python如何爬取動態網站

python有許多庫可以讓我們很方便地編寫網絡爬蟲，爬取某些頁面，獲得有價值的信息！但許多時候，爬蟲取到的頁面僅僅是一個靜態的頁面，即網頁 的源代碼，就像在瀏覽器上的“查看網頁源代碼”一樣。一些動態的東西如javascript腳本執行后所產生的信息，是抓取不到的，這里暫且先給出這么一 些方案，可用于python爬取js執行后輸出的信息。

1、兩種基本的解決方案

1.1 用dryscrape庫動態抓取頁面

js腳本是通過瀏覽器來執行并返回信息的，所以，抓取js執行后的頁面，一個最直接的方式就是用python模擬瀏覽器的行為。WebKit 是一個開源的瀏覽器引擎，python提供了許多庫可以調用這個引擎，dryscrape便是其中之一，它調用webkit引擎來處理包含js等的網頁！

import dryscrape
# 使用dryscrape庫 動態抓取頁面
def get_url_dynamic(url):
    session_req=dryscrape.Session()
    session_req.visit(url) #請求頁面
    response=session_req.body() #網頁的文本
    #print(response)
    return response
get_text_line(get_url_dynamic(url)) #將輸出一條文本

這里對于其余包含js的網頁也是適用的！雖然可以滿足抓取動態頁面的要求，但缺點還是很明顯的：慢！太慢了，其實想一想也合理，python調用 webkit請求頁面，而且等頁面加載完，載入js文件，讓js執行，將執行后的頁面返回，慢一點也是應該的！除外還有很多庫可以調用 webkit：PythonWebkit，PyWebKitGit，Pygt（可以用它寫個瀏覽器），pyjamas等等，聽說它們也可以實現相同的功能！

1.2 selenium web測試框架

selenium是一個web測試框架，它允許調用本地的瀏覽器引擎發送網頁請求，所以，它同樣可以實現抓取頁面的要求。

# 使用 selenium webdriver 可行，但會實時打開瀏覽器窗口

def get_url_dynamic2(url):
    driver=webdriver.Firefox() #調用本地的火狐瀏覽器，Chrom 甚至 Ie 也可以的
    driver.get(url) #請求頁面，會打開一個瀏覽器窗口
    html_text=driver.page_source
    driver.quit()
    #print html_text
    return html_text
get_text_line(get_url_dynamic2(url)) #將輸出一條文本

這也不失為一條臨時的解決方案！與selenium類似的框架還有一個windmill，感覺稍復雜一些，就不再贅述！

2、selenium的安裝與使用

2.1 selenium的安裝

在Ubuntu上安裝可以直接使用pip install selenium。由于以下原因：

1. selenium 3.x開始，webdriver/firefox/webdriver.py的__init__中，executable_path="geckodriver"；而2.x是executable_path="wires"

2. firefox 47以上版本，需要下載第三方driver，即geckodriver

還需要一些特殊操作：

1. 下載 geckodriverckod 地址： 

mozilla/geckodriver

2. 解壓后將geckodriverckod 存放至 /usr/local/bin/ 路徑下即可：

sudo mv ～/Downloads/geckodriver /usr/local/bin/

2.2 selenium的使用

1. 運行報錯：

driver = webdriver.chrome()
TypeError: 'module' object is not callable

解決方案：瀏覽器的名稱需要大寫Chrome和Firefox，Ie

2. 通過

content = driver.find_element_by_class_name('content')

來定位元素時，該方法返回的是FirefoxWebElement，想要獲取包含的值時，可以通過

value = content.text

到此這篇關于python如何爬取動態網站的文章就介紹到這了,更多相關python怎么爬動態網站內容請搜索億速云以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持億速云！