抓取动态网页(本文实例讲述Python3实现抓取javascript动态生成的html网页功能)

　　抓取动态网页(本文实例讲述Python3实现抓取javascript动态生成的html网页功能)

　　本文的例子描述了Python3爬取javascript动态生成的HTML页面的功能。分享给大家，供大家参考，如下：

　　用urllib等爬取网页只能读取网页的静态源文件，不能读取javascript生成的内容。

　　原因是因为urllib是瞬时爬取的，不会等待javascript的加载延迟，所以页面中javascript生成的内容无法被urllib读取。

　　真的没有办法读取javascript生成的内容吗？也不是！

　　这里介绍一个python库：selenium，本文使用的版本是2.44.0

　　先安装：

　　pip install -U selenium

　　以下三个例子说明了它的用法：

　　【示例0】

　　打开火狐浏览器

　　在给定的url地址加载页面

　　from selenium import webdriver

browser = webdriver.Firefox()

browser.get('http://www.baidu.com/')

　　【示例一】

　　打开火狐浏览器

　　加载百度主页

　　搜索“seleniumhq”

　　关闭浏览器

　　from selenium import webdriver

from selenium.webdriver.common.keys import Keys

browser = webdriver.Firefox()

browser.get('http://www.baidu.com')

assert '百度' in browser.title

elem = browser.find_element_by_name('p') # Find the search box

elem.send_keys('seleniumhq' + Keys.RETURN) # 模拟按键

browser.quit()

　　【示例2】

　　Selenium WebDriver 通常用于测试网络程序。下面是一个使用 Python 标准库 unittest 的示例：

　　import unittest

class BaiduTestCase(unittest.TestCase):

def setUp(self):

self.browser = webdriver.Firefox()

self.addCleanup(self.browser.quit)

def testPageTitle(self):

self.browser.get('http://www.baidu.com')

self.assertIn('百度', self.browser.title)

if __name__ == '__main__':

unittest.main(verbosity=2)

　　希望这篇文章对你的 Python 编程有所帮助。