# 介绍:
1.selenium是一个web自动化测试用的框架. 程序员可以通过代码实现对浏览器的控制,
比如打开网页, 点 击网页中的元素, 实现鼠标滚动等操作.
2.它支持多款浏览器, 如谷歌浏览器, 火狐浏览器等等, 当然也支持无头浏览器.
# 目的:
在爬取数据的过程中, 经常遇到动态数据加载, 一般动态数据加载有两种,
一种通过ajax请求加载数据, 另 一种通过js代码加载动态数据.
selenium可以模拟人操作真实浏览器, 获取加载完成的页面数据
ajax:
url有规律且未加密, 直接构建url连接请求
url加密过无法破解规律 --> selenium
js动态数据加载 --> selenium
三要素: 浏览器, 驱动程序, selenium框架
浏览器: 推荐谷歌浏览器, 标准稳定版本 驱动程序:
http://chromedriver.storage.googleapis.com/index.html pip install selenium
# 测试:
from selenium import webdriver
# 将驱动放在脚本所在的文件夹
browser = webdriver.Chrome('./chromedriver.exe')
browser.get('https://www.baidu.com')
# 实例化浏览器对象:
from selenium import webdriver
browser = webdriver.Chrome('driverpath')
# 发送get请求:
browser.get('https://www.baidu.com')
browser.get('https://image.baidu.com')
# 获取网页的数据: browser.page_source ---> str类型
# 获取页面元素:
find_element_by_id:根据元素的id
find_element_by_name:根据元素的name属性 find_element_by_xpath:根据xpath表达式 find_element_by_class_name:根据class的值 find_element_by_css_selector:根据css选择器
# 节点交互操作:
click(): 点击
send_keys(): 输入内容
clear(): 清空操作
execute_script(js): 执行指定的js代码
# JS代码: window.scrollTo(0, document.body.scrollHeight)可以模拟鼠标滚动一屏高度
quit(): 退出浏览器
# frame
# 若爬取一个页面,需观察如果有两个HTML(一个父HTML,一个子HTML),所需内容在子HTML中,则需要switch_to.frame('frameid') 转至子页面继续操作
switch_to.frame('frameid')
from selenium import webdriver
import time
# 实例化浏览器对象
browser = webdriver.Chrome('./chromedriver.exe')
# 打开qq空间登陆页面
browser.get('https://qzone.qq.com/')
time.sleep(1)
# 转至frame子页面
browser.switch_to.frame('login_frame')
# 获取密码登陆选项并点击
a_tag = browser.find_element_by_id('switcher_plogin')
a_tag.click()
time.sleep(1)
# 获取账号输入框并输入账号
browser.find_element_by_id('u').clear()
user = browser.find_element_by_id('u')
user.send_keys('1816668038')
time.sleep(1)
# 获取密码输入框并输入密码
browser.find_element_by_id('p').clear()
pwd = browser.find_element_by_id('p')
pwd.send_keys('1971628197192liu')
time.sleep(1)
# 获取登陆按钮并单击
button = browser.find_element_by_id('login_button')
button.click()
'''
微博模拟登陆
'''''
# import requests,time
# from selenium import webdriver
# broeser = webdriver.Chrome('./chromedriver.exe')
# broeser.get('https://weibo.com/login.php')
#
# input_tag = broeser.find_element_by_id('loginname')
# input_tag.clear()
# input_tag.send_keys('15135544556')
# time.sleep(3)
# input_tag_pwd = broeser.find_element_by_xpath('//div[@class="info_list password"]/div[@class="input_wrap"]/input')
# input_tag_pwd.clear()
# input_tag_pwd.send_keys('123456789liu')
# time.sleep(3)
# button_tag = broeser.find_element_by_xpath('//div[@class="W_login_form"]/div[@class="info_list login_btn"]/a')
# button_tag.click()
'''
网址 http://sc.chinaz.com/tupian/ 站长素材
图片懒加载
'''''
import requests
from lxml import etree
url = 'http://sc.chinaz.com/tupian/bingxueshijie.html'
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36'
}
res = requests.get(url=url,headers=headers)
tree = etree.HTML(res.text)
#src2的位置,在必要的时候可以把值赋给src----懒加载核心
ret = tree.xpath('//div[@id="container"]/div/div/a/img/@src2')
