美文网首页我爱编程
Python + selenium爬QQ说说

Python + selenium爬QQ说说

作者: caiyingyi | 来源:发表于2017-06-03 01:09 被阅读0次

    参考网站:http://zmister.com/archives/98.html

    目标:Python用selenium爬取某位幸运观众的QQ空间说说的文字内容,发表时间。

    (1)源代码如下:

    (2)运行结果如下:

    (3)关键问题:

    ①关与所调用的浏览器

    FireFox:

    driver = webdriver.Firefox(executable_path="D:\Program Files\geckodriver\geckodriver.exe")

    调用简单,运行速度较慢,关键是莫名出现bug


    关于这个问题,百度过后并未找到解决方案。根据搜索结果,应该是FireFox升级以后与selenium版本不兼容出现的bug。

    Chrome:

    chromedriver = "C:/Users/Windows/AppData/Local/Google/Chrome/Application/chromedriver.exe"

    os.environ["webdriver.chrome.driver"] = chromedriver

    driver = webdriver.Chrome(chromedriver)

    调用略复杂?运行速度较FireFox快,没有bug

    phantomjs:

    driver= webdriver.PhantomJS(executable_path=r"D:\Program Files\phantomjs-2.1.1-windows\bin\phantomjs.exe")

    一开始并没有在路径前加r,一直报错提示要把phantomjs添加到PATH中。然而我已经添加过了,还在代码中直接指明路径。经过百度,是windows指明路径时需在路径前加r。

    之前指明FireFox和Chrome的路径也没有加r,也没有因此报错。不知道phantomjs为什么要加r

    ②关于找不到frame

    ----在第一页中系统报告找不到上述frame。

         添加等待时间后,问题得到解决。

    ----在第二页时,即使添加等待时间后,也找不到上述frame。

         需要在查找该frame前返回到default content

    ③爬取发表说说的时间

    ----找不到元素

        一开始定位元素的方式是:stime = driver.find_elements_by_class_name("c_tx c_tx3 goDetail")

        这是根据源代码直接复制下来的class属性。然而系统报错,表示属性名不合法。

        经过百度,原来  是selenium所查找元素的class_name不能含有空格。因此只能用另外一种表示:

        #stime = driver.find_elements_by_css_selector(".c_tx.c_tx3.goDetail")

        爬取成功

    ----说说内容与时间不对应

             当用户转发其他人的说说时,爬取下来的时间居然是所转发说说的发表时间。原因是,该元素的名称和目标元素名称一致。因此换用别的方式定位元素:

    stime = driver.find_elements_by_xpath("//div[@class='box bgr3']/div[@class='ft']/div[@class='info']/span[@class='c_tx3']/a")

    总结:百度真是个好东西

    源代码: https://github.com/caiyingyi/qq

    相关文章

      网友评论

        本文标题:Python + selenium爬QQ说说

        本文链接:https://www.haomeiwen.com/subject/qsdpfxtx.html