大家好，我是不温卜火，是一名计算机学院大数据专业大三的学生，昵称来源于成语—不温不火，本意是希望自己性情温和。作为一名互联网行业的小白，博主写博客一方面是为了记录自己的学习过程，另一方面是总结自己所犯的错误希望能够帮助到很多和自己一样处于起步阶段的萌新。但由于水平有限，博客中难免会有一些错误出现，有纰漏之处恳请各位大佬不吝赐教！暂时只在csdn这一个平台进行更新，博客主页：https://buwenbuhuo.blog.csdn.net/。

PS：由于现在越来越多的人未经本人同意直接爬取博主本人文章，博主在此特别声明：未经本人允许，禁止转载！！！

一、小小课堂

由于只是属于教学性质，学长本人在此以就以爬取Python相关的图书为例！

链接：https://search.douban.com/book/subject_search?search_text=python&cat=1001

首先我们需要先找下有没有接口

但是通过查看，我们发现是没有接口的。经过分析，这个网站展示的数据，不能通过之前的方式获取，猜想是通过加密解密得到的内容。这个时候有两种方式
a:找到加密解密的接口，使用python模拟（相当复杂，必须有解析js的能力）
b:使用selenium+driver直接获取解析后的页面数据内容（这种相对简单）

当然了，我们只是分析了接口这一部分，其实我们通过查看网页源码，使用xpath进行尝试解析，发现其实是可行的，但是由于本篇博文使用的是自动化工具selenium，所以就不过多解释xpath。

在这里，我们使用selenium+driver能模拟浏览器找到elements里的内容，这样再提取就没问题了。

接下来我们需要了解一些概念

1.什么是selenium？
selenium是网页自动化测试工具，可以自动化的操作浏览器。如果需要操作哪个浏览器需要安装对应的driver，比如你需要通过selenium操作chrome，那必须安装chromedriver，而且版本与chrome保持一致。
2、driver
操作浏览器的驱动，分为有界面和无界面的
有界面：与本地安装好的浏览器一致的driver（用户可以直接观看，交互比如单击、输入）
无界面：phantomjs（看不到，只能通过代码操作，加载速度比有界面的要快）

了解完之后，安装selenium：

pip install selenium -i https://pypi.tuna.tsinghua.edu.cn/simple

下载driver：

1. phantomjs
phantomjs下载网址https://phantomjs.org/download.html
2. chrome谷歌浏览器对应的driver
http://npm.taobao.org/mirrors/chromedriver/

下载好之后，放入项目中，方便找到。

二、selenium+driver初步尝试控制浏览器

说到模拟，那我们就先来模拟如何打开豆瓣图书并打开Python相关的图书

from selenium import webdriver
import time
import requestsstart_url = "https://book.douban.com/subject_search?search_text=python&cat=1001&start=%25s0"# 控制chrome浏览器
driver = webdriver.Chrome("./chromedriver/chromedriver.exe")
# 输入网址
driver.get(start_url)# 停一下，等待数据加载完毕
time.sleep(2)
# 获取网页内容Elements
content = driver.page_source
# 结束
driver.quit()

爬虫入门经典(十四) | 使用selenium尝试爬取豆瓣图书相关推荐

利用selenium尝试爬取豆瓣图书
目录一.小小课堂二.selenium+driver初步尝试控制浏览器三.完整代码四.运行结果链接:https://search.douban.com/book/subject_search? ...
扇贝python_Python爬虫入门经典 | 简单一文教你如何爬取扇贝单词
现在的博主正在发呆,无意之中打开了扇贝Python必背词汇的网址.那么既然打开了,再加上博主挺无聊的.那么就尝试爬取一下这个网页! 一.网页分析我们打开此网站之后,通过以往爬取网页的经验,会发现此网 ...
爬虫入门经典(十三) | 一文教你简单爬取腾讯招聘
大家好,我是不温卜火,是一名计算机学院大数据专业大三的学生,昵称来源于成语-不温不火,本意是希望自己性情温和.作为一名互联网行业的小白,博主写博客一方面是为了记录自己的学习过程,另一方面是总结自己 ...
爬虫入门经典(十一) | 一文带你爬取传统古诗词(超级简单！)
大家好,我是不温卜火,是一名计算机学院大数据专业大三的学生,昵称来源于成语-不温不火,本意是希望自己性情温和.作为一名互联网行业的小白,博主写博客一方面是为了记录自己的学习过程,另一方面是总结自己 ...
爬虫入门实战第一站——梨视频视频爬取
爬虫入门实战第一站--梨视频视频爬取简介博主最近重新开始了解爬虫,想以文字方式记录自己学习和操作的过程.本篇文章主要是使用爬虫爬取梨视频网站中的视频并下载到本地,同时将视频简介和视频网站保存在ex ...
requests 获取div_爬虫系列第五篇使用requests与BeautifulSoup爬取豆瓣图书Top250
上一篇我们学习了BeautifulSoup的基本用法,本节我们使用它来爬取豆瓣图书Top250. 一.网页分析我们爬取的网页的url是https://book.douban.com/top250?i ...
python爬虫爬取豆瓣图书
爬取豆瓣图书top250的第一页我最终爬取的是图书的书名,链接先要做个说明,如果你是编程高手的话,这边文章你就不用看了,如果你是个python爬虫小白的话,可以看看这篇原创我将用到的软件是pyc ...
爬取豆瓣图书排行榜前十并使用图表的形式展示
爬取豆瓣图书最近在学习爬虫的基础使用,发现最好爬的网站就是豆瓣了,随随便便都是可以爬到数据. 下面就是使用Python中间的requests模块实现豆瓣图书排行榜的爬取: import reques ...
[python爬虫] BeautifulSoup和Selenium对比爬取豆瓣Top250电影信息
这篇文章主要对比BeautifulSoup和Selenium爬取豆瓣Top250电影信息,两种方法从本质上都是一样的,都是通过分析网页的DOM树结构进行元素定位,再定向爬取具体的电影信息,通过代码的对 ...

爬虫入门经典(十四) | 使用selenium尝试爬取豆瓣图书

目录

推荐

一、小小课堂

二、selenium+driver初步尝试控制浏览器

爬虫入门经典(十四) | 使用selenium尝试爬取豆瓣图书相关推荐

最新文章

热门文章