for i in ret:
comment = requests.get(url=i,headers=headers).content
name = i.split('/')[-1]
with open('./image/%s'% name,'wb') as f:
f.write(comment)
(将安装目录下的bin目录添加到系统环境变量中)
# mongo的配置:
1.创建数据库文件及日志文件目录, 并将目录写入配置文件
2.在系统终端执行以下命令: mongod --bind_ip 127.0.0.1 --logpath "D:\Professional\MongoDB\log\mongodb.log" - -logappend --dbpath "D:\Professional\MongoDB\db" --port 27017 --serviceName "MongoDB" --serviceDisplayName "MongoDB" --install 3.将MongoDB服务设为开机自启
//常用操作:
// 1.查看数据库
show dbs
// 2.创建并使用数据库
use tst
// 3.查看当前工作的数据库
db
// 4.创建集合并插入一条数据
db.goods.insert({
"name":"辣条", "price":0.5})
// 5.查看所有表
show tables
// 6.查询表中所有数据
db.goods.find()
// 7.删除表操作
db.goods.drop()
// 8.删除数据库
db.dropDatabase()
--------------------------------------------------------------------------
# 增加数据操作:
db.tablename.insert({
dict})
# 示例: 增加数据操作:
db.goods.insert({
"name":"辣条", "price":0.5})
db.goods.insert({
"name":"辣条", "price":1})
db.goods.insert({
"name":"干脆面", "price":0.5}) db.goods.insertOne({
"name":"单身狗粮", "price":4.5}) db.goods.insertMany([{
"name":"小洋人", "price":3.5}, {
"name":"麦香鸡块", "price":5.5}])
----------------------------------------------------------------------------
# 查询数据操作:
//1、查看数据库 show dbs只能查看有数据的数据库
show dbs
//2、创建并使用数据库
use a1903
//3、查看当前正在工作的数据库
db
//4、插入数据
db.student.insert({
'name':'胡歌','age':30})
db.student.insertOne([{
'name':'胡歌'}])
db.student.insertMany([{
'name':'鹿晗','age':27},{
'name':'关晓彤','age':23}])
db.student.insertMany([{
'name':'刘国鑫','age':22},{
'name':'庞明哲','age':20}])
//5、查询表中数据
db.student.find()
db.student.find().limit(3)
// 按条件查询
// 1.等值查询
db.student.find({
'name':'晓彤'})
// 2.非等值查询:大于$gt(great than),小于$lt(little than),大于等于$gte(great than equal),小于等于$lte(little than equal),不等于$ne
db.student.find({
age:{
$gt:23}})
db.student.find({
'age':{
$lt:23}})
db.student.find({
'age':{
$ne:21}})
// 3. and 与 or
db.student.find({
'name':'晓彤','age':21})
db.student.find({
$or[{
'name':'晓彤'},{
'age':27}]})
// and a 与 b之间
db.student.find({
'age':{
$gt:20},'age':{
$lte:27}})
db.student.find({
'age':{
$gt:20,$lte:27}})
db.student.find({
$or:[{
'age':{
$lt:23}},{
'age':{
$gt:25}}]})
// 更新数据操作
db.student.update({
'name':'晓彤'},{
$set{
'age':18}})
//6、查看表
show tables
//7、删除表
db.student.drop()
//8、删除库
db.dropDatabase()
//9、指定删除
db.student.remove({
'name':''})
-----------------------------------------------------------------------------
# 更新数据操作:
db.table.update({
定位字典}, {
指定修改的键值})
# 示例:更新数据操作:
db.goods.update({
"price":0.5},{
$set:{
"price":5}})
# 参数中的第一个字典用于定位要修改的数据
# 参数中的第二个字典是指定要更新已定位的数据
# 第二个参数中的字典是指定要将哪个字段的修改为什么
----------------------------------------------------------------------------
# 删除数据操作:
db.tablename.remove({
定位字典})
# 示例:删除数据操作:
db.goods.remove({
"price":5})
# 导入模块 如果没安装先安装 pip install pymongo
import pymongo
# 连接MongoDB数据库
conn = pymongo.MongoClient('localhost', 27017)
# 创建库或连接数据库
db = conn.goods
# 创建表或连接表
table = db.snacks
# 数据操作: 插入数据
table.insert(dict)
