相信爬取大公司的數(shù)據(jù)時，常常會遇到頁面信息動態(tài)加載的問題，
如果僅僅使用content = urllib2.urlopen(URL).read()，估計信息是獲取不全的，這時候就需要模擬瀏覽器加載頁面的過程，
selenium提供了方便的方法，我也是菜鳥，試了很多種方式，下面提供覺得最靠譜的（已經(jīng)證明對于爬取新浪微博的topic、twitter under topic完全沒問題）。
至于下面的browser變量是什么，看前面的幾篇文章。
首先是請求對應(yīng)的URL：
right_URL = URL.split("from")[0] + "current_page="+str(current_page) + "&since_id="+str(since_id) + "&page="+str(page_index) + "#Pl_Third_App__"+str(Pl_Third_App) print right_URL try: browser.get(right_URL) print "loading more, sleep 3 seconds ... 0" time.sleep(3) # NO need for this sleep, but we add ... browser = selenuim_loading_more(browser, method_index=0) except: print "one exception happen ==> get_tweeter_under_topic 2 ..." pass 然后模擬瀏覽器，加載更多（推薦使用method_index=0，已經(jīng)證明比其他好用很多）：
def selenuim_loading_more(browser, method_index=0): if method_index==0: browser.implicitly_wait(3) # 為了快速滑動，先設(shè)置超時時間為1秒 # while True: for i in range(1, 4): # at most 3 times print "loading more, window.scrollTo bettom for the", i,"time ..." browser.execute_script("window.scrollTo(0,document.body.scrollHeight);") try: # 定位頁面底部的換頁tab browser.find_element_by_css_selector("div[class='W_pages']") break # 如果沒拋出異常就說明找到了底部標(biāo)志，跳出循環(huán) except NoSuchElementException: pass # 拋出異常說明沒找到底部標(biāo)志，繼續(xù)向下滑動 browser.implicitly_wait(4) # 將超時時間改回10秒 elif method_index==1: browser.find_element_by_css_selector("div[class='empty_con clearfix']").click() # loading more print "loading more, sleep 4 seconds ... 1" time.sleep(4) browser.find_element_by_css_selector("div[class='empty_con clearfix']").click() # loading more print "loading more, sleep 3 seconds ... 2" time.sleep(2) elif method_index==2: load_more_1 = browser.find_element_by_css_selector("div[class='empty_con clearfix']") # loading more ActionChains(browser).click(load_more_1).perform() print "loading more, sleep 4 seconds ... 1" time.sleep(4) load_more_2 = browser.find_element_by_css_selector("div[class='empty_con clearfix']") # loading more ActionChains(browser).click(load_more_2).perform() print "loading more, sleep 3 seconds ... 2" time.sleep(2) elif method_index==3: print "loading more, sleep 4 seconds ... 1" element = WebDriverWait(browser, 4).until( EC.element_to_be_clickable((By.CSS_SELECTOR, "div[class='empty_con clearfix']")) ) element.click() print "loading more, sleep 2 seconds ... 2" WebDriverWait(browser, 2).until( EC.element_to_be_clickable((By.CSS_SELECTOR, "div[class='empty_con clearfix']")) ).click() return browser 以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持VEVB武林網(wǎng)。
新聞熱點
疑難解答
圖片精選
