python爬蟲積累（一）--------selenium+python+PhantomJS的使用

本文轉載自查看原文 2017-04-07 19:42 18946 PhantomJS/ selenium/ python爬蟲

　　最近按公司要求，爬取相關網站時，發現沒有找到js包的地址，我就采用selenium來爬取信息，相關實戰鏈接：python爬蟲實戰（一）--------中國作物種質信息網

一、Selenium介紹

　　Selenium 是什么？一句話，自動化測試工具。它支持各種瀏覽器，包括 Chrome，Safari，Firefox 等主流界面式瀏覽器，如果你在這些瀏覽器里面安裝一個 Selenium 的插件，那么便可以方便地實現Web界面的測試。換句話說叫 Selenium 支持這些瀏覽器驅動。Selenium支持多種語言開發，比如 Java，C，Ruby等等，有 Python 嗎？那是必須的！安裝只要cmd中 pip install selenium 即可。

二、爬蟲為什么要用selenium？

　對於一般網站來說scrapy、requests、beautifulsoup等都可以爬取，但是有些信息需要執行js才能顯現，而且你肉眼所能看到的基本都能爬取下來，在學習中遇到了，就記錄下來方便以后查看。

　webdrive是selenium中一個函數：

1 from selenium import webdriver
2 driver = webdriver.PhantomJS()
3 driver.get('網址')

其中PhantomJS同時可以換成Chrome、Firefox、Ie等等，但是PhantomJS是一個無頭的瀏覽器，運行是不會跳出相應的瀏覽器，運行相對效率較高。在調試中可以先換成Chrome，方便調試，最后再換成PhantomJS即可。

三、PhantomJS介紹

　　PhantomJS是一個基於webkit的JavaScript API。它使用QtWebKit作為它核心瀏覽器的功能，使用webkit來編譯解釋執行JavaScript代碼。任何你可以在基於webkit瀏覽器做的事情，它都能做到。它不僅是個隱形的瀏覽器，提供了諸如CSS選擇器、支持Web標准、DOM操作、JSON、HTML5、Canvas、SVG等，同時也提供了處理文件I/O的操作，從而使你可以向操作系統讀寫文件等。PhantomJS的用處可謂非常廣泛，諸如前端無界面自動化測試（需要結合Jasmin）、網絡監測、網頁截屏等。

　　PhantomJS官方地址：http://phantomjs.org/。

　　PhantomJS官方API：http://phantomjs.org/api/。

　　PhantomJS官方示例：http://phantomjs.org/examples/。

　　PhantomJS GitHub：https://github.com/ariya/phantomjs/。

四、PhantomJS安裝

本人windowns7系統，把下載下來的phantomjs.exe移到你所用python文件夾下的Script中就可以使用了。（下載PhantomJS-2.1.1-windowns.zip鏈接：http://pan.baidu.com/s/1c8HeBc 密碼：2zm4）

小測試：

1 from selenium import webdriver
2 driver = webdriver.PhantomJS()
3 driver.get("http://hotel.qunar.com/")
4 data = driver.title
5 print data
6 
7 #輸出
8 【去哪兒酒店】酒店預訂, 酒店查詢-去哪兒網Qunar.com

五、操作實戰

 1 # -*-coding:utf-8-*-
 2 from selenium import webdriver  
 3 import time
 4 import win32api
 5 import re
 6 import win32con
 7 browser = webdriver.PhantomJS()
 8 '''PhantomJS的屏幕截圖是滾動底部的,而Chrome沒有'''
 9   
10 browser.get("http://flight.qunar.com/")  #打開去哪兒官網
11 a=browser.get_screenshot_as_file("E:/Python27/test2.jpg")  #屏幕截圖
12 
13 browser.find_element_by_id("searchTypeRnd").click() #點擊往返
14 browser.find_element_by_xpath('//*[@id="dfsForm"]/div[2]/div[1]/div/input').clear() #先清理下輸入框，默認是有地方的
15 browser.find_element_by_xpath('//*[@id="dfsForm"]/div[2]/div[1]/div/input').send_keys(u"北京")  #輸入起點位置
16 
17 '''這里涉及到win32api可以參考相關手冊----以下是鍵盤操作'''
18 time.sleep(0.5)
19 win32api.keybd_event(108,0,0,0)  #按enter鍵
20 #按某個鍵 win32api.keybd_event(鍵位碼,0,0,0)
21 win32api.keybd_event(108,0,win32con.KEYEVENTF_KEYUP,0)#釋放按鍵
22 #釋放按鍵 win32api.keybd_event(鍵位碼,0,win32con.KEYEVENTF_KEYUP,0)
23 
24 browser.find_element_by_xpath('//*[@id="dfsForm"]/div[2]/div[2]/div/input').clear()
25 browser.find_element_by_xpath('//*[@id="dfsForm"]/div[2]/div[2]/div/input').send_keys(u"上海")  #輸入終點位置
26 time.sleep(0.5)
27 win32api.keybd_event(108,0,0,0)   #按enter鍵
28 win32api.keybd_event(108,0,win32con.KEYEVENTF_KEYUP,0)  #釋放按鍵
29 
30 browser.find_element_by_xpath('//*[@id="fromDate"]').clear()
31 browser.find_element_by_xpath('//*[@id="fromDate"]').send_keys("2017-04-19")  #輸入出發時間
32 #browser.find_element_by_xpath('//*[@id="fromDate"]').click()
33 browser.find_element_by_xpath('//*[@id="toDate"]').clear()
34 browser.find_element_by_xpath('//*[@id="toDate"]').send_keys("2017-04-22")  #輸入返程時間
35 #browser.find_element_by_xpath('//*[@id="toDate"]').click()
36 
37 
38 '''法二設置地點和時間'''
39 #browser.find_element_by_name("name").send_keys("北京(BJS)")  #設置值
40 #browser.find_element_by_name("pass").send_keys("上海(SHA)")  #設置值
41 #browser.find_element_by_id("txtAirplaneTime1").send_keys("2016-12-19")  #設置值
42 
43 browser.find_element_by_xpath('//*[@id="dfsForm"]/div[4]/button').click() #點擊按鈕 提交表單
44 browser.maximize_window()  #最大窗口
45 
46 '''保存當前網頁'''
47 print(browser.current_url)  #當前url
48 #browser.get("http://www.ly.com/FlightQuery.aspx")#cookie保存在對象中，對需認證頁面可直接訪問
49 data=browser.page_source.encode("utf-8","ignore")
50 fh=open("E:/python27/qun.html","wb")
51 fh.write(data)
52 fh.close()
53 data2=browser.page_source
54 #print data2
55 a=browser.get_screenshot_as_file("E:/Python27/test.jpg")
56 #print(browser.page_source)
57 
58 ''''后續可以抓取一些東西'''
59 
60 browser.quit()