Python控制浏览器,自动获取网页数据

【新手任务】

老板:我们做海外市场的,搞定投资商很重要。你去把境外投资企业(机构)全部给我复制下来。

《Python控制浏览器,自动获取网页数据》 任务.png

总共2606页,点下一页,然后再ctrl+C,然后Ctrl+V,准备着复制到天亮吧。扫视一圈,新来的实习生都回学校做毕业论文了。

【解决方案】

知识点:Python 3 基本语法,splinter库和xpath基本知识
Case 1:
python利用splinter库,控制chrome浏览器,打开网页,获取数据。抓取境外投资企业(机构)名录。
分析思路:

Step 1: 安装splinter

百度 splinter 安装,建议安装anaconda(python常用库就基本有了),再安装splinter

Step 2: 利用splinter打开chrome,访问链接

from splinter import Browser
browser = Browser('chrome') #打开谷歌浏览器
browser.visit('http://femhzs.mofcom.gov.cn/fecpmvc/pages/fem/CorpJWList.html') #访问链接

《Python控制浏览器,自动获取网页数据》 打开谷歌浏览器,访问链接.png

Step 3: 获取信息

  • 在网页空白处,点击右键,选择“检查”。然后,在出现的功能框中,用鼠标点击选择元素
    《Python控制浏览器,自动获取网页数据》 检查.png
  • 点击了选择元素之后,按钮变为蓝色(我是色盲,也是许是蓝色吧)。然后,所鼠标移动到网页上,你要获取获取的信息上,然后单击。

    《Python控制浏览器,自动获取网页数据》 选择要复制的数据.png

  • 然后,将鼠标移动到功能框中,你需要获取的信息上,然后点击右键-复制-XPath。这样就获得了该元素在网页中的地址。

    《Python控制浏览器,自动获取网页数据》 复制XPath.png

  • 代码如下:
# 通过谷歌浏览器的检查功能,可以很迅速地获取所需元素的地址。
# find_by_xpath(XPath地址) 返回值是储存在列表中的
# 这里是只有一个元素的列表,所以要选择列表第一个元素的值
r1c1=browser.find_by_xpath('//*[@id="foreach"]/td[1]').first.value # 取得1行1列的值
r1c2=browser.find_by_xpath('//*[@id="foreach"]/td[2]').first.value # 取得1行2列的值
r1c3=browser.find_by_xpath('//*[@id="foreach"]/td[3]').first.value# 取得1行3列的值
browser.find_by_xpath('//*[@id="pageNoLink_0"]').first.click() # 点击下一页
# 打印数据,并退出浏览器
print(r1c1,r1c2,r1c3)
browser.quit()

【结语】

本文简单地讲述了如何利用python splinter库,操作谷歌浏览器,然后定位到所需的元素,然后获取元素的值。获取完毕后,将数据打印,并退出浏览器。关于数据的储存,请参考插上翅膀,让Excel飞起来——xlwings(一)。完整几百页数据的获取,就只是在代码上加一个循环,如有需要下次再细讲。完整代码如下:

from splinter import Browser
browser = Browser('chrome')
browser.visit('http://femhzs.mofcom.gov.cn/fecpmvc/pages/fem/CorpJWList.html')
r1c1=browser.find_by_xpath('//*[@id="foreach"]/td[1]').first.value
r1c2=browser.find_by_xpath('//*[@id="foreach"]/td[2]').first.value
r1c3=browser.find_by_xpath('//*[@id="foreach"]/td[3]').first.value
browser.find_by_xpath('//*[@id="pageNoLink_0"]').first.click() 
# 打印数据,并退出浏览器
print(r1c1,r1c2,r1c3)
browser.quit()

参考资料
Xpath实例
splinter官方文档

    原文作者:LuckyFrog
    原文地址: https://www.jianshu.com/p/6ec0c4ac620a
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