今天給各位分享selenium網(wǎng)頁源碼xml解析的知識，其中也會對selenium 獲取html進行解釋，如果能碰巧解決你現(xiàn)在面臨的問題，別忘了關注本站，現(xiàn)在開始吧！

本文目錄一覽：

• 1、selenium xml腳本怎么用
• 2、python，求一個簡單的selenium+re的網(wǎng)頁源碼爬取
• 3、python爬蟲怎么獲取動態(tài)的網(wǎng)頁源碼

selenium xml腳本怎么用

先對XPath做個簡坦培短介紹，之后用實例具體說明： 1.EXTJS的頁面源碼是多個div組成的，對于div id為常量時，可用div先定位，再由其讓裂唯他標簽定位，例如input field可用label name，button可用button上的文字來定位源春。 2.在定位更接近目標的節(jié)點時可用

python，求一個簡單的selenium+re的網(wǎng)頁源碼爬取

網(wǎng)頁爬取不一定要用Selenium，Selenium是為渣螞老了注入瀏覽器獲取點擊行為的調(diào)試工具，如果網(wǎng)頁無需人工交互就可以抓取，不建議你物臘使用selenium。要使用它，你需要安裝一個工具軟件，使用Chrome瀏覽器需要下載chromedriver.exe到system32下，如使用firefox則要下載geckodriver.exe到system32下。下面以chromedriver驅動chrome為例：

#?-*-?coding:UTF-8?-*-

from?selenium?import?webdriver

from?bs4?import?BeautifulSoup

import?re

import?time

if?__name__?==?'__main__':

options?=?webdriver.ChromeOptions()

options.add_argument('user-agent="Mozilla/5.0?(Linux;?Android?4.0.4;?Galaxy?Nexus?Build/IMM76B)?AppleWebKit/535.19?(KHTML,?like?Gecko)?Chrome/18.0.1025.133?Mobile?Safari/535.19"')

driver?=?webdriver.Chrome()

driver.get('url')#你要抓取百度文庫的URL，隨便找個幾十頁的替換掉

html?=?driver.page_source

bf1?=?BeautifulSoup(html,?'lxml')

result?=?bf1.find_all(class_='rtcspage')

bf2?=?BeautifulSoup(str(result[0]),?'lxml')

title?=?bf2.div.div.h1.string

pagenum?=?bf2.find_all(class_='size')

pagenum?=?BeautifulSoup(str(pagenum),?'lxml').span.string

pagepattern?=?re.compile('頁數(shù)：(\d+)頁')

num?=?int(pagepattern.findall(pagenum)[0])

print('文章標題：%s'?%?title)

print('如升文章頁數(shù)：%d'?%?num)

while?True:

num?=?num?/?5.0

html?=?driver.page_source

bf1?=?BeautifulSoup(html,?'lxml')

result?=?bf1.find_all(class_='rtcspage')

for?each_result?in?result:

bf2?=?BeautifulSoup(str(each_result),?'lxml')

texts?=?bf2.find_all('p')

for?each_text?in?texts:

main_body?=?BeautifulSoup(str(each_text),?'lxml')

for?each?in?main_body.find_all(True):

if?each.name?==?'span':

print(each.string.replace('\xa0',''),end='')

elif?each.name?==?'br':

print('')

print('\n')

if?num??1:

page?=?driver.find_elements_by_xpath("http://div[@class='page']")

driver.execute_script('arguments[0].scrollIntoView();',?page[-1])?#拖動到可見的元素去

nextpage?=?driver.find_element_by_xpath("http://a[@data-fun='next']")

nextpage.click()

time.sleep(3)

else:

break

執(zhí)行代碼，chromedriver自動為你打開chrome瀏覽器，此時你翻頁到最后，點擊閱讀更多，然后等一段時間后關閉瀏覽器，代碼繼續(xù)執(zhí)行。

python爬蟲怎么獲取動態(tài)的網(wǎng)頁源碼

一個月前實習導師布置任務說通過網(wǎng)絡爬蟲獲取深圳市氣橡差含象局發(fā)布的降雨數(shù)據(jù)，網(wǎng)頁如下：

心想，爬蟲不太難的，當年跟zjb爬煎蛋網(wǎng)無（mei）聊（zi）圖的時候，多么清高。由于接受任務后的一個月考試加作業(yè)一大堆，導師也不催，自己也不急。

