python爬虫+网页点击事件+selenium模拟浏览器，爬取选股宝内容
（一）PYTHON的安装（已安装，可跳过此步骤）
1、PYTHON下载
PYTHON官网：https://www.python.org/
按照对应的系统下载，我这里是window系统，点击windows,根据自己系统操作位数下载
添加环境变量：
如果没有添加，可自行在计算机添加
（二）第三方库的安装
安装selenium和pyquery，在cmd命令下输入 pip install selenium（pyquery安装类似）
如果报错则进入python目录下scripts目录下，再输入命令
在python的IDLE下如果没有报错则安装成功
（三）浏览器及相应浏览器驱动的安装
这里主要使用chrome浏览器，自行去谷歌官网下载安装，安装后查看谷歌版本，单击关于google chrome
（一般在这里都可以找到）
我的版本：67.0
下载对应的webdriver （这里没有可以自己推测每3个版本，对应一个v65-67---v2.38,即v68-70--v2.39）
下载地址：http://chromedriver.storage.googleapis.com/index.html
把下载好的chromedriver.exe，解压后放到python36目录下（或者python36目录下的scripts）
在IDLE下执行如下代码，会自动打开你谷歌浏览器（环境搭建完成）
（四）实例代码详解
要求：爬取https://www.xuangubao.cn/股票网站的信息（（“利好”或“利空”）和“相关股票”），实现点击加载更多
（1）打开浏览器，获取相关讯息：
（2）网页分析（selenium有很多定位方法，这里用到比较少）
在上面的代码中，data已经拥有了网页当前页的所有内容（可输出观察）；我们现在只要从中拿到我们想要的数据
在网页中，右键，审查元素，（或者检查）分析网页：（由于得到的data可能与网页的分析有所出入，建议最好输出data，从data中分析得到正则表达式）
我们用正则表达式找到所有以1开头，以2为结尾内容用findall函数
实现点击：（点击之后的”利好”和“相关股票”的正则会与首页的不同（后面点击的与第一次点击后的一样））
定位方法有：（这里用的比较少不做详细介绍，大家自行了解）：
find_element_by_id 当你知道一个元素的id属性时使用它。使用此策略，将返回具有与该位置匹配的id属性值的第一个元素。
find_element_by_name 当你知道一个元素的name属性时使用它。使用此策略，将返回具有与该位置匹配的id属性值的第一个元素。
find_element_by_xpath
find_element_by_link_text
find_element_by_partial_link_text
find_element_by_tag_name
find_element_by_class_name
find_element_by_css_selector
源码附上：
#coding=utf-8
from selenium import webdriver
import time
import re
from pyquery import PyQuery as pq
def openurl(url,num):
browser = webdriver.Chrome() #打开浏览器
browser.get(url) #进入相关网站
html=browser.page_source #获取网站源码
data=str(pq(html)) #str() 函数将对象转化为适于人阅读的形式。
dic={}
re_rule=r'(.*?)'
datalist=re.findall(re_rule,data,re.S)
for i in range(0,len(datalist)):
rule1=r'
(.*?)'
bullish = re.findall(rule1,datalist[i],re.S)
if len(bullish)==0:
rule1=r'
(.*?)'
bullish = re.findall(rule1,datalist[i],re.S)
rule2=r'(.*?)'
stock_name=re.findall(rule2,datalist[i], re.S)
if len(stock_name) > 0 and len( bullish) > 0:
for c in range(0,len(stock_name)):
dic[stock_name[c]]= bullish[0]
print("正在爬取第",len(dic)+1,"个请稍等.....")
c=len(datalist)
if len(dic) < num:
while(1):
browser.find_element_by_class_name("home-news-footer").click()
time.sleep(1)
html=browser.page_source
data=str(pq(html))
datalist=re.findall(re_rule,data,re.S)
for i in range(c,len(datalist)):
rule3=r'(.*?)'
bullish = re.findall(rule3,datalist[i],re.S)
if len(bullish)==0:
rule5=r'(.*?)'
bullish = re.findall(rule5,datalist[i],re.S)
rule4=r'(.*?)'
stock_name=re.findall(rule4,datalist[i], re.S)
if len(stock_name) > 0 and len( bullish) > 0:
for c in range(0,len(stock_name)):
dic[stock_name[c]]= bullish[0]
c=len(datalist)
if len(dic) > num :
browser.quit()
print("爬取完毕！！")
break
print("正在爬取第",len(dic)+1,"个请稍等.....")
else:
browser.quit()
print("爬取完毕！！")
return dic
url='https://www.xuangubao.cn/'
dict=openurl(url,3)
print(dict)
#f=open("F:\\text.txt","a")
#for key,values in dict.items():
#f.write((key+"\t"))
#print(key,values)
#f.close()
---------------------
原文：https://blog.csdn.net/weixin_42551465/article/details/80817552