Python Selenium爬取数据

　　最近公司有一项Python爬取数据的工作，借鉴以往的代码将爬虫重新更新并整理

　　将现有爬虫分成几部分

　　0.文件读取器

　　其实文件读取和4中的文件存储是在一个部分的

　　这里简单介绍下xls的读取

　　def deal_xls_col(name,sheet_name):

　　body = xlrd.open_workbook(name)

　　try:

　　sh = body.sheet_by_name(sheet_name)

　　except:

　　print "EORR"

　　return sh.col_values(0)格式请忽略

　　这里读取了一竖行的xls的数据

　　返回的格式为list

　　1.总调度器

　　这里主要是写逻辑，及0234的顺序。

　　2.网页下载器

　　网页下载器主要是来模拟浏览器访问对应url

　　一个简单的例子

　　class HtmlDownloader(object):

　　def download(self,url):

　　if url is None:

　　return None

　　response = urllib2.urlopen(url,timeout=300)

　　if response.getcode() != 200:

　　return None

　　return response.read()

　　例子只是去访问url并没有对cookie等相关限制信息做处理(需要请自行添加)

　　3.网页分析器

　　网页分析器其实就是来处理下载器返回的html的源码，比如用selenium来处理的话则有

　　company_info_text = driver.find_element_by_class_name('company_info_text')

　　company_text = driver.find_element_by_class_name('row b-c-white company-content')

　　就是用selenium的一些方法来获取你需要的数据而已

　　4.文件存储器

　　这里以xls为例：

　　def creat_xls_6(xls_name):

　　styleBoldRed = xlwt.easyxf('font:color-index red, bold on')

　　headerStye = styleBoldRed wb = xlwt.Workbook()

　　ws = wb.add_sheet(xls_name)

　　ws.write(0, 0, "name", headerStye)

　　ws.write(0, 1, "oper_name", headerStye)

　　ws.write(0, 2, "start_date", headerStye)

　　ws.write(0, 3, "xfsSearchStatus", headerStye)

　　wb.save(xls_name)

　　创建xls表格

　　def insert_xls_6(xls_name,id, name, oper_name, start_date,xfsSearchStatus):

　　oldWb = xlrd.open_workbook(xls_name)

　　newWb = copy(oldWb)

　　newWs = newWb.get_sheet(0)

　　newWs.write(id, 0, name)

　　newWs.write(id, 1, oper_name)

　　newWs.write(id, 2, start_date)

　　newWs.write(id, 3, xfsSearchStatus)

　　newWb.save(xls_name)

　　插入数据到表格

　　这里面没有什么高深的秘密，只要你封装好自己的函数就好了

　　上面的例子还不是最好的版本，因为每次使用都要重新修改，应该传入一个数据来代替那些变量，这样就可以适配各种数据的表格创建和添加了

　　还有要说的就是：一些网站会限制你爬取数据，但是大多数网站都是友好的，但是这并不表示你可以肆无忌惮的毫无限制的去爬取。爬取的时间最好设置成晚上或者。。。。

　　还有就是不要对目标网站造成不必要的‘伤害’。

　　爬虫并不难，且行且珍惜!

　　以上内容为大家介绍了Python Selenium爬取数据，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注多测师。https://www.e70w.com/xwzx/