但是，導師等我一個月都得讓我來寫意味著這東西得有多難吧。。。今天打開一看的確是這樣。網(wǎng)站是基于Ajax寫的，數(shù)據(jù)動態(tài)獲取，所以無法通過下載源代碼然后解析獲得。

從某不良少年寫的抓取淘寶mm的例子中收到啟發(fā)，對于這樣的情況，一般可以同構自己搭建瀏覽器實現(xiàn)。phantomJs，CasperJS都是不錯的選擇。

導師的要求是獲取過去一年內(nèi)深圳每個區(qū)每個站點每小時的降雨量，執(zhí)行該操作需要通過如上圖中的歷史查詢實現(xiàn)，即通過一個時間來查詢，而這個時間存放在一個hidden類型的input標簽里，當然可以通過js語句將其改為text類型，然后執(zhí)行send_keys之類的操作。然而，我失敗了。時間可以修改設置，可是結果如下圖。

為此，僅抓取實時數(shù)據(jù)。選取python的selenium，模擬搭建瀏覽器，模擬人為的點擊等操作實現(xiàn)數(shù)據(jù)生成和獲取。selenium的一大優(yōu)點就是能獲取網(wǎng)頁渲染后的源代碼，即執(zhí)行操作后的源代碼梁笑。普通的通過 url解析網(wǎng)頁的方式只能獲取給定的數(shù)據(jù)慶哪，不能實現(xiàn)與用戶之間的交互。selenium通過獲取渲染后的網(wǎng)頁源碼，并通過豐富的查找工具，個人認為最好用的就是find_element_by_xpath("xxx")，通過該方式查找到元素后可執(zhí)行點擊、輸入等事件，進而向服務器發(fā)出請求，獲取所需的數(shù)據(jù)。

[python]?view plain?copy

#?coding=utf-8

from?testString?import?*

from?selenium?import?webdriver

import?string

import?os

from?selenium.webdriver.common.keys?import?Keys

import?time

import?sys

default_encoding?=?'utf-8'

if?sys.getdefaultencoding()?!=?default_encoding:

reload(sys)

sys.setdefaultencoding(default_encoding)

district_navs?=?['nav2','nav1','nav3','nav4','nav5','nav6','nav7','nav8','nav9','nav10']

district_names?=?['福田區(qū)','羅湖區(qū)','南山區(qū)','鹽田區(qū)','寶安區(qū)','龍崗區(qū)','光明新區(qū)','坪山新區(qū)','龍華新區(qū)','大鵬新區(qū)']

flag?=?1

while?(flag??0):

driver?=?webdriver.Chrome()

driver.get("hianCe/")

#?選擇降雨量

driver.find_element_by_xpath("http://span[@id='fenqu_H24R']").click()

filename?=?time.strftime("%Y%m%d%H%M",?time.localtime(time.time()))?+?'.txt'

#創(chuàng)建文件

output_file?=?open(filename,?'w')

#?選擇行政區(qū)

for?i?in?range(len(district_navs)):

driver.find_element_by_xpath("http://div[@id='"?+?district_navs[i]?+?"']").click()

#?print?driver.page_source

timeElem?=?driver.find_element_by_id("time_shikuang")

#輸出時間和站點名

output_file.write(timeElem.text?+?',')

output_file.write(district_names[i]?+?',')

elems?=?driver.find_elements_by_xpath("http://span[@onmouseover='javscript:changeTextOver(this)']")

#輸出每個站點的數(shù)據(jù)，格式為：站點名，一小時降雨量，當日累積降雨量

for?elem?in?elems:

output_file.write(AMonitorRecord(elem.get_attribute("title"))?+?',')

output_file.write('\n')

output_file.close()

driver.close()

time.sleep(3600)

文件中引用的文件testString只是修改輸出格式，提取有效數(shù)據(jù)。

[python]?view plain?copy

#Encoding=utf-8

def?OnlyCharNum(s,?oth=''):

s2?=?s.lower()

fomart?=?'abcdefghijklmnopqrstuvwxyz0123456789,.'

for?c?in?s2:

if?not?c?in?fomart:

s?=?s.replace(c,?'')

return?s

def?AMonitorRecord(str):

str?=?str.split(":")

return?str[0]?+?","?+?OnlyCharNum(str[1])

一小時抓取一次數(shù)據(jù)，結果如下：

selenium網(wǎng)頁源碼xml解析的介紹就聊到這里吧，感謝你花時間閱讀本站內(nèi)容，更多關于selenium 獲取html、selenium網(wǎng)頁源碼xml解析的信息別忘了在本站進行查找喔。