python爬虫动态html selenium.webdriver

标签：常用   imp   点击   lis   爬虫   文件   close   rom   权限   

python爬虫：利用selenium.webdriver获取渲染之后的页面代码！

1 首先要下载浏览器驱动：  

　　常用的是chromedriver 和phantomjs

　　chromedirver下载地址: 　　https://npm.taobao.org/mirrors/chromedriver
　　phantomjs下载地址:　　 http://phantomjs.org/download.html

　　使用chromedriver要保证有chrome浏览器

2 安装

　　phantomjs：

　　　　将下载好的文件 解压缩(此处版本用xxx代替了)

　　　　tar -xvf phantomjs-xxxx.tar.bz2

　　　　将压缩结果移动到系统目录去(此处版本用xxx代替了)

　　　　sudo mv phantomjsxxx /usr/local/src/phantomjs

　　　　创建软连接到系统环境 这样就可以使用phantomjs命令了

　　　　sudo ln -sf /usr/local/src/phantojs/bin/phantomjs /usr/local/bin/phantomjs

　　　　将系统环境目录下的软连接 添加执行的权限

　　　　sudo chmod u+x,o+x  /usr/local/bin/phantomjs

　　　　检验一下正常使用： 返回版本信息就代表能正常使用

　　　　phantomjs --version

　　chromedriver:

　　　　将下载的文件移动到系统目录去:

　　　　sudo mv chromedriver /usr/local/bin/chromedriver

　　　　改变用户执行的权限：

　　　　sudo chmod u+x,o+x  /usr/local/bin/chromedriver

　　　　检验是否正常使用：

　　　　chromedriver --version

3 程序代码：

 1 from selenium import webdriver
 2 import time
 3 # 获取一个Chrome的驱动
 4 driver = webdriver.Chrome()
 5 ‘‘‘
 6 发送请求
 7 ‘‘‘
 8 driver.get(‘http://www.baidu.com/‘)
 9 
10 # 设置打开窗口的大小
11 driver.set_window_size(1024,768)
12 
13 ‘‘‘
14 获取页面内容的常用方式
15 ‘‘‘
16 # 获取元素并输入内容
17 driver.find_element_by_id(‘kw‘).send_keys(‘苹果‘)
18 # 获取元素并点击
19 driver.find_element_by_id(‘su‘).click()
20 # 利用xpath获取
21 # div_list = driver.find_element_by_xpath(‘//div‘)
22 #利用页面内容
23 # next_page = driver.find_element_by_link_text(‘下一页‘).get_attribute(‘href‘)
24 
25 # 将浏览器页面截图保存本地
26 driver.save_screenshot(‘./百度.png‘)
27 
28 # 获得浏览器的页面源码（经过渲染之后)
29 html = driver.page_source
30 
31 print(‘*‘*50)
32 
33 # 获取页面的cookies
34 cookie_list = driver.get_cookies()
35 # cookie 转换成字典
36 cookies = { dict[‘name‘]:dict[‘value‘] for dict in cookie_list }
37 print(cookies)
38 
39 
40 # 退出当前页面
41 driver.close()
42 # 退出浏览器
43 driver.quit()

python爬虫动态html selenium.webdriver

标签：常用   imp   点击   lis   爬虫   文件   close   rom   权限   

原文地址：http://www.cnblogs.com/Lin-Yi/p/7653571.html