假如读者读过我前面的关于爬虫的文章，应该大约都清楚咱们现在能够对一个静态的web页面”随心所欲“了，可是技能的开展总是没有止境的，仅仅是这样对静态页面处理远远不够，要知道现在许多的web页面有意无意为了避免静态爬虫运用ajax技能动态加载页面，这就导致了在面临这些网站的时分，咱们前面的技能并不能起到什么很好的作用，所以，我在本系列文章最初就说了会供给动态加载网页的处理计划，在这篇文章里，笔者就在这儿提出这个处理计划，用来处理曾经咱们没有办法的问题。
0×01 动态页面处理计划Selenium+Phantom ***
Python2（或Python3）      本文运用Python2.7.11
Selenium                            自动化web测验处理计划
Phantom ***                          一个没有图形界面的浏览器
0×02 原理回忆比照

评论:讲selenium自动化测验技能运用于爬虫数据发掘，其实我也是阅历了一段时刻的考虑，有一些根底的朋友们可能会知道，BeautifulSoup这种彻底根据静态的web页面剖析是没有办法履行 *** 的，可是咱们在运用web的进程中，根本不行能不用到 *** 脚本，其时我就想寻觅一个 *** 引擎整合BeautifulSoup，然后计划运用Spidermonkey这个技能，假如需求这么做的话，咱们会发现，咱们不只要用BeautifulSoup爬取页面的方针元素，并且还要考虑爬取 *** 脚本，在履行这些js脚本后，咱们还需求再次剖析这些脚本回来的数据或许是对HTML页面发生的影响，我觉得这样加大了太多的不确定要素，咱们不想花太多的时刻放在脚本编写上，已然选用Python，就要发挥它的巨大Pythonic的优势。然后还有一个处理计划便是Ghost.py,github主页。我想或许咱们经过这个计划介绍的不只仅是爬虫，也可能是一个新世界的大门，所以我仍是挑选selenium吧，web自动化测验的一整套处理计划。
其实咱们从BeautifulSoup的处理计划过度到selenium的计划便是一个思想上的“让步“的进程，从直接HTML解析->剖析 *** ->webkit->干脆直接用headless浏览器来操作web页面的selenium。
所以也便是说，咱们接下来要评论的selenium用于爬虫和曾经学习的静态页面处理有着实质的差异，能够以为对咱们来说是一个全新的技能。
0×03 Quick Start
在这儿咱们首要能够很负责任的说，经过以下的比如并不会让读者彻底把握selenium的运用，可是经过着手，咱们能够了解到selenium对错常好用并且并不输于BeautifulSoup的(或许这两个并不是一个等级并不能比较)。可是能够说BeautifulSoup中的定位元素，在selenium中都能够做到，并且Selenium能够设置等候时刻让页面完结加载，或许设置条件让web页面加载出咱们所需求的数据然后再获取数据。
下载与装置：
首要咱们需求下载要给Phantom *** 浏览器from官网。
然后装置selenium，运用easy_install或许pip都能够很便利的装置：
1.easy_install selenium
2.pip install selenium
然后咱们的之一个方针页面http://pythonscraping.com/pages/javascript/ajaxDemo.html很简略，便是一个存在ajax的状况：页面如下：
html>
head>
title>Some JavaScript-loaded contenttitle>
script src="../js/jquery-2.1.1.min.js">script>
 
head>
body>
div id="content">
This is some content that will appear on the page while it's loading. You don't care about scraping this.
div>
 
script>
$.ajax({
    type: "GET",
    url: "loadedContent.php",
    success: function(response){
 
        setTimeout(function() {
            $('#content').html(response);
        }, 2000);
    }
  });
 
function ajax_delay(str){
 setTimeout("str",2000);
}
script>
body>
html>
咱们简略看到这个web页面是运用ajax动态加载数据，GET恳求LoadedContent.php然后把成果直接显现在content里。关于这样的办法咱们并不需求太深化了解，总归咱们只需求知道咱们假如运用传统的办法获取，得到的便是上面的静态html而没有loadedContent.php中的内容。
作为selenium的爬虫运用quickstart，咱们没必要太深化解说原理，咱们需求把Phantom *** 和python脚本放在同一个文件夹下，树立selenium_test.py文件夹

然后输入selenium_test.py中的内容：
#引进selenium中的webdriver
from selenium import webdriver
import time
#webdriver中的Phantom *** 办法能够翻开一个咱们下载的静默浏览器。
#输入executable_path为当时文件夹下的phantomjs.exe以发动浏览器
driver =webdriver.Phantom *** (executable_path="phantomjs.exe")
 
#运用浏览器恳求页面
driver.get("http://pythonscraping.com/pages/javascript/ajaxDemo.html")
#加载3秒，等候一切数据加载结束
time.sleep(3)

[1] [2]  黑客接单网