Python爬蟲實戰之用selenium爬取某旅游網站

這里我們只會用到很少的selenium語法，我這里就不補充別的用法了，以實戰為目的

可以直接點擊這里進入：藝龍網

這里是主頁

我們的目標是，鶴壁市，所以我們應該先點擊搜索框，然后把北京刪掉，替換成鶴壁市，那么怎么通過selenium實現呢？打開pycharm，新建一個叫做藝龍網的py文件，先導包：

from selenium import webdriver import time # 導包driver = webdriver.Chrome() # 創建一個selenium的對象driver.get('http://www.elong.com/') time.sleep(1) # 打開網站，并讓它睡1s，避免渲染未完成就進行下一步操作driver.maximize_window() # 將瀏覽器最大化

怎么找到搜索框呢，有很多方法，xpath，css，JavaScript，jQuery，，，因為xpath簡單，所以我們只使用xpath，因為這個網站也是可以用xpath的，具體步驟是：

1.F12，小箭頭，點擊搜索框

2.點擊后，找到元素中的位置，右鍵，復制，復制xpath

3.進入pycharm中，在之前創建的py文件中添加如下代碼

driver.find_element_by_xpath(’//*[@id='domesticDiv']/dl[1]/dd/input’).clear()# 將搜索框中的內容清理

4.在搜索框添加“鶴壁市”

driver.find_element_by_xpath(’//*[@id='domesticDiv']/dl[1]/dd/input’).send_keys(’鶴壁市’)

5.點擊搜索，進入下一頁

time.sleep(1)driver.find_element_by_xpath(’//*[@id='hotel_sub_tabs']/span[1]/b’).click() # 點擊無關time.sleep(1) # 避免渲染不及時導致報錯driver.find_element_by_xpath(’//*[@id='domesticDiv']/div/span[1]’).click() # 點擊搜索

6.下一頁此時我們絕望的發現，這些操作都是沒用的（對這個網站沒用，但是至少我們學到了點知識？）她還是北京

所以我們只能這樣做了直接點擊搜索，進入這個頁面后再輸入鶴壁（那干嘛不直接訪問這個網頁呢？為了我這該死的儀式感！?。┻@樣做，再那樣做，就行了

from selenium import webdriverimport time # 導包driver = webdriver.Chrome() # 創建一個selenium的對象driver.get('http://www.elong.com/')time.sleep(1) # 打開網站，并讓它睡1s，避免渲染未完成就進行下一步操作driver.maximize_window() # 將瀏覽器最大化driver.find_element_by_xpath(’//*[@id='domesticDiv']/div/span[1]’).click() # 點擊搜索driver.find_element_by_xpath(’//*[@id='m_searchBox']/div[1]/label/input’).clear() # 清空搜索框內容driver.find_element_by_xpath(’//*[@id='m_searchBox']/div[1]/label/input’).send_keys(’鶴壁市’) # 在搜索框輸入 鶴壁市time.sleep(1)driver.find_element_by_xpath(’//*[@id='sugContent']/ul/li[1]/div/div[1]/div[1]/span/b’).click() # 鶴壁市time.sleep(1)# 只是改變了順序，并更換了xpath語法

然后就成功的定位到了鶴壁市

8.分析網頁，找到詳情頁的url我們可以這樣做

我們發現，這個詳情頁每個的xpath都不相同，怎么做到把所有詳情頁都“照顧”得到呢？看來只能請出我們的requests來了，然后我們發現，這個只是一段URL，那怎么辦？拼接咯！

9.通過查看響應，我們知道響應和元素是一樣的，那么說明什么？我們可以通過xpath提取到我們的元素，直接請出我們的xpath選手。

from lxml import etreeimport rehtml_data = driver.page_source # 將數據存入html_dataht = ht_ht.xpath(’//div[@class='to_detail']/a/@data-link’) # 提取到url的后半段

10.拼接字符串形成新URL

點進去一個詳情頁查看URL，發現是這樣的

研究發現，將?issugtrace=2刪去也可以運行，而我們通過xpath取到的正是后面的 /31712004/，所以：

for ur in ht: new_ul = ’http://www.elong.com’ + ur

11.取到詳情頁URL后，就要點進去，然后再分析網頁，再提取數據，然后存數據，找xpath的我就先不說了，也不難。

head = { ’User-Agent’: ’Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.114 Safari/537.36’}for ur in ht: new_ul = ’http://www.elong.com’ + ur xiangqing_ht = requests.get(new_ul, headers=head).content.decode() # 使用requeststime.sleep(1) # 睡1s ht_data = etree.HTML(xiangqing_ht) # 轉為可使用xpath的HTML格式 tingche = ht_data.xpath(’//*[@id='hotelContent']/div/dl[4]/dd/text()’) # 停車位 if tingche == []:tingche = ’無停車位’ name = ht_data.xpath(’/html/body/div[3]/div/div[1]/div[1]/div/h1/text()’)[0] # 酒店名字 phine_num = ht_data.xpath(’//*[@id='hotelContent']/div/dl[1]/dd/span/text()’) # 電話 photo_li = ht_data.xpath(’/html/body/div[3]/div/div[2]/div[1]/div[2]/ul[1]/li/img/@src’) # 照片 weizhi = ht_data.xpath(’//*[@id='map']/div[1]/div[2]/div[1]/div/div[9]/div[2]/div/p[2]/text()’) # 位置 miaoshu = ht_data.xpath(’//*[@id='hotelContent']/div/dl[1]/dd/ul/li[2]/div/p/span[1]/text()’)

然后我們就拿到了數據，接下來，這些數據怎么保存呢？可以使用字典保存到json中。我就接著上面的寫了

dic = {} # 使用字典進行json存儲ic[f'{name}'] = {}dic[f'{name}'][f'{name}停車場'] = tingchedic[f'{name}'][f'{name}電話'] = phine_numdic[f'{name}'][f'{name}位置'] = weizhidic[f'{name}'][f'{name}描述'] = miaoshupath = f'酒店數據//{name}'if not os.path.exists(path): os.mkdir(path)# 創建酒店文件夾for num, photo in zip(range(len(photo_li)), photo_li): if num > 4:break else:with open(f’酒店數據//{name}//{name, num + 1}.jpg’, ’wb’) as f: f.write(requests.get(photo).content) # 將照片存進本地with open(f'酒店數據//{name}//酒店數據.json', ’w’) as f: f.write(str(dic)) # 將json存入文件dic = {} # 將字典內的數據清楚，留待下一次循環使用

12.數據拿到之后，還沒完，我們還要爬下一頁，首先需要把主頁滑倒最底部

for i in range(4): # 0 1 time.sleep(0.5) j = (i + 1) * 1000 # 1000 2000 js_ = f’document.documentElement.scrollTop={j}’ driver.execute_script(js_) time.sleep(5)

13.回到主頁面，找到下一頁的xpath，點擊

driver.find_element_by_xpath(’//*[@id='pageContainer']/a[9]’).click()

然后，我們就進入了 下一頁，然后下面就沒有代碼了，怎么辦，怎么讓代碼一直運行將很多頁的數據爬下來呢？有兩種方法：

封裝函數，并發爬取使用循環進行爬取

然后，就沒有然后了…

成功拿到數據

希望大家能夠通過實戰了解各種語法的功能，而不是死記硬背各種語法，那樣你很容易忘記，其實很多學習都可以通過這種方式來學習

到此這篇關于Python爬蟲實戰之用selenium爬取某旅游網站的文章就介紹到這了,更多相關Python selenium爬取網站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！