Python爬虫开发【第1篇】【爬虫案例】

案例一：网站模拟登录

# douban.py
 
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import time
 
driver = webdriver.PhantomJS()
driver.get("http://www.douban.com")
 
# 输入账号密码
driver.find_element_by_name("form_email").send_keys("xxxxx@xxxx.com")
driver.find_element_by_name("form_password").send_keys("xxxxxxxx")
 
# 模拟点击登录
driver.find_element_by_xpath("//input[@class='bn-submit']").click()
 
# 等待3秒
time.sleep(3)
 
# 生成登陆后快照
driver.save_screenshot("douban.png")
 
with open("douban.html", "w") as file:
    file.write(driver.page_source)
 
driver.quit()

案例二：动态页面模拟点击

#!/usr/bin/env python
# -*- coding:utf-8 -*-
 
# python的测试模块
import unittest
from selenium import webdriver
from bs4 import BeautifulSoup
 
class douyuSelenium(unittest.TestCase):
    # 初始化方法
    def setUp(self):
        self.driver = webdriver.PhantomJS()
 
    #具体的测试用例方法，一定要以test开头
    def testDouyu(self):
        self.driver.get('http://www.douyu.com/directory/all')
        while True:
            # 指定xml解析
            soup = BeautifulSoup(driver.page_source, 'xml')
            # 返回当前页面所有房间标题列表 和 观众人数列表
            titles = soup.find_all('h3', {'class': 'ellipsis'})
            nums = soup.find_all('span', {'class': 'dy-num fr'})
 
            # 使用zip()函数来可以把列表合并，并创建一个元组对的列表[(1,2), (3,4)]
            for title, num in zip(nums, titles):
                print u"观众人数:" + num.get_text().strip(), u"\t房间标题: " + title.get_text().strip()
            # page_source.find()未找到内容则返回-1
            if driver.page_source.find('shark-pager-disable-next') != -1:
                break
            # 模拟下一页点击
            self.driver.find_element_by_class_name('shark-pager-next').click()
 
    # 退出时的清理方法
    def tearDown(self):
        print '加载完成...'
        self.driver.quit()
 
if __name__ == "__main__":
    unittest.main()

案例三：执行 JavaScript 语句

1.隐藏百度图片

from selenium import webdriver
 
driver = webdriver.PhantomJS()
driver.get("https://www.baidu.com/")
 
# 给搜索输入框标红的javascript脚本
js = "var q=document.getElementById(\"kw\");q.style.border=\"2px solid red\";"
 
# 调用给搜索输入框标红js脚本
driver.execute_script(js)
 
#查看页面快照
driver.save_screenshot("redbaidu.png")
 
#js隐藏元素，将获取的图片元素隐藏
img = driver.find_element_by_xpath("//*[@id='lg']/img")
driver.execute_script('$(arguments[0]).fadeOut()',img)
 
# 向下滚动到页面底部
driver.execute_script("$('.scroll_top').click(function(){$('html,body').animate({scrollTop: '0px'}, 800);});")
 
#查看页面快照
driver.save_screenshot("nullbaidu.png")
 
driver.quit()

2.模拟滚动条滚动到底部

from selenium import webdriver
import time
 
driver = webdriver.PhantomJS()
driver.get("https://movie.douban.com/typerank?type_name=剧情&type=11&interval_id=100:90&action=")
 
# 向下滚动10000像素
js = "document.body.scrollTop=10000"
#js="var q=document.documentElement.scrollTop=10000"
time.sleep(3)
 
#查看页面快照
driver.save_screenshot("douban.png")
 
# 执行JS语句
driver.execute_script(js)
time.sleep(10)
 
#查看页面快照
driver.save_screenshot("newdouban.png")
 
driver.quit()