（二）selenium的实际运用

2021-05-19 17:00:53 浏览数 (1)

文章目录

  • 前言
  • selenium实战
    • 打开艺龙网
    • 精确目标
    • 成功
  • 结语

前言

上一篇我们已经知道怎么简单使用selenium了，那么我们就从这篇博客来动手爬取网站吧。

selenium实战

这里我们只会用到很少的selenium语法，我这里就不补充别的用法了，以实战为目的

打开艺龙网

网站：http://www.elong.com/ 也可以直接点击这里进入：艺龙网

这里是主页

精确目标

我们的目标是，鹤壁市，所以我们应该先点击搜索框，然后把北京删掉，替换成鹤壁市，那么怎么通过selenium实现呢？ 打开pycharm，新建一个叫做艺龙网的py文件，先导包：

代码语言：javascript复制
from selenium import webdriver 
import time   # 导包
driver = webdriver.Chrome()  # 创建一个selenium的对象
driver.get("http://www.elong.com/")  
time.sleep(1)  # 打开网站，并让它睡1s，避免渲染未完成就进行下一步操作
driver.maximize_window()  # 将浏览器最大化

怎么找到搜索框呢，有很多方法，xpath，css，JavaScript，jQuery，，，因为xpath简单，所以我们只使用xpath，因为这个网站也是可以用xpath的，具体步骤是：

  1. F12，小箭头，点击搜索框
  1. 点击后，找到元素中的位置，右键，复制，复制xpath
  1. 进入pycharm中，在之前创建的py文件中添加如下代码
代码语言：javascript复制
driver.find_element_by_xpath('//*[@id="domesticDiv"]/dl[1]/dd/input').clear()# 将搜索框中的内容清理
  1. 在搜索框添加“鹤壁市”
代码语言：javascript复制
driver.find_element_by_xpath('//*[@id="domesticDiv"]/dl[1]/dd/input').send_keys('鹤壁市')
  1. 点击搜索，进入下一页
代码语言：javascript复制
time.sleep(1)driver.find_element_by_xpath('//*[@id="hotel_sub_tabs"]/span[1]/b').click()  # 点击无关time.sleep(1) # 避免渲染不及时导致报错driver.find_element_by_xpath('//*[@id="domesticDiv"]/div/span[1]').click()  # 点击搜索
  1. 下一页 此时我们绝望的发现，这些操作都是没用的（对这个网站没用，但是至少我们学到了点知识？）她还是北京

所以我们只能这样做了 直接点击搜索，进入这个页面后再输入鹤壁（那干嘛不直接访问这个网页呢？为了我这该死的仪式感！！）

  1. 这样做，再那样做，就行了
代码语言：javascript复制
from selenium import webdriverimport time   # 导包driver = webdriver.Chrome()  # 创建一个selenium的对象driver.get("http://www.elong.com/")time.sleep(1)  # 打开网站，并让它睡1s，避免渲染未完成就进行下一步操作driver.maximize_window()  # 将浏览器最大化driver.find_element_by_xpath('//*[@id="domesticDiv"]/div/span[1]').click()  # 点击搜索driver.find_element_by_xpath('//*[@id="m_searchBox"]/div[1]/label/input').clear()  # 清空搜索框内容driver.find_element_by_xpath('//*[@id="m_searchBox"]/div[1]/label/input').send_keys('鹤壁市')  # 在搜索框输入 鹤壁市time.sleep(1)driver.find_element_by_xpath('//*[@id="sugContent"]/ul/li[1]/div/div[1]/div[1]/span/b').click()  # 鹤壁市time.sleep(1)# 只是改变了顺序，并更换了xpath语法
  1. 然后就成功的定位到了鹤壁市
  1. 分析网页，找到详情页的url 我们可以这样做：

我们发现，这个详情页每个的xpath都不相同，怎么做到把所有详情页都“照顾”得到呢？看来只能请出我们的requests来了，然后我们发现，这个只是一段URL，那怎么办？拼接咯！

