使用selenium爬虫抓取数据-白红宇的个人博客

使用selenium爬虫抓取数据

发布日期：2021-05-09 04:58:55 浏览次数：19 分类：博客文章

本文共 2642 字，大约阅读时间需要 8 分钟。

写在前面

本来这篇文章该几个月前写的，后来忙着忙着就给忘记了。

ps:事多有时候反倒会耽误事。

几个月前，记得群里一朋友说想用selenium去爬数据，关于爬数据，一般是模拟访问某些固定网站，将自己关注的信息进行爬取，然后再将爬出的数据进行处理。

他的需求是将文章直接导入到富文本编辑器去发布，其实这也是爬虫中的一种。

其实这也并不难，就是UI自动化的过程，下面让我们开始吧。

准备工具/原料

1、java语言

2、IDEA开发工具

3、jdk1.8

4、selenium-server-standalone（3.0以上版本）

步骤

1、分解需求：

需求重点主要是要保证原文格式样式都保留：

将要爬取文章,全选并复制

将复制后的文本，粘贴到富文本编辑器中即可

2、代码实现思路：

键盘事件模拟CTRL+A全选

键盘事件模拟CTRL+C复制

键盘事件模拟CTRL+V粘贴

3、实例代码

import org.junit.AfterClass;import org.junit.BeforeClass;import org.junit.Test;import org.openqa.selenium.By;import org.openqa.selenium.WebDriver;import org.openqa.selenium.chrome.ChromeDriver;import java.awt.*;import java.awt.event.KeyEvent;import java.util.concurrent.TimeUnit;/** * @author rongrong * Selenium模拟访问网站爬虫操作代码示例 */public class Demo {    private static WebDriver driver;    static final int MAX_TIMEOUT_IN_SECONDS = 5;    @BeforeClass    public static void setUpBeforeClass() throws Exception {        driver = new ChromeDriver();        String url = "https://temai.snssdk.com/article/feed/index?id=6675245569071383053&subscribe=5501679303&source_type=28&content_type=1&create_user_id=34013&adid=__AID__&tt_group_id=6675245569071383053";        driver.manage().window().maximize();        driver.manage().timeouts().implicitlyWait(MAX_TIMEOUT_IN_SECONDS, TimeUnit.SECONDS);        driver.get(url);    }    @AfterClass    public static void tearDownAfterClass() throws Exception {        if (driver != null) {            System.out.println("运行结束！");            driver.quit();        }    }    @Test    public void test() throws InterruptedException {        Robot robot = null;        try {            robot = new Robot();        } catch (AWTException e1) {            e1.printStackTrace();        }        robot.keyPress(KeyEvent.VK_CONTROL);        robot.keyPress(KeyEvent.VK_A);        robot.keyRelease(KeyEvent.VK_A);        Thread.sleep(2000);        robot.keyPress(KeyEvent.VK_C);        robot.keyRelease(KeyEvent.VK_C);        robot.keyRelease(KeyEvent.VK_CONTROL);        driver.get("https://ueditor.baidu.com/website/onlinedemo.html");        Thread.sleep(2000);        driver.switchTo().frame(0);        driver.findElement(By.tagName("body")).click();        robot.keyPress(KeyEvent.VK_CONTROL);        robot.keyPress(KeyEvent.VK_V);        robot.keyRelease(KeyEvent.VK_V);        robot.keyRelease(KeyEvent.VK_CONTROL);        Thread.sleep(2000);    }}

写在后面

笔者并不是特别建议使用selenium做爬虫，原因如下：

速度慢:

每次运行爬虫都要打开一个浏览器，初始化还需要加载图片、JS渲染等等一大堆东西；

占用资源太多:

有人说，把换成无头浏览器，原理都是一样的，都是打开浏览器，而且很多网站会验证参数，如果对方看到你恶意请求访问，会办了你的请求，然后你又要考虑更换请求头的事情，事情复杂程度不知道多了多少，还得去改代码，麻烦死了。

对网络的要求会更高:

加载了很多可能对您没有价值的补充文件（如css，js和图像文件）。与真正需要的资源（使用单独的HTTP请求）相比，这可能会产生更多的流量。

上一篇：我是如何理解并使用maven的

下一篇：刚做测试工作一年的时候，我是怎样的？

发表评论

关于作者

喝酒易醉，品茶养心，人生如梦，品茶悟道，何以解忧？唯有杜康！

-- 愿君每日到此一游！