https://www.cnblogs.com/mumengyun/p/10001109.html

动态网页数据抓取

什么是AJAX：

AJAX（Asynchronouse JavaScript And XML）异步JavaScript和XML。过在后台与服务器进行少量数据交换，Ajax 可以使网页实现异步更新。

这意味着可以在不重新加载整个网页的情况下，对网页的某部分进行更新。传统的网页（不使用Ajax）如果需要更新内容，必须重载整个网页页面。因为传统的在传输数据格式方面，使用的是XML语法。因此叫做AJAX

其实现在数据交互基本上都是使用JSON。使用AJAX加载的数据，即使使用了JS，将数据渲染到了浏览器中，在右键->查看网页源代码还是不能看到通过ajax加载的数据，只能看到使用这个url加载的html代码。

获取ajax数据的方式：

1. 直接分析ajax调用的接口。然后通过代码请求这个接口。
2. 使用Selenium+chromedriver模拟浏览器行为获取数据。

第一种：
分析接口 直接可以请求到数据。不需要做一些解析工作。代码量少，性能高。 分析接口比较复杂，特别是一些通过js混淆的接口，要有一定的js功底。容易被发现是爬虫。

第二种：
selenium直接模拟浏览器的行为。浏览器能请求到的，使用selenium也能请求到。爬虫更稳定。 代码量多。性能低。

Selenium+chromedriver获取动态数据：

Selenium相当于是一个机器人。可以模拟人类在浏览器上的一些行为，自动处理浏览器上的一些行为，比如点击，填充数据，删除cookie等。chromedriver是一个驱动Chrome浏览器的驱动程序，使用他才可以驱动浏览器。

当然针对不同的浏览器有不同的driver。以下列出了不同浏览器及其对应的driver：

Chrome：https://sites.google.com/a/chromium.org/chromedriver/downloads
Firefox：https://github.com/mozilla/geckodriver/releases
Edge：https://developer.microsoft.com/en-us/microsoft-edge/tools/webdriver/
Safari：https://webkit.org/blog/6900/webdriver-support-in-safari-10/

安装Selenium和chromedriver：

安装Selenium：Selenium有很多语言的版本，有java、ruby、python等。我们下载python版本的就可以了。
pip install selenium

安装chromedriver：

下载完成后，放到不需要权限的纯英文目录下就可以了。

快速入门：

现在以一个简单的获取百度首页的例子来讲下Selenium和chromedriver如何快速入门：

from selenium import webdriver  # chromedriver的绝对路径 driver_path = r'D:\ProgramApp\chromedriver\chromedriver.exe'  # 初始化一个driver，并且指定chromedriver的路径 driver = webdriver.Chrome(executable_path=driver_path) # 请求网页 driver.get("https://www.baidu.com/") # 通过page_source获取网页源代码 print(driver.page_source)

selenium常用操作：

更多教程请参考：http://selenium-python.readthedocs.io/installation.html#introduction

关闭页面：

driver.close()：关闭当前页面。 driver.quit()：退出整个浏览器。

定位元素：

find_element_by_id：根据id来查找某个元素。等价于： submitTag = driver.find_element_by_id('su') submitTag1 = driver.find_element(By.ID,'su') find_element_by_class_name：根据类名查找元素。 等价于： submitTag = driver.find_element_by_class_name('su') submitTag1 = driver.find_element(By.CLASS_NAME,'su') find_element_by_name：根据name属性的值来查找元素。等价于： submitTag = driver.find_element_by_name('email') submitTag1 = driver.find_element(By.NAME,'email') find_element_by_tag_name：根据标签名来查找元素。等价于： submitTag = driver.find_element_by_tag_name('div') submitTag1 = driver.find_element(By.TAG_NAME,'div') find_element_by_xpath：根据xpath语法来获取元素。等价于： submitTag = driver.find_element_by_xpath('//div') submitTag1 = driver.find_element(By.XPATH,'//div') find_element_by_css_selector：根据css选择器选择元素。等价于： submitTag = driver.find_element_by_css_selector('//div') submitTag1 = driver.find_element(By.CSS_SELECTOR,'//div')

注意:find_element是获取第一个满足条件的元素。find_elements是获取所有满足条件的元素。

操作表单元素：

操作输入框：分为两步。
第一步：找到这个元素。
第二步：使用send_keys(value)，将数据填充进去：

inputTag = driver.find_element_by_id('kw') inputTag.send_keys('python')

使用clear方法可以清除输入框中的内容。示例代码如下：

inputTag.clear()

操作checkbox：

因为要选中checkbox标签，在网页中是通过鼠标点击的。因此想要选中checkbox标签，那么先选中这个标签，然后执行click事件。

rememberTag = driver.find_element_by_name("rememberMe") rememberTag.click()

选择select：

select元素不能直接点击。因为点击后还需要选中元素。
这时候selenium就专门为select标签提供了一个类selenium.webdriver.support.ui.Select。
将获取到的元素当成参数传到这个类中，创建这个对象。以后就可以使用这个对象进行选择了。：

from selenium.webdriver.support.ui import Select # 选中这个标签，然后使用Select创建对象 

                    

                        
关键字：