Python中怎么利用selenium实现一个动态爬虫

Python中怎么利用selenium实现一个动态爬虫，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

1. 安装

selenium安装比较简单，直接用pip就可以安装，打开cmd，输入

pip install selenium

就好了

2.  安装chromedriver

chromedriver是谷歌浏览器的驱动程序，因为我平时用chrome

这里需要注意的是，chromedriver的版本需要是你安装的Chrome的版本对应起来，Chrome的版本可以在浏览器的右上角找到帮助-关于Google Chrome 查看浏览器的版本。具体的对应规则如下：

安装完之后，把驱动的安装目录添加到系统Path中就好了，如果不添加，在运行程序的时候就会报错，提示你没有添加到Path中。

3. 开始爬虫

今天要爬取的网址是：https://www.upbit.com/service_center/notice，然后点击翻页按钮，发现url并没有变化，通过F12查看请求的地址变化，可以发现，

https://www.upbit.com/service_center/notice?id=1

这里主要变化的就是后面的id，1,2,3，。。。依次类推。

用selenium爬虫开始前，需要定义好下面内容

# 设置谷歌浏览器的选项，
opt = webdriver.ChromeOptions()
# 将浏览器设置为无头浏览器，即先爬虫时，没有显示的浏览器
opt.set_headless()
# 浏览器设置为谷歌浏览器，并设置为上面设置的选项
browser = webdriver.Chrome(options=opt)

save = []
home = 'https://www.upbit.com/home'
# 创建好浏览器对象后，通过get()方法可以向浏览器发送网址，
# 获取网址信息
browser.get(home)
time.sleep(15)

然后是如何定位html的元素，在selenium中，定位元素的方法有

find_element_by_id(self, id_)
find_element_by_name(self, name)
find_element_by_class_name(self, name)
find_element_by_tag_name(self, name)
find_element_by_link_text(self, link_text)
find_element_by_partial_link_text(self, link_text)
find_element_by_xpath(self, xpath)
find_element_by_css_selector(self, css_selector）

其中的id，name等都可以通过浏览器获得，定位元素的目的是为了获取我们想要的信息，然后解析出来保存，通过调用tex方法可以获得元素的文本信息。

下面把整个爬虫的代码，贴出来，供大家参考

from selenium import webdriver
import time
from tqdm import trange
from collections import OrderedDict
import pandas as pd


def stringpro(inputs):
    inputs = str(inputs)
    return inputs.strip().replace("\n", "").replace("\t", "").lstrip().rstrip()


opt = webdriver.ChromeOptions()
opt.set_headless()
browser = webdriver.Chrome(options=opt)

save = []
home = 'https://www.upbit.com/home'
browser.get(home)
time.sleep(15)
for page in trange(500):
    try:
        rows = OrderedDict()
        url = "https://www.upbit.com/" \
              "service_center/notice?id={}".format(page)
        browser.get(url)
        content = browser.find_element_by_class_name(
            name='txtB').text
        title_class = browser.find_element_by_class_name(
            name='titB')
        title = title_class.find_element_by_tag_name(
            'strong').text
        times_str = title_class.find_element_by_tag_name(
            'span').text
        times = times_str.split('|')[0].split(" ")[1:]
        num = times_str.split("|")[1].split(" ")[1]
        rows['title'] = title
        rows['times'] = " ".join(times)
        rows['num'] = num
        rows['content'] = stringpro(content)
        save.append(rows)
        print("{},{}".format(page, rows))
    except Exception as e:
        continue

df = pd.DataFrame(save)
df.to_csv("./datasets/www_upbit_com.csv", index=None)

看完上述内容，你们掌握Python中怎么利用selenium实现一个动态爬虫的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注亿速云行业资讯频道，感谢各位的阅读！