day02 request請求庫應用以及selenium請求庫

一、request請求庫爬取豆瓣電影信息
-請求url
https://movie.douban.com/top250
-請求方式
GET
-請求頭
user-agent
cookies
'''
爬取豆瓣電影相關信息
    電影名稱、電影url、電影導演、電影主演、電影年份、
    電影類型、電影評分、電影評論、電影簡介、電影排名

分析每頁的url
第一頁
https://movie.douban.com/top250?start=0&filter=
第二頁
https://movie.douban.com/top250?start=25&filter=
'''
#爬蟲三部曲
#1.發送請求
import requests
def get_page(url):
    reponse = requests.get(url)
    #print(reponse.text)
    return reponse
# 2.解析數據
import re
def parse_index(html):
    movie_list = re.findall('<div class="item">.*?<em class="">(.*?)</em>.*?<a href="(.*?)">.*?<span class="title">(.*?)</span>.*?<p class="">.*?導演: (.*?)主演: (.*?)<br>(.*?)</p>.*?<span class="rating_num" property="v:average">(.*?)</span>.*?<span>(.*?)人評價</span>.*?<span class="inq">(.*?)</span>',html,re.S)
    return movie_list
'''
電影排名、電影url、電影名稱、電影導演、電影主演、電影年份/電影類型、電影評分、電影評論、電影簡介
<div class="item">.*?<em class="">(.*?)</em>.*?<a href="(.*?)">.*?<span class="title">(.*?)</span>.*?<p class="">.*?導演: (.*?)主演: (.*?)<br>(.*?)</p>.*?<span class="rating_num" property="v:average">(.*?)</span>.*?<span>(.*?)人評價</span>.*?<span class="inq">(.*?)</span>

'''

# 3.保存數據
def save_data(movie):
    #電影排名、電影url、電影名稱、電影導演、電影主演、電影年份 / 電影類型、電影評分、電影評論、電影簡介
    top,m_url,name,daoyan,actor,year_type,point,commit,desc = movie
    daoyan = daoyan.replace("&nbsp;","")
    year_type = year_type.replace("&nbsp;/&nbsp;"," ")
    data = f'''
                =======歡迎觀賞=======
                電影排名:{top}
                電影url:{m_url}
                電影名稱:{name}
                電影導演:{daoyan}
                電影主演:{actor}
                年份類型:{year_type}
                電影評分:{point}
                電影評論:{commit}
                電影簡介:{desc}
                =======謝謝觀賞=======  
                \n
                \n
            '''
    print(data)
    with open('doban_top250.txt','a',encoding='utf-8') as f:
        f.write(data)
    print(f'電影:{name}寫入成功')


if __name__ == '__main__':
    #拼接所有主頁
    num=0
    for line in range(10):
        url=f'https://movie.douban.com/top250?start={num}&filter='
        num+=25
        print(url)
        #1.往每個主頁發送請求
        index_res = get_page(url)
        #2.解析主頁獲取電影信息
        movie_list = parse_index(index_res.text)

        for movie in movie_list:
            #3.保存數據
            save_data(movie)

 

二 selenium請求庫
1、什麼是selenium?
期初是一個自動化測試工具,原理是驅動
瀏覽器執行一些一定好的操作。爬蟲本質
上就是模擬瀏覽器,所以可以使用它來做爬蟲。

2、為什麼要使用selenium?
優點:
- 執行js代碼
- 不需要分析複雜的通信流程
- 對瀏覽器做彈窗、下拉等操作
- ***** 獲取動態數據
- *** 破解登錄驗證

缺點:
- 執行效率低

3、安裝與使用
1. 安裝selenium請求庫:
pip3 install selenium

2. 必須安裝瀏覽器
"谷歌"或者火狐

3.安裝瀏覽器驅動
http://npm.taobao.org/mirrors/chromedriver/2.38/
windows:
下載win32驅動
selenium基本使用,實例如下:
from selenium import webdriver  # web驅動
from selenium.webdriver.common.by import By  # 按照什麼方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys  # 鍵盤按鍵操作
from selenium.webdriver.support import expected_conditions as EC  # 和下面WebDriverWait一起用的
from selenium.webdriver.support.wait import WebDriverWait  # 等待頁面加載某些元素
import time

import time

# 方式一: 通過驅動打開瀏覽器
# driver = webdriver.Chrome(r'驅動的絕對路徑/webdriver.exe')

# 方式二: 把webdriver.exe驅動放到 python解釋器安裝目錄/Scripts文件夾中
# python解釋器安裝目錄/Scripts配置環境變量
# python解釋器安裝目錄 配置環境變量
driver = webdriver.Chrome()

try:

    driver.get('https://www.jd.com/')

    # 獲取顯式等待對象10秒
    # 可以等待某個標籤加載10秒
    wait = WebDriverWait(driver, 10)

    # 查找元素id為key
    input_tag = wait.until(EC.presence_of_element_located(
        (By.ID, 'key')
    ))

    time.sleep(5)
            
    # 在輸入框內輸入商品名稱
    input_tag.send_keys('公仔')

    # 按下鍵盤迴車鍵
    input_tag.send_keys(Keys.ENTER)


    time.sleep(20)

finally:
    # 關閉瀏覽器釋放操作系統資源
    driver.close()

selenium選擇器,實例如下:

 

''''''
from selenium import webdriver  # web驅動
from selenium.webdriver.common.keys import Keys  # 鍵盤按鍵操作
import time

import time

driver = webdriver.Chrome()

try:

    # 隱式等待: 需要在get之前調用
    # 等待任意元素加載10秒
    driver.implicitly_wait(10)

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

    # 顯式等待: 需要在get之後調用
    time.sleep(5)

    '''
    ===============所有方法===================
        element是查找一個標籤
        elements是查找所有標籤
    '''
    # 自動登錄百度 start
    # 1、find_element_by_link_text # 通過鏈接文本去找
    login_link = driver.find_element_by_link_text('登錄')
    login_link.click()  # 點擊登錄

    time.sleep(1)

    # 2、find_element_by_id # 通過id去找
    user_login = driver.find_element_by_id('TANGRAM__PSP_10__footerULoginBtn')
    user_login.click()

    time.sleep(1)

    # 3、find_element_by_class_name
    user = driver.find_element_by_class_name('pass-text-input-userName')
    user.send_keys('*****')

    # 4、find_element_by_name
    pwd = driver.find_element_by_name('password')
    pwd.send_keys('*****')

    submit = driver.find_element_by_id('TANGRAM__PSP_10__submit')
    submit.click()
    # end

    # 5、find_element_by_partial_link_text
    # 局部鏈接文本查找
    login_link = driver.find_element_by_partial_link_text('')
    login_link.click()

    # 6、find_element_by_css_selector
    # 根據屬性選擇器查找元素
    # .: class
    # #: id
    login2_link = driver.find_element_by_css_selector('.tang-pass-footerBarULogin')
    login2_link.click()

    # 7、find_element_by_tag_name
    div = driver.find_elements_by_tag_name('div')
    print(div)


    time.sleep(20)

finally:
    # 關閉瀏覽器釋放操作系統資源
    driver.close()

 

点赞

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *