网页数据抓取怎么写(什么是Ajax：Ajax（AsynchronouseJavaScript）异步JavaScript和XML)

　　网页数据抓取怎么写(什么是Ajax：Ajax（AsynchronouseJavaScript）异步JavaScript和XML)

　　什么是Ajax：

　　Ajax（异步JavaScript和XML）异步JavaScript和XML。Ajax可以通过在后台与服务器交换少量数据来实现web页面的异步更新。这意味着可以在不重新加载整个网页的情况下更新网页的一部分。如果需要更新内容，传统web页面（没有Ajax）必须重新加载整个web页面。因为传统的传输数据格式使用XML语法。因此，它被称为Ajax。事实上，现在数据交互基本上使用JSON。使用Ajax加载的数据，即使使用了JS，也会呈现到浏览器中。右键单击-&gt；查看网页源代码时，仍然无法看到通过Ajax加载的数据。您只能看到使用此URL加载的HTML代码

　　如何获取ajax数据：直接分析ajax调用的接口。然后通过代码请求这个接口。使用selenium+chromedriver模拟浏览器行为并获取数据。这种方法的优点和缺点

　　分析接口

　　可以直接请求数据。不需要进行一些解析。代码少，性能高

　　分析接口比较复杂，特别是一些通过JS混淆的接口。你应该有一个特定的JS基金会。作为爬行动物很容易被发现

　　硒

　　直接模拟浏览器的行为。如果浏览器可以请求，您也可以使用selenium进行请求。爬行动物更稳定

　　很多代码。低性能

　　Selenium+chromedriver可获得动态数据：

　　硒是一个机器人。它可以模拟浏览器上的一些人类行为，并自动处理浏览器上的一些行为，如单击、填充数据、删除cookie等。Chromedriver是Chrome浏览器的驱动程序。只有使用它才能驱动浏览器。当然，不同的浏览器有不同的驱动程序。下面列出了不同的浏览器及其相应的驱动程序：

　　Chrome:Firefox:Edge:Safari:安装selenium和chromedriver:

　　安装selenium:selenium有多种语言，包括Java、ruby、python等。我们可以下载python版本

　　pip install selenium

　　安装chromedriver：下载后，未经许可将其放入纯英文目录

　　快速启动：

　　现在让我们举一个简单的例子，让百度的主页告诉你如何快速启动硒和ChrimEdvor：

　　from selenium import webdriver

# chromedriver的绝对路径

driver_path = r'D:\ProgramApp\chromedriver\chromedriver.exe'

# 初始化一个driver，并且指定chromedriver的路径

driver = webdriver.Chrome(executable_path=driver_path)

# 请求网页

driver.get("https://www.baidu.com/")

# 通过page_source获取网页源代码

print(driver.page_source)

　　Selenium常见操作：

　　有关更多教程，请参阅：

　　关闭页面：驱动程序。Close（）：关闭当前页面。司机。退出（）：退出整个浏览器。定位元素：

　　按ID查找元素：按ID查找元素。等效于：

　　 submitTag = driver.find_element_by_id('su')

submitTag1 = driver.find_element(By.ID,'su')

　　按类名查找元素：按类名查找元素。相当于：

　　 submitTag = driver.find_element_by_class_name('su')

submitTag1 = driver.find_element(By.CLASS_NAME,'su')

　　按名称查找元素：根据名称属性的值查找元素。相当于：

　　 submitTag = driver.find_element_by_name('email')

submitTag1 = driver.find_element(By.NAME,'email')

　　按标记名查找元素：根据标记名查找元素。相当于：

　　 submitTag = driver.find_element_by_tag_name('div')

submitTag1 = driver.find_element(By.TAG_NAME,'div')

　　通过XPath查找元素：根据XPath语法获取元素。相当于：

　　 submitTag = driver.find_element_by_xpath('//div')

submitTag1 = driver.find_element(By.XPATH,'//div')

　　通过css选择器查找元素：根据css选择器选择元素。相当于：

　　 submitTag = driver.find_element_by_css_selector('//div')

submitTag1 = driver.find_element(By.CSS_SELECTOR,'//div')

　　请注意，find_u元素是满足条件的第一个元素。find_u元素是获取所有满足条件的元素

　　行动形式要素：

　　操作输入框：分为两步。步骤1：找到这个元素。步骤2：使用发送键（值）填写数据。示例代码如下所示：

　　 inputTag = driver.find_element_by_id('kw')

inputTag.send_keys('python')

　　使用“清除”方法清除输入框的内容。示例代码如下所示：

　　inputTag.clear()

　　操作复选框：由于要选择复选框选项卡，请在网页中单击它。因此，如果要选择复选框标记，请先选择标记，然后执行click事件。示例代码如下所示：

　　 rememberTag = driver.find_element_by_name("rememberMe")

rememberTag.click()

