PhantomJS（转）

# coding=utf—8
  
import random,headers,xmlParse  
from bs4 import BeautifulSoup  
from selenium import webdriver  
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities  
from selenium.webdriver.common.proxy import ProxyType  
  
phantomjs_driver=‘C:\\phantomjs-2.1.1-windows\\bin\\phantomjs.exe‘  
ips=xmlParse.get_ip_port_from_xml(‘proxy_ip.xml‘)  
  
def dynamic_load(url):  
    desired_capabilities = DesiredCapabilities.PHANTOMJS.copy()  
    # 从USER_AGENTS列表中随机选一个浏览器头，伪装浏览器  
    desired_capabilities["phantomjs.page.settings.userAgent"] = (random.choice(headers.my_headers))  
    # 不载入图片，爬页面速度会快很多  
    desired_capabilities["phantomjs.page.settings.loadImages"] = False  
    # 利用DesiredCapabilities(代理设置)参数值，重新打开一个sessionId，我看意思就相当于浏览器清空缓存后，加上代理重新访问一次url  
    # proxy = webdriver.Proxy()  
    # proxy.proxy_type = ProxyType.MANUAL  
    # proxy.http_proxy = random.choice(ips)  
    # proxy.add_to_capabilities(desired_capabilities)  
    # 打开带配置信息的phantomJS浏览器  
    # driver = webdriver.PhantomJS(executable_path=phantomjs_driver,desired_capabilities=desired_capabilities)  
    driver = webdriver.PhantomJS(executable_path=phantomjs_driver)  
    driver.start_session(desired_capabilities)  
    # 隐式等待5秒，可以自己调节  
    driver.implicitly_wait(5)  
    # 设置10秒页面超时返回，类似于requests.get()的timeout选项，driver.get()没有timeout选项  
    # 以前遇到过driver.get(url)一直不返回，但也不报错的问题，这时程序会卡住，设置超时选项能解决这个问题。  
    driver.set_page_load_timeout(20)  
    # 设置10秒脚本超时时间  
    driver.set_script_timeout(20)  
  
    driver.get(url)  
    #next_page=driver.find_element_by_id (idd)#.get_attribute(‘href‘)  
    #driver.get(next_page)  
    #next_page  
    html=BeautifulSoup(driver.page_source,‘xml‘).prettify()  
    print html  
    return html  
  
if __name__==‘__main__‘:  
    url=‘http://www.chnmuseum.cn/tabid/218/Default.aspx?DynastySortID=5‘  
    dynamic_load(url)