selenium新总结与数据抓取新技巧

     作者：龙威

     来源：玩大数据的规划师

"娄底终于放晴了，病树前头万木春，希望早点结束这场浩劫，恢复生机。本期更新两个知识点：一是selenium结合浏览器驱动器的数据爬取可以实现不让浏览器在前端打开显示；二是有些网站的一些数据本身是用网页存成的json数据，无需耗费大量心神去用selenium去抓取。"

01

—

selenium新技能

在抓取数据的过程中，界面的显示对于用户来说意义不大。除了在小白面前展示一下这种像见了鬼一样的自动化操作，对于完成一件事来说反而是累赘，因为网络的传播与渲染是需要耗时的，目前对于无界面的操作，抱歉我还不知道在后台有没有加载渲染，不过不是重点，重点把两种操作都给大家展示一下。

有界面

能清除的看到整个操作过程，举例百度一下疫情。代码如下：

from selenium import webdriver
import time


driver = webdriver.Chrome()
driver.get("https://www.baidu.com/")
driver.maximize_window()




time.sleep(1)
driver.find_element_by_xpath('//*[@id="kw"]').send_keys("疫情")
driver.find_element_by_xpath('//*[@id="su"]').click()
time.sleep(3)


driver.close()

整个操作流程展示动图：

无界面

无界面的好处，当某些操作要做成应用程序，去打开浏览器，那这个软件有点怪。

代码如下：

from selenium import webdriver
import time


# 创建chrome参数对象
opt = webdriver.ChromeOptions()


# 把chrome设置成无界面模式，不论windows还是linux都可以，自动适配对应参数
opt.add_argument('--headless')


# 创建chrome无界面对象
driver = webdriver.Chrome(options=opt) #DeprecationWarning: use options instead of chrome_options
driver.get("https://www.baidu.com/")






time.sleep(1)
driver.find_element_by_xpath('//*[@id="kw"]').send_keys("疫情")
driver.find_element_by_xpath('//*[@id="su"]').click()
time.sleep(3)


text = driver.page_source
print(text)


driver.close()

无界面模式下，开发者可以先通过有界面把代码写好。后续的操作过程把有界面改成无界面即可，视频展示如下：

02

—

新技巧

其实这个数据抓取也不是什么新技能，只是之前我在抓取Airbnb的时候，我以为是网站提供了api，其实是无意中从网页解析中获得的，这里举例在重温一下步骤。

Airbnb:

那些活动的网页，每次跳转的过程中都会加载一个新的页面。那个新的页面，只要找到那个含json数据的页面，加上python的基础技能，字典，列表，字符串等等，就能提取想要的数据。动态图如下：

彩票开奖网:

结构化的数据是最好提取的，网站要呈现结构的数据，我们只需要解析一个，后续的全部依葫芦画瓢解析，构建一个循环即可：

最终的每天的结果，修改日期即可：

总结：静态页面获取速度快，如果去获取一个动态加载的网页，需要等网页全部加载完再获取，费事费力，更难的可能还需要验证码之类，所有途径，获取json格式网页是我所见最简单的。

◆ ◆ ◆  ◆ ◆

长按二维码关注我们

---

数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以扫描下方管理员二维码，进群前一定要关注公众号奥，关注后让管理员帮忙拉进群，期待大家的加入。

管理员二维码：

猜你喜欢

● 笑死人不偿命的知乎沙雕问题排行榜

● 用Python扒出B站那些“惊为天人”的阿婆主！

● 全球股市跳水大战，谁最坑爹！

● 华农兄弟、徐大Sao&李子柒？谁才是B站美食区的最强王者？

● 你相信逛B站也能学编程吗