爬虫之selenium和webdriver—基础（一）

 在爬取一些网页的时候，会发现网页的有些内容是通过JS动态加载的，也就是说是ajax数据，如下图。整个如果需要查看更多的文章，就需要【阅读更多】按钮，这时页面就会加载更多的文章，但是此时网页的网址是不会改变的，没有类似page这种表示页数的参数。这种加载方式就是ajax数据。这种数据通过普通的爬虫是获取不了的，因为查看网页源代码，你会发现，通过【阅读更多】按钮加载出来的文章并没有出现在网页源代码中。这时候据需要用到一个第三方库selenium和一个工具webdriver。

 selenium库可以模拟鼠标和键盘在网页上面的操作，比如输入内容，鼠标点击等操作。

一、安装selenium和webdriver

首先安装selenium库：pip install selenium. 

如果安装速度特别慢可以加一个国内的镜像源：pip install selenium -i https://mirrors.aliyun.com/pypi/simple/  –trusted-host mirrors.aliyun.com

下载对应自己电脑上浏览器的webdriver，将压缩包解压，放在不需要权限的纯英文目录下就可以了。常见的webdriver如下：

chrom浏览器：http://npm.taobao.org/mirrors/chromedriver/

firefox（火狐浏览器）：https://github.com/mozilla/geckodriver/releases

Edge：https://developer.microsoft.com/en-us/micrsosft-edage/tools/webdriver

Safari：https://webkit.org/blog/6900/webdriver-support-in-safari-10/

以chrome为例（这里虽然显示是32位的，但是64位也可以使用），解压出来就OK，不需要去运行exe文件。

 安装好以后，测试一下安装成功没有.代码运行后，会自动打开一个Chrome页面，并且自动访问百度页面。

 

二、selenium关闭页面和浏览器

driver.close()是关闭一个页面。

driver.quit()是关闭整个浏览器。

from selenium import webdriver
import time
driver_path = 'D:chromedriverchromedriver.exe'
driver = webdriver.Chrome(executable_path=driver_path)
driver.get('https://www.baidu.com')
time.sleep(5)
driver.close()
time.sleep(5)
driver.quit()