接下来自己会写一些关于爬虫 实战的内容,把所学的知识加以运用。这篇文章是关于一个英文谚语网站的谚语爬取,并输出结果。 这个网站大致有10页谚语,所以是一个关于selenium使用的例子,大致思路使用webrdriver获取“下一页”按钮,获取每一页源码,输入所要的谚语
1、 BeautifulSoup 2、selenium 3、time 4、driver=webdriver.Chrome("G:/chromedriver/chromedriver.exe")(我使用的Chrome驱 动, PhantomJS也可以) (ps:初期学习爬虫的拾遗与总结这里有介绍)
目标网站
谚语所在位置
next按钮
加了详细备注,看起来应该不算困难
#xpath和自动化的结合使用
#from lxml import etree
from bs4 import BeautifulSoup
from selenium import webdriver
import time
#加载驱动
driver=webdriver.Chrome("G:/chromedriver/chromedriver.exe")
#driver = webdriver.PhantomJS()#这个我没试
#打开目标网址并获取源码
driver.get('http://quotes.toscrape.com/')
soup=BeautifulSoup(driver.page_source,'lxml')
i=0
while True:
try:
#找到并获取第一页的谚语位置span集合:items,点击下一页之后会变成下一页的谚语集合
items=soup.find_all('span',class_='text')
#打印获取到第一页的谚语
for item in items:
print('谚语'+str(i)+':')
print(item.text)
i+=1
#获取下一页next按钮
elem=driver.find_element_by_xpath('//ul[@class="pager"]/li[@class="next"]/a')
elem.click()
#停顿2秒,页面观察点击下一页的效果
time.sleep(2)
#获取下一页源码
soup=BeautifulSoup(driver.page_source,'lxml')
except:
break
结果图