  1. 通过查看响应，我们知道响应和元素是一样的，那么说明什么？我们可以通过xpath提取到我们的元素，直接请出我们的xpath选手。
代码语言：javascript复制
from lxml import etreeimport rehtml_data = driver.page_source  # 将数据存入html_dataht = ht_ht.xpath('//div[@class="to_detail"]/a/@data-link')  # 提取到url的后半段
  1. 拼接字符串形成新URL 点进去一个详情页查看URL，发现是这样的

研究发现，将?issugtrace=2删去也可以运行，而我们通过xpath取到的正是后面的 /31712004/，所以：

代码语言：javascript复制
for ur in ht:    new_ul = 'http://www.elong.com'   ur
  1. 取到详情页URL后，就要点进去，然后再分析网页，再提取数据，然后存数据，找xpath的我就先不说了，也不难。
代码语言：javascript复制
head = {       'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.114 Safari/537.36'}for ur in ht:    new_ul = 'http://www.elong.com'   ur    xiangqing_ht = requests.get(new_ul, headers=head).content.decode()  			    # 使用requests	time.sleep(1)  # 睡1s    ht_data = etree.HTML(xiangqing_ht) # 转为可使用xpath的HTML格式    tingche = ht_data.xpath('//*[@id="hotelContent"]/div/dl[4]/dd/text()')  # 停车位            if tingche == []:                tingche = '无停车位'            name = ht_data.xpath('/html/body/div[3]/div/div[1]/div[1]/div/h1/text()')[0]  # 酒店名字            phine_num = ht_data.xpath('//*[@id="hotelContent"]/div/dl[1]/dd/span/text()')  # 电话            photo_li = ht_data.xpath('/html/body/div[3]/div/div[2]/div[1]/div[2]/ul[1]/li/img/@src')  # 照片            weizhi = ht_data.xpath('//*[@id="map"]/div[1]/div[2]/div[1]/div/div[9]/div[2]/div/p[2]/text()')  # 位置            miaoshu = ht_data.xpath('//*[@id="hotelContent"]/div/dl[1]/dd/ul/li[2]/div/p/span[1]/text()')

然后我们就拿到了数据，接下来，这些数据怎么保存呢？可以使用字典保存到json中。我就接着上面的写了

代码语言：javascript复制
dic = {
   } # 使用字典进行json存储
ic[f"{name}"] = {
   }
dic[f"{name}"][f"{name}停车场"] = tingche
dic[f"{name}"][f"{name}电话"] = phine_num
dic[f"{name}"][f"{name}位置"] = weizhi
dic[f"{name}"][f"{name}描述"] = miaoshu
path = f"酒店数据//{name}"
if not os.path.exists(path):
    os.mkdir(path)
# 创建酒店文件夹
for num, photo in zip(range(len(photo_li)), photo_li):
    if num > 4:
        break
    else:
        with open(f'酒店数据//{name}//{name, num   1}.jpg', 'wb') as f:
            f.write(requests.get(photo).content)  # 将照片存进本地
with open(f"酒店数据//{name}//酒店数据.json", 'w') as f:
      f.write(str(dic))  # 将json存入文件
dic = {
   }  # 将字典内的数据清楚，留待下一次循环使用
  1. 数据拿到之后，还没完，我们还要爬下一页，首先需要把主页滑倒最底部
代码语言：javascript复制
for i in range(4):  # 0 1
     time.sleep(0.5)
     j = (i   1) * 1000  # 1000 2000
     js_ = f'document.documentElement.scrollTop={j}'
     driver.execute_script(js_)
     time.sleep(5)
  1. 回到主页面，找到下一页的xpath，点击
代码语言：javascript复制
driver.find_element_by_xpath('//*[@id="pageContainer"]/a[9]').click()

然后，我们就进入了 下一页，然后下面就没有代码了，怎么办，怎么让代码一直运行将很多页的数据爬下来呢？有两种方法：

  1. 封装函数，并发爬取
  2. 使用循环进行爬取

然后，就没有然后了…

成功

成功拿到数据

结语

希望大家能够通过实战了解各种语法的功能，而不是死记硬背各种语法，那样你很容易忘记，其实很多学习都可以通过这种方式来学习

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/100263.html原文链接：

xslt&xpath selenium php ide

0 人点赞