乐山市城乡规划建设局网站,个人小程序,一个公网ip可以做几个网站,2o17甘孜建设网站爬虫开发从0到1全知识教程完整教程#xff08;附代码资料#xff09;主要内容讲述#xff1a;爬虫课程概要#xff0c;爬虫基础爬虫概述,,http协议复习。requests模块#xff0c;requests模块1. requests模块介绍,2. response响应对象,3. requests模块发送请求,4. request…
爬虫开发从0到1全知识教程完整教程附代码资料主要内容讲述爬虫课程概要爬虫基础爬虫概述,,http协议复习。requests模块requests模块1. requests模块介绍,2. response响应对象,3. requests模块发送请求,4. requests模块发送post请求,5. 利用requests.session进行状态保持。数据提取概要数据提取概述1. 响应内容的分类,2. 认识xml以及和html的区别,1. jsonpath模块的使用场景,2. jsonpath模块的使用方法,3. jsonpath练习,1. 了解 lxml模块和xpath语法。Selenium课程概要selenium的介绍,selenium提取数据。Selenium课程概要反爬与反反爬selenium的其它使用方法。反爬与反反爬常见的反爬手段和解决思路。反爬与反反爬验证码处理,chrome浏览器使用方法介绍。反爬与反反爬Mongodb数据库JS的解析,介绍,内容,mongodb文档,Mongodb的介绍和安装,小结。Mongodb数据库介绍,内容,mongodb文档,mongodb的简单使用,小结,Mongodb的的增删改查。Mongodb数据库介绍,内容,mongodb文档,mongodb的聚合操作,2 mongodb的常用管道和表达式,Mongodb的索引操作。Mongodb数据库scrapy爬虫框架介绍,内容,mongodb文档,mongodb和python交互,小结,介绍。scrapy爬虫框架scrapy爬虫框架介绍,内容,scrapy官方文档,scrapy的入门使用,小结,介绍。scrapy爬虫框架介绍,内容,scrapy官方文档,scrapy管道的使用,小结,scrapy的crawlspider爬虫。scrapy爬虫框架介绍,内容,scrapy官方文档,scrapy中间件的使用,小结,scrapy_redis概念作用和流程。scrapy爬虫框架介绍,内容,scrapy官方文档,scrapy_redis原理分析并实现断点续爬以及分布式爬虫,小结,scrapy_splash组件的使用。scrapy爬虫框架介绍,内容,scrapy官方文档,scrapy的日志信息与配置,小结,scrapyd部署scrapy项目。利用appium抓取app中的信息利用appium抓取app中的信息介绍,内容,appium环境安装,介绍,内容,利用appium自动控制移动设备并提取数据。appium环境安装,Mongodb的介绍和安装,小结。scrapy的概念和流程 ,小结,selenium的介绍,常见的反爬手段和解决思路。数据提取概述1. 响应内容的分类,2. 认识xml以及和html的区别,爬虫概述,http协议复习。mongodb的简单使用,小结,scrapy的入门使用,小结。selenium提取数据,利用appium自动控制移动设备并提取数据。验证码处理。数据提取-jsonpath模块1. jsonpath模块的使用场景,2. jsonpath模块的使用方法,3. jsonpath练习,chrome浏览器使用方法介绍,Mongodb的的增删改查,小结。scrapy数据建模与请求,小结,selenium的其它使用方法。数据提取-lxml模块1. 了解 lxml模块和xpath语法,2. 谷歌浏览器xpath helper插件的安装和使用,3. xpath的节点关系,4. xpath语法-基础节点选择语法,5. xpath语法-节点修饰语法,6. xpath语法-其他常用节点选择语法。JS的解析,mongodb的聚合操作,2 mongodb的常用管道和表达式。scrapy模拟登陆,小结,Mongodb的索引操作,小结,scrapy管道的使用,小结。Mongodb的权限管理,小结,scrapy中间件的使用,小结。mongodb和python交互,小结,scrapy_redis概念作用和流程,小结,scrapy_redis原理分析并实现断点续爬以及分布式爬虫,小结。scrapy_splash组件的使用,小结,scrapy的日志信息与配置,小结。scrapyd部署scrapy项目,13.Gerapy,13.Gerapy。1.2.1-简单的代码实现目标urlscrapy的crawlspider爬虫。
全套笔记资料代码移步 前往gitee仓库查看
感兴趣的小伙伴可以自取哦欢迎大家点赞转发~ 全套教程部分目录 部分文件图片 Selenium课程概要
本阶段课程主要学习selenium自动化测试框架在爬虫中的应用selenium能够大幅降低爬虫的编写难度但是也同样会大幅降低爬虫的爬取速度。在逼不得已的情况下我们可以使用selenium进行爬虫的编写。
selenium的其它使用方法
知识点
掌握 selenium控制标签页的切换掌握 selenium控制iframe的切换掌握 利用selenium获取cookie的方法掌握 手动实现页面等待掌握 selenium控制浏览器执行js代码的方法掌握 selenium开启无界面模式了解 selenium使用ip了解 selenium替换user-agent 1. selenium标签页的切换 当selenium控制浏览器打开多个标签页时如何控制浏览器在不同的标签页中进行切换呢需要我们做以下两步 获取所有标签页的窗口句柄 利用窗口句柄字切换到句柄指向的标签页 这里的窗口句柄是指指向标签页对象的标识 [关于句柄请课后了解更多本小节不做展开]( 具体的方法
# 1. 获取当前所有的标签页的句柄构成的列表current_windows driver.window_handles# 2. 根据标签页句柄列表索引下标进行切换driver.switch_to.window(current_windows[0])参考代码示例
import time
from selenium import webdriverdriver webdriver.Chrome()
driver.get(time.sleep(1)
