day02

一 requests请求库爬取豆瓣电影信息

    - 请求url
          https://movie.douban.com/top250

    - 请求方式
          GET

    - 请求头
         user-agent
         cookies

二 selenium请求库

1、什么是selenium？
       期初是一个自动化测试工具，原理是驱动浏览器执行一些一定好的操作。

       爬虫本质上就是模拟浏览器，所以可以使用它来做爬虫。

2、为什么要使用selenium？
        优点:
            - 执行js代码
            - 不需要分析复杂的通信流程
            - 对浏览器做弹窗、下拉等操作
            - ***** 获取动态数据
            - *** 破解登录验证

        缺点:
            - 执行效率低

3、安装与使用
        1. 安装selenium请求库:
               pip3 install selenium

       2. 必须安装浏览器
              谷歌or火狐

       3.安装浏览器驱动
             http://npm.taobao.org/mirrors/chromedriver/2.38/
             windows:
            下载win32驱动

 

爬取豆瓣视频信息
""""""
"""
爬取豆瓣电影信息：
    电影排名、电影名称、电影url、电影导演
    电影主演、电影年份、电影类型
    电影评分、电影评论、电影简介
1.分析所有主页的url
第一页：https://movie.douban.com/top250?start=0&filter=
第二页：https://movie.douban.com/top250?start=25&filter=
第三页：https://movie.douban.com/top250?start=50&filter=
"""
import requests
import re

# 爬虫三部曲
# 1.发送请求
def get_page(url):
    response = requests.get(url)
    # print(response.text)
    return response

# 2.解析数据
def parse_index(html):
    movie_list = re.findall('<div class="item">.*?<em class="">(.*?)</em>.*?<a href="(.*?)">.*?<span class="title">(.*?)</span>.*?导演: (.*?)主演: (.*?)<br>(.*?)</p>.*?<span class="rating_num".*?>(.*?)</span>.*?<span>(.*?)人评价</span>.*?<span class="inq">(.*?)</span>',
        html,
        re.S)
    return movie_list

# 3.保存数据
def save_data(movie):
    # 电影排名、电影url、电影名称、电影导演、电影主演
    # 电影年份 / 电影类型、电影评分、电影评论、电影简介
    top, m_url, name, daoyan, actor, year_type, point, commit, desc = movie
    year_type = year_type.strip('\n')
    data = f"""
                =========欢迎尊敬的官人观赏===========
                电影排名:{top}
                电影url:{m_url}
                电影名称:{name}
                电影导演:{daoyan}
                电影主演:{actor}
                电影年份/电影类型:{year_type}
                电影评分:{point}
                电影评论:{commit}
                电影简介:{desc}
                ===========欢迎下次再来============
                \n
                \n
                """
    print(data)

    with open('douban.txt', 'a', encoding='utf-8') as f:
        f.write(data)
    print(f'电影: {name} 写入成功...')

if __name__ == '__main__':
    # 拼接所有主页
    num = 0
    for line in range(10):
        url = f'https://movie.douban.com/top250?start={num}&filter='
        num += 25
        print(url)
        # 1.往每个主页发送请求
        index_res = get_page(url)
        # 2.解析主页获取电影信息
        movie_list = parse_index(index_res.text)
        for movie in movie_list:
            # print(movie)
            # 3.保存数据
            save_data(movie)

 

 mac使用web驱动打开浏览器
from selenium import webdriver  #web驱动
import  time
 #方式一:通过驱动打开浏览器
 driver = webdriver.Chrome('/Users/qingqing/Desktop/chromedriver')
try:
     time.sleep(10)

finally:
     #关闭浏览器释放操作系统资源
     driver.close()

 

web驱动打开浏览器查找目标并显示
from selenium import webdriver  # web驱动
from selenium.webdriver.common.by import By  # 按照什么方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys  # 键盘按键操作
from selenium.webdriver.support import expected_conditions as EC  # 和下面WebDriverWait一起用的
from selenium.webdriver.support.wait import WebDriverWait  # 等待页面加载某些元素
import time

import  time
#方式二：把chromedriver驱动放到python解释器安装目录
#python解释器安装目录
#python解释器安装目录 配置环境变量
driver = webdriver.Chrome()
try:
    driver.get('https://www.jd.com/')
    #获取显示等待对象10秒
    #可以等待某个标签加载10秒
    wait = WebDriverWait(driver, 10)
    #查找元素id为key
    input_tag = wait.until(EC.presence_of_element_located(
        (By.ID ,'key')
    ))
    time.sleep(5)
    #在输入框内输入商品名称
    input_tag.send_keys('公仔')
    #按下键盘回车键
    input_tag.send_keys(Keys.ENTER)
    time.sleep(20)
finally:
    #关闭浏览器释放操作系统资源
    driver.close()

 

''''''
from selenium import webdriver  # web驱动
from selenium.webdriver.common.keys import Keys  # 键盘按键操作
import time

import time

driver = webdriver.Chrome()

try:
    # 隐式等待: 需要在get之前调用
    # 等待任意元素加载10秒
    driver.implicitly_wait(10)
    driver.get('https://www.baidu.com/')
    # 显式等待: 需要在get之后调用
    time.sleep(5)

    '''
    ===============所有方法===================
        element是查找一个标签
        elements是查找所有标签
    '''
    # 自动登录百度 start
    # 1、find_element_by_link_text # 通过链接文本去找
    login_link = driver.find_element_by_link_text('登录')
    login_link.click()  # 点击登录
    time.sleep(1)

    # 2、find_element_by_id # 通过id去找
    user_login = driver.find_element_by_id('TANGRAM__PSP_10__footerULoginBtn')
    user_login.click()
    time.sleep(1)

    # 3、find_element_by_class_name
    user = driver.find_element_by_class_name('pass-text-input-userName')
    user.send_keys('*****')

    # 4、find_element_by_name
    pwd = driver.find_element_by_name('password')
    pwd.send_keys('*****')

    submit = driver.find_element_by_id('TANGRAM__PSP_10__submit')
    submit.click()
    # end

    # 5、find_element_by_partial_link_text
    # 局部链接文本查找
    login_link = driver.find_element_by_partial_link_text('登')
    login_link.click()

    # 6、find_element_by_css_selector
    # 根据属性选择器查找元素
    # .: class
    # #: id
    login2_link = driver.find_element_by_css_selector('.tang-pass-footerBarULogin')
    login2_link.click()

    # 7、find_element_by_tag_name
    div = driver.find_elements_by_tag_name('div')
    print(div)
    time.sleep(20)

finally:
    # 关闭浏览器释放操作系统资源
    driver.close()