跟大家講解下有關詳解python爬蟲利器Selenium使用方法，相信小伙伴們對這個話題應該也很關注吧，現在就為小伙伴們說說詳解python爬蟲利器Selenium使用方法，小編也收集到了有關詳解python爬蟲利器Selenium使用方法的相關資料，希望大家看到了會喜歡。

簡介：

用pyhon爬取動態頁面時普通的urllib2無法實現，例如下面的京東首頁，隨著滾動條的下拉會加載新的內容，而urllib2就無法抓取這些內容，此時就需要今天的主角selenium。

Selenium是一個用于Web應用程序測試的工具。Selenium測試直接運行在瀏覽器中，就像真正的用戶在操作一樣。支持的瀏覽器包括IE、Mozilla Firefox、Mozilla Suite等。使用它爬取頁面也十分方便，只需要按照訪問步驟模擬人在操作就可以了，完全不用操心Cookie,Session的處理，它甚至可以幫助你輸入賬戶，密碼，然后點擊登陸按鈕，對于上面的滾動條，你只需要讓瀏覽器滾到到最低端，然后保存頁面就可以了。以上的這些功能在應對一些反爬蟲機制時十分有用。接下來就開始我們的講解正文，帶領大家實現一個需要登錄的動態網頁的爬取。

案例實現：

使用selnium需要選擇一個調用的瀏覽器并下載好對應的驅動，在桌面版可以選擇Chrome,FireFox等，服務器端可以使用PhantomJS，桌面版可以直接調出來瀏覽器觀察到變化，所以一般我們可以在桌面版用Chrome等調試好之后，將瀏覽器改為PhantomJS然后上傳到服務器使其運行，這里我們直接以PhantomJS做演示.

首先時導入模塊：

from selenium.webdriver.common.desired_capabilities import DesiredCapabilities from selenium import webdriver

接下來時初始化一個瀏覽器，參數中可以指定加載網頁的一些屬性：

cap = webdriver.DesiredCapabilities.PHANTOMJScap["phantomjs.page.settings.resourceTimeout"] = 180cap["phantomjs.page.settings.loadImages"] = Falsedriver = webdriver.PhantomJS(executable_path="/home/gaorong/phantomjs-2.1.1-linux-x86_64/bin/phantomjs", desired_capabilities=cap)

上面初始了PhantomJS并設置了瀏覽器的路徑，加載屬性選擇了資源加載超時時間和不加載圖片（我們只關心網頁文本）。在 這里 還可以選擇其他設置。

設置一些屬性，并下載一個網頁

driver.set_page_load_timeout(180) driver.get('http://www.php.cn/')time.sleep(5)driver.save_screenshot('./login.png') #為便于調試，保存網頁的截圖

由于在服務器端運行難免出錯，可以用save_screenshot保存當前網頁的頁面便于調試。

接下來就是輸入賬戶和密碼登陸，以獲取網站的Cookies，便于后面請求。

#輸入username和password driver.find_element_by_xpath("/html/body/div[1]/div[1]/login/div[2]/div/form/input[1]").send_keys('*****') time.sleep(1)print 'input user success!!!'driver.find_element_by_xpath("/html/body/div[1]/div[1]/login/div[2]/div/form/input[2]").send_keys('****')time.sleep(1)print 'input password success!!!'driver.find_element_by_xpath("/html/body/div[1]/div[1]/login/div[2]/div/form/button").click()time.sleep(5)

上面代碼使用find_element_by_xpath獲取輸入框的位置后輸入賬戶和密碼并點擊登陸鍵，可以看到一些都很方便。它會自動跳轉到下一個頁面，我們只需要sleep幾秒等待它。

我們需要爬取的網頁信息在某個特定的element里，所以我們需要判斷一下這個element是否出現：

try: element = WebDriverWait(driver, 10).until( EC.presence_of_element_located((By.CLASS_NAME, 'pulses')) ) print 'find element!!!' except: print 'not find element!!!' print traceback.format_exc() driver.quit()

上面判斷 class為 'pulse' 這個element是否出現，如果等待10s后還未出現，則selenum會爆出TimeoutError錯誤。

上面就進行了基本的初始化，然后就需要處理動態的內容了，這個網頁像京東一樣會隨著下拉自動出現內容，所以我們需要實現下拉滾動條：

print 'begin scroll to get info page...'t1 = time.time()n = 60 #這里可以控制網頁滾動距離for i in range(1,n+1): s = "window.scrollTo(0,document.body.scrollHeight/{0}*{1});".format(n,i) #輸出滾動位置，網頁大小，和時間 print s, len(driver.page_source),time.time()-t1 driver.execute_script(s) time.sleep(2)

其中driver.page_source就是獲取網頁文本。當滾動完畢后我們就可以調用它然后寫到一個文件里。這樣就完成了這個的程序邏輯。

高級：

用selenim可以應對常見的反爬蟲策略，因為相當于一個人在瀏覽網頁，但是對于驗證碼這些還需要做額外的處理，還有一點就是訪問速度不能過快，畢竟他需要調用一個瀏覽器，如果嫌他速度慢的話我們可以在必要的時候使用他，非必要時候可以使用requests庫進行操作。

這里有兩篇博客大家可以參考查閱：Python爬蟲利器五之Selenium用法 和 常用函數

以上就是詳解python爬蟲利器Selenium使用方法的詳細內容，更多請關注php中文網其它相關文章！

來源：php中文網