目錄一、selenium實(shí)戰(zhàn)二、打開藝龍網(wǎng)三、精確目標(biāo)四、成功結(jié)語一、selenium實(shí)戰(zhàn)

這里我們只會(huì)用到很少的selenium語法，我這里就不補(bǔ)充別的用法了，以實(shí)戰(zhàn)為目的

二、打開藝龍網(wǎng)

可以直接點(diǎn)擊這里進(jìn)入：藝龍網(wǎng)

這里是主頁

三、精確目標(biāo)

我們的目標(biāo)是，鶴壁市，所以我們應(yīng)該先點(diǎn)擊搜索框，然后把北京刪掉，替換成鶴壁市，那么怎么通過selenium實(shí)現(xiàn)呢？打開pycharm，新建一個(gè)叫做藝龍網(wǎng)的py文件，先導(dǎo)包：

from selenium import webdriver import time # 導(dǎo)包driver = webdriver.Chrome() # 創(chuàng)建一個(gè)selenium的對(duì)象driver.get('http://www.elong.com/') time.sleep(1) # 打開網(wǎng)站，并讓它睡1s，避免渲染未完成就進(jìn)行下一步操作driver.maximize_window() # 將瀏覽器最大化

怎么找到搜索框呢，有很多方法，xpath，css，JavaScript，jQuery，，，因?yàn)閤path簡(jiǎn)單，所以我們只使用xpath，因?yàn)檫@個(gè)網(wǎng)站也是可以用xpath的，具體步驟是：

1.F12，小箭頭，點(diǎn)擊搜索框

2.點(diǎn)擊后，找到元素中的位置，右鍵，復(fù)制，復(fù)制xpath

3.進(jìn)入pycharm中，在之前創(chuàng)建的py文件中添加如下代碼

driver.find_element_by_xpath(’//*[@id='domesticDiv']/dl[1]/dd/input’).clear()# 將搜索框中的內(nèi)容清理

4.在搜索框添加“鶴壁市”

driver.find_element_by_xpath(’//*[@id='domesticDiv']/dl[1]/dd/input’).send_keys(’鶴壁市’)

5.點(diǎn)擊搜索，進(jìn)入下一頁

time.sleep(1)driver.find_element_by_xpath(’//*[@id='hotel_sub_tabs']/span[1]/b’).click() # 點(diǎn)擊無關(guān)time.sleep(1) # 避免渲染不及時(shí)導(dǎo)致報(bào)錯(cuò)driver.find_element_by_xpath(’//*[@id='domesticDiv']/div/span[1]’).click() # 點(diǎn)擊搜索

6.下一頁此時(shí)我們絕望的發(fā)現(xiàn)，這些操作都是沒用的（對(duì)這個(gè)網(wǎng)站沒用，但是至少我們學(xué)到了點(diǎn)知識(shí)？）她還是北京

所以我們只能這樣做了直接點(diǎn)擊搜索，進(jìn)入這個(gè)頁面后再輸入鶴壁（那干嘛不直接訪問這個(gè)網(wǎng)頁呢？為了我這該死的儀式感！！）這樣做，再那樣做，就行了

from selenium import webdriverimport time # 導(dǎo)包driver = webdriver.Chrome() # 創(chuàng)建一個(gè)selenium的對(duì)象driver.get('http://www.elong.com/')time.sleep(1) # 打開網(wǎng)站，并讓它睡1s，避免渲染未完成就進(jìn)行下一步操作driver.maximize_window() # 將瀏覽器最大化driver.find_element_by_xpath(’//*[@id='domesticDiv']/div/span[1]’).click() # 點(diǎn)擊搜索driver.find_element_by_xpath(’//*[@id='m_searchBox']/div[1]/label/input’).clear() # 清空搜索框內(nèi)容driver.find_element_by_xpath(’//*[@id='m_searchBox']/div[1]/label/input’).send_keys(’鶴壁市’) # 在搜索框輸入 鶴壁市time.sleep(1)driver.find_element_by_xpath(’//*[@id='sugContent']/ul/li[1]/div/div[1]/div[1]/span/b’).click() # 鶴壁市time.sleep(1)# 只是改變了順序，并更換了xpath語法

然后就成功的定位到了鶴壁市

8.分析網(wǎng)頁，找到詳情頁的url我們可以這樣做

我們發(fā)現(xiàn)，這個(gè)詳情頁每個(gè)的xpath都不相同，怎么做到把所有詳情頁都“照顧”得到呢？看來只能請(qǐng)出我們的requests來了，然后我們發(fā)現(xiàn)，這個(gè)只是一段URL，那怎么辦？拼接咯！

