Python3实现抓取javascript动态生成的html网页功能示例_Python

Python3实现抓取javascript动态生成的html网页功能示例

2020-12-03 00:40罗兵 Python

这篇文章主要介绍了Python3实现抓取javascript动态生成的html网页功能,结合实例形式分析了Python3使用selenium库针对javascript动态生成的HTML网页元素进行抓取的相关操作技巧,需要的朋友可以参考下

本文实例讲述了Python3实现抓取 javascript动态生成的html网页功能。分享给大家供大家参考，具体如下：

用urllib等抓取网页，只能读取网页的静态源文件，而抓不到由javascript生成的内容。

究其原因，是因为urllib是瞬时抓取，它不会等javascript的加载延迟，所以页面中由javascript生成的内容，urllib读取不到。

那由javascript生成的内容就真的没有办法读取了吗？非也！

这里要介绍一个python库：selenium，本文使用的版本是 2.44.0

先安装：

				 
				?

									pip install -U selenium

下面用三个例子来说明其用法：

【例0】

打开一个Firefox浏览器
载入所给url地址的页面

				 
				?

									from selenium import webdriver

									browser = webdriver.Firefox()

									browser.get('http://www.baidu.com/')

【例1】

打开一个Firefox浏览器
载入百度主页
搜索 “seleniumhq”
关闭浏览器

				 
				?

									from selenium import webdriver

									from selenium.webdriver.common.keys import Keys

									browser = webdriver.Firefox()

									browser.get('http://www.baidu.com')

									assert '百度' in browser.title

									elem = browser.find_element_by_name('p') # Find the search box

									elem.send_keys('seleniumhq' + Keys.RETURN) # 模拟按键

									browser.quit()

【例2】

Selenium WebDriver 常用于网络程序的测试。下面是一个使用Python标准库 unittest 的例子:

				 
				?

									import unittest

									class BaiduTestCase(unittest.TestCase):

									  def setUp(self):

									    self.browser = webdriver.Firefox()

									    self.addCleanup(self.browser.quit)

									  def testPageTitle(self):

									    self.browser.get('http://www.baidu.com')

									    self.assertIn('百度', self.browser.title)

									if __name__ == '__main__':

									  unittest.main(verbosity=2)