table.insert_one(dict) ******************在py文件中看具体清空使用
table.insert_many([dict1, dict2, dict3])
# 数据操作: 查询数据
table.find_one({
dict})
# 返回一个字典形式数据
table.find()
# 返回一个mongo对象, 需要使用for循环遍历取值
table.find({
dict}) # 同上
# 并发:同一时间段同时运行
# 并行:同一时刻同时运行
# 时间片轮转法:10个视屏不间断播放,是并发运行,但给人的错觉是并行
# 高IO密集(比如在一个刚运行的代码前就有设置的) 阻塞,cup算法密集
***用多线程爬虫,最重要的就是传参,获取数据,思路********
import threading,requests
# 导入多线程锁机制
from threading import Lock
# 导入线程队列
from queue import Queue
from lxml import etree
import pymongo
# 爬虫类,负责采集数据的
class CrawThread(threading.Thread):
# 初始化init方法,接收参数
def __init__(self,name,pageQueue,dataQueue):
super().__init__()
self.name = name
self.pageQueue = pageQueue
self.headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36'
}
self.dataQueue = dataQueue
# 执行run方法,在def函数调用时执行
def run(self):
# 爬取的页数不确定,格式化输出
base_url = 'https://www.xiaohua.com/duanzi?page=%s'
while 1:
try:
print('开始url')
# 传参时要抓取几页的数据已准备好直接get获取,block为False用try捕获异常抓取结束,就终止循环
page = self.pageQueue.get(block=False)
# 将页码拼接
url = base_url % page
res = requests.get(url=url,headers=self.headers)
self.dataQueue.put(res.text)
print('URL完成')
except:
break
# 数据解析类
class Parse(threading.Thread):
def __init__(self,name,dataQueue,look):
super().__init__()
self.name = name
self.dataQueue = dataQueue
self.look = look
def run(self):
while 1:
try:
html = self.dataQueue.get(block=False)
print('正在解析')
# 把获取的HTML的文本放在下一个函数的里进行操作
self.parserver(html)
print('解析完毕')
except:
break
def parserver(self,html):
# 解析
tree = etree.HTML(html)
div_list = tree.xpath('//div[@class="one-cont"]')
for div in div_list:
item = {
}
author = div.xpath('./div/div/a/i/text()')
item['author'] = author[0]
# 上锁
with self.look:
self.save(item)
def save(self,item):
# 连接MongoDB数据库
conn = pymongo.MongoClient('localhost',27017)
db = conn.XIAOHUA
table = db.xh
table.insert_one(item)
def main():
# 存放URl----实例化队列对象
pageQueue = Queue()
for j in range(1,11):
# put将所需要的数据存入
pageQueue.put(j)
#存放脏数据
dataQueue = Queue()
crawlist = ['爬虫1号','爬虫2号','爬虫3号']
# join等待进程以防有一个进程死掉
for i in crawlist:
c = CrawThread(i,pageQueue,dataQueue)
c.start()
c.join()
# 实例化机制锁对象
look = Lock()
jiexi = ['解析1号','解析2号','解析3号',]
for var2 in jiexi:
cc = Parse(var2,dataQueue,look)
cc.start()
# 等待其他线程执行,以防提早结束其他线程死掉
cc.join()
if __name__ == '__main__':
main()
文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib
文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang
文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些
文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器
文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距
文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器
文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn
文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios
文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql
文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...
文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120
文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数