使用python

时间:2015-12-15 07:28:56

标签: python selenium web-scraping beautifulsoup

我正在尝试使用在JavaScript中生成的Python动态内容(此视频的观看次数和评论数量:http://v.youku.com/v_show/id_XMTM5NTI3NDY3Ng==.html?from=y1.3-idx-uhome-1519-20887.205805-205902.5-2)。

我熟悉BeautifulSoup(运行约0.1秒,但没有JavaScript评估)和Selenium(3秒以上,即使我停用CSS,图像等,但解释JS)。

有没有办法在没有实际使用浏览器的情况下在Python中抓取JavaScript函数的结果(假设这会减慢Selenium的速度)?

我的Selenium代码如下:

# coding=utf-8

import time
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait 
from selenium.webdriver.common.keys import Keys

firefox_profile=webdriver.FirefoxProfile()
#firefox_profile.set_preference('permissions.default.stylesheet',2)
firefox_profile.set_preference('permissions.default.image',2)
firefox_profile.set_preference('dom.ipc.plugins.enabled.libflashplayer.so',2)
driver = webdriver.Firefox(firefox_profile=firefox_profile)
time.sleep(7)

start=time.time()
def getYoukuVideoStats(youkuVideoUrl):
    driver.get(youkuVideoUrl)
    text= driver.find_element_by_id("allnum_cmt").text
    print text

youku_video_urls_full=["http://v.youku.com/v_show/id_XOTU2Nzc3NDYw.html"]

for youkuVideoUrl in youku_video_urls_full:
    try:
        getYoukuVideoStats(youkuVideoUrl)
        print youkuVideoUrl
    except Exception, e:
        print "Error with video: "+youkuVideoUrl
        print str(e)

print time.time()-start

3 个答案:

答案 0 :(得分:4)

您确实需要使用浏览器来呈现JS,但您可以使用无头浏览器,例如phantomjs。这将加快您的运行时间,您将看不到浏览器打开。

答案 1 :(得分:3)

不,没有使用浏览器就无法获取js代码的结果,无论它是可见的还是不可见的(phantomjs)。

答案 2 :(得分:3)

你也可以使用splash使javascript渲染变得简单,使其像服务一样,所以你继续使用它就像抓取普通网站一样。

对于python web-scraping,它与scrapy的效果非常好。