使用webmagic爬取网页信息以及通过selenium进行页面元素操作

作者专注于Java、Linux、小程序、爬虫、自动化等技术。 工作期间含泪整理出一些资料，微信搜索【程序员高手之路】，回复 【java】【黑客】【爬虫】【小程序】【面试】等关键字免费获取资料

前言

先赞后看，此生必赚！

本篇文章主要讲解如何使用webmagic技术来实现网页的爬取，

以及使用selenium操作页面元素，实现点击、输入事件

所用技术

1.webmagic

添加需要爬取的url：

Spider.create(new MyProcessor()).addUrl("https://www.cnblogs.com/").thread(5).run();

在process里面抓取符合条件的内容：

public void process(Page page) {

        //判断链接是否符合http://www.cnblogs.com/任意个数字字母-/p/7个数字.html格式

        if(!page.getUrl().regex("http://www.cnblogs.com/[a-z 0-9 -]+/p/[0-9]{7}.html").match()){

          //加入满足条件的链接

            page.addTargetRequests(

                    page.getHtml().xpath("//*[@id=\"post_list\"]/div/div[@class='post_item_body']/h3/a/@href").all());

        }else{

            ////*[@id="post_list"]/div[5]/div[2]/h3/a

            //获取页面需要的内容

            System.out.println("抓取的内容："+

                    page.getHtml().xpath("//*[@id=\"Header1_HeaderTitle\"]/text()").get()

            );

            count ++;

        }

    }

2.selenium

以今日头条为例对页面元素（“关注”按钮）进行点击

设置驱动

System.setProperty("webdriver.chrome.driver", "CHROMEPATH/chromedriver.exe");

初始化driver

WebDriver driver = new ChromeDriver();

进入页面

driver.get("https://www.toutiao.com/c/user/relation/4492956276/?tab=followed#mid=4492956276");

 获取所需元素

WebElement submit = li.findElement(By.cssSelector(".submit"));

 点击

submit.click();

本人专注于Java、Linux、小程序、爬虫、自动化等技术。 工作期间含泪整理出一些资料，微信搜索【程序员高手之路】，回复 【java】【黑客】【爬虫】【小程序】【面试】等关键字免费获取资料

更多代码以及教学视频请关注公众号：程序员高手之路

在公众号里回复【爬虫】，免费获取爬虫视频教程！