首页 > 编程 > Python > 正文

利用selenium爬虫抓取数据的基础教程

2019-11-25 12:47:48
字体:
来源:转载
供稿:网友

写在前面

本来这篇文章该几个月前写的,后来忙着忙着就给忘记了。

ps:事多有时候反倒会耽误事。

几个月前,记得群里一朋友说想用selenium去爬数据,关于爬数据,一般是模拟访问某些固定网站,将自己关注的信息进行爬取,然后再将爬出的数据进行处理。

他的需求是将文章直接导入到富文本编辑器去发布,其实这也是爬虫中的一种。

其实这也并不难,就是UI自动化的过程,下面让我们开始吧。

准备工具/原料

1、java语言

2、IDEA开发工具

3、jdk1.8

4、selenium-server-standalone(3.0以上版本)

步骤

1、分解需求:

需求重点主要是要保证原文格式样式都保留:

将要爬取文章,全选并复制

将复制后的文本,粘贴到富文本编辑器中即可

2、代码实现思路:

键盘事件模拟CTRL+A全选

键盘事件模拟CTRL+C复制

键盘事件模拟CTRL+V粘贴

3、实例代码

import org.junit.AfterClass;import org.junit.BeforeClass;import org.junit.Test;import org.openqa.selenium.By;import org.openqa.selenium.WebDriver;import org.openqa.selenium.chrome.ChromeDriver;import java.awt.*;import java.awt.event.KeyEvent;import java.util.concurrent.TimeUnit;/** * @author rongrong * Selenium模拟访问网站爬虫操作代码示例 */public class Demo { private static WebDriver driver; static final int MAX_TIMEOUT_IN_SECONDS = 5; @BeforeClass public static void setUpBeforeClass() throws Exception {  driver = new ChromeDriver();  String url = "https://temai.snssdk.com/article/feed/index?id=6675245569071383053&subscribe=5501679303&source_type=28&content_type=1&create_user_id=34013&adid=__AID__&tt_group_id=6675245569071383053";  driver.manage().window().maximize();  driver.manage().timeouts().implicitlyWait(MAX_TIMEOUT_IN_SECONDS, TimeUnit.SECONDS);  driver.get(url); } @AfterClass public static void tearDownAfterClass() throws Exception {  if (driver != null) {   System.out.println("运行结束!");   driver.quit();  } } @Test public void test() throws InterruptedException {  Robot robot = null;  try {   robot = new Robot();  } catch (AWTException e1) {   e1.printStackTrace();  }  robot.keyPress(KeyEvent.VK_CONTROL);  robot.keyPress(KeyEvent.VK_A);  robot.keyRelease(KeyEvent.VK_A);  Thread.sleep(2000);  robot.keyPress(KeyEvent.VK_C);  robot.keyRelease(KeyEvent.VK_C);  robot.keyRelease(KeyEvent.VK_CONTROL);  driver.get("https://ueditor.baidu.com/website/onlinedemo.html");  Thread.sleep(2000);  driver.switchTo().frame(0);  driver.findElement(By.tagName("body")).click();  robot.keyPress(KeyEvent.VK_CONTROL);  robot.keyPress(KeyEvent.VK_V);  robot.keyRelease(KeyEvent.VK_V);  robot.keyRelease(KeyEvent.VK_CONTROL);  Thread.sleep(2000); }}

写在后面

笔者并不是特别建议使用selenium做爬虫,原因如下:

速度慢:

每次运行爬虫都要打开一个浏览器,初始化还需要加载图片、JS渲染等等一大堆东西;

占用资源太多:

有人说,把换成无头浏览器,原理都是一样的,都是打开浏览器,而且很多网站会验证参数,如果对方看到你恶意请求访问,会办了你的请求,然后你又要考虑更换请求头的事情,事情复杂程度不知道多了多少,还得去改代码,麻烦死了。

对网络的要求会更高:

加载了很多可能对您没有价值的补充文件(如css,js和图像文件)。 与真正需要的资源(使用单独的HTTP请求)相比,这可能会产生更多的流量。

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对武林网的支持。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表