9.通過查看響應(yīng)，我們知道響應(yīng)和元素是一樣的，那么說明什么？我們可以通過xpath提取到我們的元素，直接請(qǐng)出我們的xpath選手。

from lxml import etreeimport rehtml_data = driver.page_source # 將數(shù)據(jù)存入html_dataht = ht_ht.xpath(’//div[@class='to_detail']/a/@data-link’) # 提取到url的后半段

10.拼接字符串形成新URL

點(diǎn)進(jìn)去一個(gè)詳情頁查看URL，發(fā)現(xiàn)是這樣的

研究發(fā)現(xiàn)，將?issugtrace=2刪去也可以運(yùn)行，而我們通過xpath取到的正是后面的 /31712004/，所以：

for ur in ht: new_ul = ’http://www.elong.com’ + ur

11.取到詳情頁URL后，就要點(diǎn)進(jìn)去，然后再分析網(wǎng)頁，再提取數(shù)據(jù)，然后存數(shù)據(jù)，找xpath的我就先不說了，也不難。

head = { ’User-Agent’: ’Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.114 Safari/537.36’}for ur in ht: new_ul = ’http://www.elong.com’ + ur xiangqing_ht = requests.get(new_ul, headers=head).content.decode() # 使用requeststime.sleep(1) # 睡1s ht_data = etree.HTML(xiangqing_ht) # 轉(zhuǎn)為可使用xpath的HTML格式 tingche = ht_data.xpath(’//*[@id='hotelContent']/div/dl[4]/dd/text()’) # 停車位 if tingche == []:tingche = ’無停車位’ name = ht_data.xpath(’/html/body/div[3]/div/div[1]/div[1]/div/h1/text()’)[0] # 酒店名字 phine_num = ht_data.xpath(’//*[@id='hotelContent']/div/dl[1]/dd/span/text()’) # 電話 photo_li = ht_data.xpath(’/html/body/div[3]/div/div[2]/div[1]/div[2]/ul[1]/li/img/@src’) # 照片 weizhi = ht_data.xpath(’//*[@id='map']/div[1]/div[2]/div[1]/div/div[9]/div[2]/div/p[2]/text()’) # 位置 miaoshu = ht_data.xpath(’//*[@id='hotelContent']/div/dl[1]/dd/ul/li[2]/div/p/span[1]/text()’)

然后我們就拿到了數(shù)據(jù)，接下來，這些數(shù)據(jù)怎么保存呢？可以使用字典保存到j(luò)son中。我就接著上面的寫了

dic = {} # 使用字典進(jìn)行json存儲(chǔ)ic[f'{name}'] = {}dic[f'{name}'][f'{name}停車場(chǎng)'] = tingchedic[f'{name}'][f'{name}電話'] = phine_numdic[f'{name}'][f'{name}位置'] = weizhidic[f'{name}'][f'{name}描述'] = miaoshupath = f'酒店數(shù)據(jù)//{name}'if not os.path.exists(path): os.mkdir(path)# 創(chuàng)建酒店文件夾for num, photo in zip(range(len(photo_li)), photo_li): if num > 4:break else:with open(f’酒店數(shù)據(jù)//{name}//{name, num + 1}.jpg’, ’wb’) as f: f.write(requests.get(photo).content) # 將照片存進(jìn)本地with open(f'酒店數(shù)據(jù)//{name}//酒店數(shù)據(jù).json', ’w’) as f: f.write(str(dic)) # 將json存入文件dic = {} # 將字典內(nèi)的數(shù)據(jù)清楚，留待下一次循環(huán)使用

12.數(shù)據(jù)拿到之后，還沒完，我們還要爬下一頁，首先需要把主頁滑倒最底部

for i in range(4): # 0 1 time.sleep(0.5) j = (i + 1) * 1000 # 1000 2000 js_ = f’document.documentElement.scrollTop={j}’ driver.execute_script(js_) time.sleep(5)

13.回到主頁面，找到下一頁的xpath，點(diǎn)擊

driver.find_element_by_xpath(’//*[@id='pageContainer']/a[9]’).click()

然后，我們就進(jìn)入了 下一頁，然后下面就沒有代碼了，怎么辦，怎么讓代碼一直運(yùn)行將很多頁的數(shù)據(jù)爬下來呢？有兩種方法：

封裝函數(shù)，并發(fā)爬取使用循環(huán)進(jìn)行爬取

然后，就沒有然后了…

四、成功

成功拿到數(shù)據(jù)

結(jié)語

希望大家能夠通過實(shí)戰(zhàn)了解各種語法的功能，而不是死記硬背各種語法，那樣你很容易忘記，其實(shí)很多學(xué)習(xí)都可以通過這種方式來學(xué)習(xí)

到此這篇關(guān)于Python爬蟲實(shí)戰(zhàn)之用selenium爬取某旅游網(wǎng)站的文章就介紹到這了,更多相關(guān)Python selenium爬取網(wǎng)站內(nèi)容請(qǐng)搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！