首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

使用selenium 的笔记总结

a. 其中 '//' 表示从匹配的节点开始找,也就是相对路径,这也是用的最多的一种情况. b. [@class='class_name'] 表示元素的属性值,在这里表示元素的class 属性的值为 class_name. 如果是多个属性进行限制,那么可以追加多个 [@attribute_name='attribute_value']来限制,从而保证可以匹配到相应的元素 c. 支持多层路径,上面路径基础上可以追加,比如: "//div[@class='class_name']/button[@type='submit']" , 如果是查找 节点元素,那么后面用类似: "//div[@class='class_name']/.." 的格式,这种情况在实际使用中会常遇到. d. input, button 等元素不支持class 属性,这个原因不清楚,但是使用的时候加上class 属性就找不到元素. div等元素支持class 属性,如果通过特定属性找不到,尝试更改属性的值来进行查找 e. 如果是使用xpath, 并通过使用text 属性来进行元素查找,那么表达式格式如下:

01

(数据科学学习手札50)基于Python的网络数据采集-selenium篇(上)

接着几个月之前的(数据科学学习手札31)基于Python的网络数据采集(初级篇),在那篇文章中,我们介绍了关于网络爬虫的基础知识(基本的请求库,基本的解析库,CSS,正则表达式等),在那篇文章中我们只介绍了如何利用urllib、requests这样的请求库来将我们的程序模拟成一个请求网络服务的一端,来直接取得设置好的url地址中朴素的网页内容,再利用BeautifulSoup或pyspider这样的解析库来对获取的网页内容进行解析,在初级篇中我们也只了解到如何爬取静态网页,那是网络爬虫中最简单的部分,事实上,现在但凡有价值的网站都或多或少存在着自己的一套反爬机制,例如利用JS脚本来控制网页中部分内容的请求和显示,使得最原始的直接修改静态目标页面url地址来更改页面的方式失效,这一部分,我在(数据科学学习手札47)基于Python的网络数据采集实战(2)中爬取马蜂窝景点页面下蜂蜂点评区域用户评论内容的时候,也详细介绍过,但之前我在所有爬虫相关的文章中介绍的内容,都离不开这样的一个过程:

05
领券