Python無頭爬蟲下載文件的實現

有些頁面并不能直接用requests獲取到內容，會動態執行一些js代碼生成內容。這個文章主要是對付那些特殊頁面的，比如必須要進行js調用才能下載的情況。

安裝chrome

wget [https://dl.google.com/linux/direct/google-chrome-stable_current_x86_64.rpm](https://dl.google.com/linux/direct/google-chrome-stable_current_x86_64.rpm)yum install ./google-chrome-stable_current_x86_64.rpmyum install mesa-libOSMesa-devel gnu-free-sans-fonts wqy-zenhei-fonts

安裝chromedriver

淘寶源（推薦）

wget http://npm.taobao.org/mirrors/chromedriver/2.41/chromedriver_linux64.zipunzip chromedriver_linux64.zipmove chromedriver /usr/bin/chmod +x /usr/bin/chromedriver

感謝這篇博客

上述步驟可以選擇適合自己的版本下載，注意：chrome和chrome driver必須是匹配的版本，chrome driver會備注支持的chrome版本號。

實戰操作

需要引入的庫

from selenium import webdriverfrom time import sleepfrom selenium.webdriver.chrome.options import Optionsfrom selenium.common.exceptions import NoSuchElementException

chrome啟動設置

chrome_options = Options()chrome_options.add_argument(’--no-sandbox’)#解決DevToolsActivePort文件不存在的報錯chrome_options.add_argument(’window-size=1920x3000’) #指定瀏覽器分辨率chrome_options.add_argument(’--disable-gpu’) #谷歌文檔提到需要加上這個屬性來規避bugchrome_options.add_argument(’--hide-scrollbars’) #隱藏滾動條, 應對一些特殊頁面chrome_options.add_argument(’blink-settings=imagesEnabled=false’) #不加載圖片, 提升速度chrome_options.add_argument(’--headless’) #瀏覽器不提供可視化頁面. linux下如果系統不支持可視化不加這條會啟動失敗

同樣感謝上面的博客

設置額外參數，比如下載不彈窗和默認下載路徑

prefs = {’profile.default_content_settings.popups’: 0, ’download.default_directory’: ’./filelist’}chrome_options.add_experimental_option(’prefs’, prefs)

初始化驅動

cls.driver=webdriver.Chrome(options=chrome_options)

退出驅動

cls.driver.quit()

請求一個url

cls.driver.get(url)

執行指定js代碼

cls.driver.execute_script(’console.log('helloworld')’)

查找指定元素

subtitle = cls.driver.find_element_by_class_name('fubiaoti').text

到此這篇關于Python無頭爬蟲下載文件的實現的文章就介紹到這了,更多相關Python無頭爬蟲下載文件內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！