Selenium 模拟浏览器动态加载页面的实现方法
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、twitterundertopic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) printright_URL try: browser.get(right_URL) print"loadingmore,sleep3seconds...0" time.sleep(3)#NOneedforthissleep,butweadd... browser=selenuim_loading_more(browser,method_index=0) except: print"oneexceptionhappen==>get_tweeter_under_topic2..." 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):
defselenuim_loading_more(browser,method_index=0): ifmethod_index==0: browser.implicitly_wait(3)#为了快速滑动,先设置超时时间为1秒 #whileTrue: foriinrange(1,4):#atmost3times print"loadingmore,window.scrollTobettomforthe",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 exceptNoSuchElementException: 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 elifmethod_index==1: browser.find_element_by_css_selector("div[class='empty_conclearfix']").click()#loadingmore print"loadingmore,sleep4seconds...1" time.sleep(4) browser.find_element_by_css_selector("div[class='empty_conclearfix']").click()#loadingmore print"loadingmore,sleep3seconds...2" time.sleep(2) elifmethod_index==2: load_more_1=browser.find_element_by_css_selector("div[class='empty_conclearfix']")#loadingmore ActionChains(browser).click(load_more_1).perform() print"loadingmore,sleep4seconds...1" time.sleep(4) load_more_2=browser.find_element_by_css_selector("div[class='empty_conclearfix']")#loadingmore ActionChains(browser).click(load_more_2).perform() print"loadingmore,sleep3seconds...2" time.sleep(2) elifmethod_index==3: print"loadingmore,sleep4seconds...1" element=WebDriverWait(browser,4).until( EC.element_to_be_clickable((By.CSS_SELECTOR,"div[class='empty_conclearfix']")) ) element.click() print"loadingmore,sleep2seconds...2" WebDriverWait(browser,2).until( EC.element_to_be_clickable((By.CSS_SELECTOR,"div[class='empty_conclearfix']")) ).click() returnbrowser
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毛票票。