　　选择：不能直接单击选择元素。因为您需要在单击后选择图元。此时，selenium为select标记提供了一个类selenium.webdriver.support.ui.select。将获取的元素作为参数传递给此类以创建此对象。以后可以使用此对象进行选择。示例代码如下所示：

　　 from selenium.webdriver.support.ui import Select

# 选中这个标签，然后使用Select创建对象

selectTag = Select(driver.find_element_by_name("jumpMenu"))

# 根据索引选择

selectTag.select_by_index(1)

# 根据值选择

selectTag.select_by_value("http://www.95yueba.com")

# 根据可视的文本选择

selectTag.select_by_visible_text("95秀客户端")

# 取消选中所有选项

selectTag.deselect_all()

　　操作按钮：操作按钮的方式有很多种。例如，单击、右键单击、双击等。这里是最常用的方法之一。点击一下。直接调用click函数即可。示例代码如下所示：

　　 inputTag = driver.find_element_by_id('su')

inputTag.click()

　　行为链：

　　有时，页面中的操作可能有许多步骤，因此您可以使用鼠标行为链类actionchains来完成它。例如，现在您希望将鼠标移动到元素上并执行单击事件。示例代码如下所示：

　　inputTag = driver.find_element_by_id('kw')

submitTag = driver.find_element_by_id('su')

actions = ActionChains(driver)

actions.move_to_element(inputTag)

actions.send_keys_to_element(inputTag,'python')

actions.move_to_element(submitTag)

actions.click(submitTag)

actions.perform()

　　还有更多与鼠标相关的操作

　　Cookie操作：

　　获取所有cookies：

　　 for cookie in driver.get_cookies():

print(cookie)

　　根据cookie的键获取值：

　　value = driver.get_cookie(key)

　　删除所有cookie：

　　 driver.delete_all_cookies()

　　删除cookie：

　　 driver.delete_cookie(key)

　　页面等待：

　　现在越来越多的网页使用ajax技术，因此程序无法确定元素何时完全加载。如果实际的页面等待时间太长，导致DOM元素无法出现，但您的代码直接使用此webelement，它将抛出空指针异常。解决这个问题。因此，selenium提供了两种等待方法：隐式等待和显式等待

　　隐式等待：调用driver.implicitly uuwait。然后它将等待10秒钟，然后才能获取不可用的元素。示例代码如下所示：

　　driver = webdriver.Chrome(executable_path=driver_path)

driver.implicitly_wait(10)

# 请求网页

driver.get("https://www.douban.com/")

　　显示等待：显示等待指示仅在建立条件后执行获取元素的操作。您还可以指定等待的最长时间。如果超过此时间，将引发异常。显示等待应使用selenium.webdriver.support.excluded uu条件预期条件和selenium.webdriver.support.ui.webdriverwait一起完成。示例代码如下所示：

　　 from selenium import webdriver

from selenium.webdriver.common.by import By

from selenium.webdriver.support.ui import WebDriverWait

from selenium.webdriver.support import expected_conditions as EC

driver = webdriver.Firefox()

driver.get("http://somedomain/url_that_delays_loading")

try:

element = WebDriverWait(driver, 10).until(

EC.presence_of_element_located((By.ID, "myDynamicElement"))

)

finally:

driver.quit()

　　其他一些等候条件：

　　切换页面：

　　有时窗口中有许多子选项卡页。此时必须切换。Selenium提供了一个名为“切换到”的窗口。您可以从句柄中的driver.window切换到哪个页面。示例代码如下所示：

　　# 打开一个新的页面

# 切换到这个新的页面中

self.driver.switch_to_window(self.driver.window_handles[1])

　　设置代理IP:

　　有时我经常抓取一些网页。当服务器发现您是爬虫程序时，它将阻止您的IP地址。此时，我们可以更改代理IP。改变代理IP，不同的浏览器有不同的实现方法。这里，以Chrome浏览器为例说明：

　　from selenium import webdriver

options = webdriver.ChromeOptions()

options.add_argument("--proxy-server=http://110.73.2.248:8123")

driver_path = r"D:\ProgramApp\chromedriver\chromedriver.exe"

driver = webdriver.Chrome(executable_path=driver_path,chrome_options=options)

driver.get('http://httpbin.org/ip')

　　Webelement元素：

　　from selenium.webdriver.remote.webelement import WebElement类是每个获取出来的元素的所属类。

　　有一些共同的属性：

　　get_u属性：此标记的属性值。截图：获取当前页面的截图。此方法只能在驱动程序上使用

　　驱动程序的对象类也继承自webelement

　　有关更多信息，请阅读相关源代码