driver.find_element_by_id(kw).send_keys(python)
time.sleep(1)
driver.find_element_by_id(su).click()
time.sleep(1)# 通过执行js来新开一个标签页js window.open(
driver.execute_script(js)
time.sleep(1)# 1. 获取当前所有的窗口windows driver.window_handlestime.sleep(2)# 2. 根据窗口索引进行切换driver.switch_to.window(windows[0])
time.sleep(2)
driver.switch_to.window(windows[1])time.sleep(6)
driver.quit()知识点掌握 selenium控制标签页的切换 2. switch_to切换frame标签 iframe是html中常用的一种技术即一个页面中嵌套了另一个网页selenium默认是访问不了frame中的内容的对应的解决思路是driver.switch_to.frame(frame_element)。接下来我们通过qq邮箱模拟登陆来学习这个知识点
参考代码
import time
from selenium import webdriverdriver webdriver.Chrome()url
driver.get(url)
time.sleep(2)login_frame driver.find_element_by_id(login_frame) # 根据id定位 frame元素
driver.switch_to.frame(login_frame) # 转向到该frame中driver.find_element_by_xpath(//*[idu]).send_keys(1596930226qq.com)
time.sleep(2)driver.find_element_by_xpath(//*[idp]).send_keys(hahamimashicuode)
time.sleep(2)driver.find_element_by_xpath(//*[idlogin_button]).click()
time.sleep(2)操作frame外边的元素需要切换出去
windows driver.window_handles
driver.switch_to.window(windows[0])content driver.find_element_by_class_name(login_pictures_title).text
print(content)driver.quit()总结 切换到定位的frame标签嵌套的页面中 driver.switch_to.frame(通过find_element_by函数定位的frame、iframe标签对象) 利用切换标签页的方式切出frame标签 python windows driver.window_handles driver.switch_to.window(windows[0])
---##### 知识点掌握 selenium控制frame标签的切换---### 3. selenium对cookie的处理
selenium能够帮助我们处理页面中的cookie比如获取、删除接下来我们就学习这部分知识#### 3.1 获取cookie
driver.get_cookies()返回列表其中包含的是完整的cookie信息不光有name、value还有domain等cookie其他维度的信息。所以如果想要把获取的cookie信息和requests模块配合使用的话需要转换为name、value作为键值对的cookie字典
python# 获取当前标签页的全部cookie信息print(driver.get_cookies())# 把cookie转化为字典cookies_dict {cookie[‘name’]: cookie[‘value’] for cookie in driver.get_cookies()}3.2 删除cookie
#删除一条cookiedriver.delete_cookie(CookieName)# 删除所有的cookiedriver.delete_all_cookies()知识点掌握 利用selenium获取cookie的方法 4. selenium控制浏览器执行js代码 selenium可以让浏览器执行我们规定的js代码运行下列代码查看运行效果 import time
from selenium import webdriverdriver webdriver.Chrome()
driver.get(
time.sleep(1)js window.scrollTo(0,document.body.scrollHeight) # js语句
driver.execute_script(js) # 执行js的方法time.sleep(5)
driver.quit()执行js的方法driver.execute_script(js) 知识点掌握 selenium控制浏览器执行js代码的方法 5. 页面等待 页面在加载的过程中需要花费时间等待网站服务器的响应在这个过程中标签元素有可能还没有加载出来是不可见的如何处理这种情况呢 页面等待分类强制等待介绍显式等待介绍隐式等待介绍手动实现页面等待
5.1 页面等待的分类 首先我们就来了解以下selenium页面等待的分类 强制等待隐式等待显式等待
5.2 强制等待了解
其实就是time.sleep()缺点时不智能设置的时间太短元素还没有加载出来设置的时间太长则会浪费时间
5.3 隐式等待 隐式等待针对的是元素定位隐式等待设置了一个时间在一段时间内判断元素是否定位成功如果完成了就进行下一步 在设置的时间内没有定位成功则会报超时加载 示例代码
from selenium import webdriverdriver webdriver.Chrome() driver.implicitly_wait(10) # 隐式等待最长等20秒 driver.get(driver.find_element_by_xpath()5.4 显式等待了解 每经过多少秒就查看一次等待条件是否达成如果达成就停止等待继续执行后续代码 如果没有达成就继续等待直到超过规定的时间后报超时异常 示例代码
