Selenium 模拟浏览器动态加载页面的实现方法

技术  /  管理员 发布于 7年前   141

相信爬取大公司的数据时，常常会遇到页面信息动态加载的问题，

如果仅仅使用content = urllib2.urlopen(URL).read()，估计信息是获取不全的，这时候就需要模拟浏览器加载页面的过程，

selenium提供了方便的方法，我也是菜鸟，试了很多种方式，下面提供觉得最靠谱的（已经证明对于爬取新浪微博的topic、twitter under topic完全没问题）。

至于下面的browser变量是什么，看前面的几篇文章。

首先是请求对应的URL：

right_URL = URL.split("from")[0] + "current_page="+str(current_page) + "&since_id="+str(since_id) + "&page="+str(page_index) + "#Pl_Third_App__"+str(Pl_Third_App) print right_URL try: browser.get(right_URL) print "loading more, sleep 3 seconds ... 0" time.sleep(3) # NO need for this sleep, but we add ... browser = selenuim_loading_more(browser, method_index=0) except: print "one exception happen ==> get_tweeter_under_topic 2 ..." pass 

然后模拟浏览器，加载更多（推荐使用method_index=0，已经证明比其他好用很多）：

def selenuim_loading_more(browser, method_index=0):   if method_index==0:     browser.implicitly_wait(3) # 为了快速滑动，先设置超时时间为1秒     # while True:     for i in range(1, 4): # at most 3 times       print "loading more, window.scrollTo bettom for the", i,"time ..."       browser.execute_script("window.scrollTo(0,document.body.scrollHeight);")       try:         # 定位页面底部的换页tab         browser.find_element_by_css_selector("div[class='W_pages']")         break # 如果没抛出异常就说明找到了底部标志，跳出循环       except NoSuchElementException:         pass # 抛出异常说明没找到底部标志，继续向下滑动     browser.implicitly_wait(4) # 将超时时间改回10秒   elif method_index==1:     browser.find_element_by_css_selector("div[class='empty_con clearfix']").click() # loading more     print "loading more, sleep 4 seconds ... 1"     time.sleep(4)     browser.find_element_by_css_selector("div[class='empty_con clearfix']").click() # loading more     print "loading more, sleep 3 seconds ... 2"     time.sleep(2)   elif method_index==2:     load_more_1 = browser.find_element_by_css_selector("div[class='empty_con clearfix']") # loading more ActionChains(browser).click(load_more_1).perform()     print "loading more, sleep 4 seconds ... 1"     time.sleep(4)     load_more_2 = browser.find_element_by_css_selector("div[class='empty_con clearfix']") # loading more ActionChains(browser).click(load_more_2).perform()     print "loading more, sleep 3 seconds ... 2"     time.sleep(2)   elif method_index==3:     print "loading more, sleep 4 seconds ... 1"     element = WebDriverWait(browser, 4).until(       EC.element_to_be_clickable((By.CSS_SELECTOR, "div[class='empty_con clearfix']"))     )     element.click()     print "loading more, sleep 2 seconds ... 2"     WebDriverWait(browser, 2).until(       EC.element_to_be_clickable((By.CSS_SELECTOR, "div[class='empty_con clearfix']"))     ).click()   return browser 

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。