?in?main_body.find_all(True):

if?each.name?==?'span':

print(each.string.replace('\xa0',''),end='')

elif?each.name?==?'br':

print('')

print('\n')

if?num??1:

page?=?driver.find_elements_by_xpath("http://div[@class='page']")

driver.execute_script('arguments[0].scrollIntoView();',?page[-1])?#拖動(dòng)到可見的元素去

nextpage?=?driver.find_element_by_xpath("http://a[@data-fun='next']")

nextpage.click()

time.sleep(3)

else:

break

執(zhí)行代碼，chromedriver自動(dòng)為你打開chrome瀏覽器，此時(shí)你翻頁(yè)到最后，點(diǎn)擊閱讀更多，然后等一段時(shí)間后關(guān)閉瀏覽器，代碼繼續(xù)執(zhí)行。

python爬蟲怎么獲取動(dòng)態(tài)的網(wǎng)頁(yè)源碼

一個(gè)月前實(shí)習(xí)導(dǎo)師布置任務(wù)說(shuō)通過(guò)網(wǎng)絡(luò)爬蟲獲取深圳市氣橡差含象局發(fā)布的降雨數(shù)據(jù)，網(wǎng)頁(yè)如下：

心想，爬蟲不太難的，當(dāng)年跟zjb爬煎蛋網(wǎng)無(wú)（mei）聊（zi）圖的時(shí)候，多么清高。由于接受任務(wù)后的一個(gè)月考試加作業(yè)一大堆，導(dǎo)師也不催，自己也不急。

但是，導(dǎo)師等我一個(gè)月都得讓我來(lái)寫意味著這東西得有多難吧。。。今天打開一看的確是這樣。網(wǎng)站是基于Ajax寫的，數(shù)據(jù)動(dòng)態(tài)獲取，所以無(wú)法通過(guò)下載源代碼然后解析獲得。

從某不良少年寫的抓取淘寶mm的例子中收到啟發(fā)，對(duì)于這樣的情況，一般可以同構(gòu)自己搭建瀏覽器實(shí)現(xiàn)。phantomJs，CasperJS都是不錯(cuò)的選擇。

導(dǎo)師的要求是獲取過(guò)去一年內(nèi)深圳每個(gè)區(qū)每個(gè)站點(diǎn)每小時(shí)的降雨量，執(zhí)行該操作需要通過(guò)如上圖中的歷史查詢實(shí)現(xiàn)，即通過(guò)一個(gè)時(shí)間來(lái)查詢，而這個(gè)時(shí)間存放在一個(gè)hidden類型的input標(biāo)簽里，當(dāng)然可以通過(guò)js語(yǔ)句將其改為text類型，然后執(zhí)行send_keys之類的操作。然而，我失敗了。時(shí)間可以修改設(shè)置，可是結(jié)果如下圖。

為此，僅抓取實(shí)時(shí)數(shù)據(jù)。選取python的selenium，模擬搭建瀏覽器，模擬人為的點(diǎn)擊等操作實(shí)現(xiàn)數(shù)據(jù)生成和獲取。selenium的一大優(yōu)點(diǎn)就是能獲取網(wǎng)頁(yè)渲染后的源代碼，即執(zhí)行操作后的源代碼梁笑。普通的通過(guò) url解析網(wǎng)頁(yè)的方式只能獲取給定的數(shù)據(jù)慶哪，不能實(shí)現(xiàn)與用戶之間的交互。selenium通過(guò)獲取渲染后的網(wǎng)頁(yè)源碼，并通過(guò)豐富的查找工具，個(gè)人認(rèn)為最好用的就是find_element_by_xpath("xxx")，通過(guò)該方式查找到元素后可執(zhí)行點(diǎn)擊、輸入等事件，進(jìn)而向服務(wù)器發(fā)出請(qǐng)求，獲取所需的數(shù)據(jù)。

[python]?view plain?copy

#?coding=utf-8

from?testString?import?*

from?selenium?import?webdriver

import?string

import?os

from?selenium.webdriver.common.keys?import?Keys

import?time

import?sys

default_encoding?=?'utf-8'

if?sys.getdefaultencoding()?!=?default_encoding:

reload(sys)

sys.setdefaultencoding(default_encoding)

district_navs?=?['nav2','nav1','nav3','nav4','nav5','nav6','nav7','nav8','nav9','nav10']

district_names?=?['福田區(qū)','羅湖區(qū)','南山區(qū)','鹽田區(qū)','寶安區(qū)','龍崗區(qū)','光明新區(qū)','坪山新區(qū)','龍華新區(qū)','大鵬新區(qū)']

flag?=?1

while?(flag??0):

driver?=?webdriver.Chrome()

driver.get("hianCe/")

#?選擇降雨量

driver.find_element_by_xpath("http://span[@id='fenqu_H24R']").click()

filename?=?time.strftime("%Y%m%d%H%M",?time.localtime(time.time()))?+?'.txt'

#創(chuàng)建文件

output_file?=?open(filename,?'w')

#?選擇行政區(qū)

for?i?in?range(len(district_navs)):

driver.find_element_by_xpath("http://div[@id='"?+?district_navs[i]?+?"']").click()

#?print?driver.page_source

timeElem?=?driver.find_element_by_id("time_shikuang")

#輸出時(shí)間和站點(diǎn)名

output_file.write(timeElem.text?+?',')

output_file.write(district_names[i]?+?',')

elems?=?driver.find_elements_by_xpath("http://span[@onmouseover='javscript:changeTextOver(this)']")

#輸出每個(gè)站點(diǎn)的數(shù)據(jù)，格式為：站點(diǎn)名，一小時(shí)降雨量，當(dāng)日累積降雨量

for?elem?in?elems:

output_file.write(AMonitorRecord(elem.get_attribute("title"))?+?',')

output_file.write('\n')

output_file.close()

driver.close()

time.sleep(3600)

文件中引用的文件testString只是修改輸出格式，提取有效數(shù)據(jù)。

[python]?view plain?copy

#Encoding=utf-8

def?OnlyCharNum(s,?oth=''):

s2?=?s.lower()

fomart?=?'abcdefghijklmnopqrstuvwxyz0123456789,.'

for?c?in?s2:

if?not?c?in?fomart:

s?=?s.replace(c,?'')

return?s

def?AMonitorRecord(str):

str?=?str.split(":")

return?str[0]?+?","?+?OnlyCharNum(str[1])

一小時(shí)抓取一次數(shù)據(jù)，結(jié)果如下：

selenium網(wǎng)頁(yè)源碼xml解析的介紹就聊到這里吧，感謝你花時(shí)間閱讀本站內(nèi)容，更多關(guān)于selenium 獲取html、selenium網(wǎng)頁(yè)源碼xml解析的信息別忘了在本站進(jìn)行查找喔。