[网络爬虫] 动态网页抓取 — Selenium 入门操作

🌟想系统化学习爬虫技术？看看这个：[数据抓取] Python 网络爬虫 - 学习手册-CSDN博客

0x01：WebDriver 类基础属性 & 方法

为模仿用户真实操作浏览器的基本过程，Selenium 的 WebDriver 模块提供了一个 WebDriver 类（表示浏览器），该类中提供了一些诸如打开浏览器、关闭浏览器、刷新浏览器、前进、后退等入门操作的方法和属性：

属性 OR 方法	解析
title	获取当前页面的标题
current_url	获取当前页面的 URL 地址
page_source	获取当前页面的 HTML 代码（渲染后的）
get()	根据指定的 URL 地址访问页面
maximize_window()	设置浏览器窗口最大化
forward()	页面前进
back()	页面后退
refresh()	刷新当前页面
save_screenshot()	截取当前浏览器窗口
close()	关闭当前页面
quit()	关闭浏览器

0x02：get() 方法 & page_source 属性

使用 get() 方法可以操作浏览器访问的目标网页，使用 page_source 可以获取当前页面整体的源代码（渲染后的），比如下面的例子，我们尝试访问 taobao.com 并抓取渲染好的页面：

from selenium import webdriver
import time
​
driver = webdriver.Chrome() # 创建浏览器对象
driver.get("https://taobao.com")          # 访问淘宝首页
​
# 因为从访问淘宝到淘宝加载商品数据中间有一段时间，所以我们得强制等待一会，等待页面完全加载
time.sleep(3)              # 等待 3 秒
print(driver.page_source)  # 打印渲染好的页面
# print(driver.title)      # 获取当前页面的标题
# print(driver.current_url) # 获取当前页面的 URL 地址

如上，我们成功抓取了淘宝官网动态加载后的页面数据，只要再结合之前学习的数据提取方法，我们就能够很轻松的从动态页面中抓取我们想要的数据啦。

对于 title 属性与 current_url 属性相信聪明如你一定知道是提取啥的了吧，笔者后面就不特意讲了，如果不知道的话，自己跑跑呗（把上面注释去掉就行）。

0x03：maximize_window() 方法

使用 Selenium 启动浏览器后，浏览器的窗口默认不是以最大化形式显示的，此时通过调用 maximize_window() 方法即可实现浏览器窗口最大化：

from selenium import webdriver
import time
​
driver = webdriver.Chrome() # 创建浏览器对象
driver.get("https://taobao.com")          # 访问淘宝首页
​
# 让浏览器窗口最大化
driver.maximize_window()

0x04：forward()、back()、refresh() 方法

经常用浏览器的你肯定对下面三个小按钮非常熟悉，它们就是后退（←）、前进（→）和刷新按钮：

下面介绍 forward()、back()、refresh() 方法就对应上面那几个功能，下面是一个示例代码：

from selenium import webdriver
import time
​
driver = webdriver.Chrome() # 创建浏览器对象
driver.maximize_window()    # 让浏览器窗口最大化
​
driver.get("https://taobao.com")          # 访问淘宝首页
time.sleep(3)                             # 暂停三秒
driver.get("https://www.baidu.com")       # 访问百度首页
time.sleep(3)                             # 暂停三秒
driver.back()                             # 模拟回退按钮，回退到淘宝首页
time.sleep(3)                             # 暂停三秒
driver.forward()                          # 模拟前进按钮，前进到百度首页
time.sleep(3)                             # 暂停三秒
driver.refresh()                          # 模拟刷新按钮，刷新页面

对于代码的执行效果，还得是观众老爷自己运行看看（笔者建议是自己敲一遍），这里笔者就不放图了。

0x05：save_screenshot()、close()、quit() 方法

通过 WebDriver 类的 save_screenshot() 放啊我们可以截取当前的窗口并将其保存为 PNG 格式的图像文件，比如下面这个例子，我们尝试截取淘宝首页图片，并保存为 taobao.png：

from selenium import webdriver
import time
​
driver = webdriver.Chrome() # 创建浏览器对象
driver.maximize_window()    # 让浏览器窗口最大化
​
driver.get("https://taobao.com")          # 访问淘宝首页
​
print("[ + ] 成功访问淘宝首页! 三秒后开始截图操作 ....")
time.sleep(3)
​
driver.save_screenshot('taobao.png')
print("[ + ] 截屏完成，保存为了 taobao.png，三秒后将关闭当前页面 ....")
time.sleep(3)
​
driver.close() # 退出当前页面
print("[ + ] 成功关闭页面, 3 秒钟后将关闭浏览器，退出程序 .....")
time.sleep(3)
​
driver.quit()  # 退出浏览器