from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By driver webdriver.Chrome()driver.get(# 显式等待WebDriverWait(driver, 20, 0.5).until(EC.presence_of_element_located((By.LINK_TEXT, 好123))) # 参数20表示最长等待20秒# 参数0.5表示0.5秒检查一次规定的标签是否存在# EC.presence_of_element_located((By.LINK_TEXT, 好123)) 表示通过链接文本内容定位标签# 每0.5秒一次检查通过链接文本内容定位标签是否存在如果存在就向下继续执行如果不存在直到20秒上限就抛出异常print(driver.find_element_by_link_text(好123).get_attribute(href))
driver.quit()5.5 手动实现页面等待 在了解了隐式等待和显式等待以及强制等待后我们发现并没有一种通用的方法来解决页面等待的问题比如“页面需要滑动才能触发ajax异步加载”的场景那么接下来我们就以[淘宝网首页]( 原理 利用强制等待和显式等待的思路来手动实现 不停的判断或有次数限制的判断某一个标签对象是否加载完毕是否存在 实现代码如下
import time
from selenium import webdriver
driver webdriver.Chrome(/home/worker/Desktop/driver/chromedriver)driver.get(
time.sleep(1)# i 0# while True:for i in range(10):i 1try:time.sleep(3)element driver.find_element_by_xpath(//div[classshop-inner]/h3[1]/a)print(element.get_attribute(href))breakexcept:js window.scrollTo(0, {}).format(i*500) # js语句driver.execute_script(js) # 执行js的方法
driver.quit()知识点掌握 手动实现页面等待 6. selenium开启无界面模式 绝大多数服务器是没有界面的selenium控制谷歌浏览器也是存在无界面模式的这一小节我们就来学习如何开启无界面模式又称之为无头模式 开启无界面模式的方法 实例化配置对象 options webdriver.ChromeOptions() 配置对象添加开启无界面模式的命令 options.add_argument(--headless) 配置对象添加禁用gpu的命令 options.add_argument(--disable-gpu) 实例化带有配置对象的driver对象 driver webdriver.Chrome(chrome_optionsoptions) 注意macos中chrome浏览器59版本Linux中57版本才能使用无界面模式 参考代码如下
from selenium import webdriveroptions webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument(--headless) # 开启无界面模式
options.add_argument(--disable-gpu) # 禁用gpu# options.set_headles() # 无界面模式的另外一种开启方式driver webdriver.Chrome(chrome_optionsoptions) # 实例化带有配置的driver对象driver.get(
print(driver.title)
driver.quit()知识点掌握 selenium开启无界面模式 7. selenium使用ip selenium控制浏览器也是可以使用ip的 使用ip的方法 实例化配置对象 options webdriver.ChromeOptions() 配置对象添加使用ip的命令 options.add_argument(--proxy-server 实例化带有配置对象的driver对象 driver webdriver.Chrome(./chromedriver, chrome_optionsoptions) 参考代码如下
from selenium import webdriveroptions webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument(--proxy-server # 使用ipdriver webdriver.Chrome(chrome_optionsoptions) # 实例化带有配置的driver对象driver.get(
print(driver.title)
driver.quit()知识点了解 selenium使用ip 8. selenium替换user-agent selenium控制谷歌浏览器时User-Agent默认是谷歌浏览器的这一小节我们就来学习使用不同的User-Agent 替换user-agent的方法 实例化配置对象 options webdriver.ChromeOptions() 配置对象添加替换UA的命令 options.add_argument(--user-agentMozilla/5.0 HAHA) 实例化带有配置对象的driver对象 driver webdriver.Chrome(./chromedriver, chrome_optionsoptions) 参考代码如下
from selenium import webdriveroptions webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument(--user-agentMozilla/5.0 HAHA) # 替换User-Agentdriver webdriver.Chrome(./chromedriver, chrome_optionsoptions)driver.get(
print(driver.title)
driver.quit()知识点了解 selenium替换user-agent 反爬与反反爬
本阶段课程主要学习爬虫的反爬及应对方法。
未完待续 同学们请等待下一期
全套笔记资料代码移步 前往gitee仓库查看
感兴趣的小伙伴可以自取哦欢迎大家点赞转发~
