selenium+webDriver+headless Chrome实现python爬虫

一、环境搭建

工欲善其事，必先利其器。在这里，我们采用selenium+webDriver+headless Chrome(当然，这里使用FireFox、Safari浏览器都可以)来实现爬虫。

(一)工具

1.selenium,一个用于Web应用程序测试的工具。其特点是直接运行在浏览器中，就像真正的用户在操作一样。新版本selenium2集成了 Selenium 1.0 以及 WebDriver。

2.webDriver作用如下：执行代码通过给Webdriver发送指令，让Webdriver知道想要做的操作，Webdriver再根据这些操作在浏览器界面上进行控制，例如查找页面元素、发送文本、实现事件点击等等。

3.Headless Chrome 是 Chrome 浏览器的无界面形态，可以在不打开浏览器的前提下，使用所有 Chrome 支持的特性运行程序。从而更加方便测试 web 应用，获得网站的截图，做爬虫抓取信息等。

(二)安装

1.安装selenium

首先，在安装好python.exe或者anaconda集成环境的前提下，打开命令对话框cmd,

（1）输入pip install selenuim进行安装。

如果总是报以下错误：Could not find a version that satisfies the requirement selenuim (from versions: )，No matching distribution found for selenuim选择方法2

（2）自己下载selenium工具，下载地址：https://pypi.python.org/pypi/selenium。下载完成后，把安装包拷贝到 pip3 同目录下，使用管理员权限执行 cmd，

切换到 pip3 目录(%python%\Scripts)，执行命令行：pip3 install selenium-3.4.3-py2.py3-none-any.whl

如果使用pip3提示需要升级，则在对话框中进入到python.exe所在位置，输入 python -m pip install --upgrade pip

安装成功显示如下：

2.安装webDriver

注意保持两个版本对应：1.浏览器类型与webDriver对应，ChromeBrowser-ChromeDriver；2.浏览器版本与webDriver版本对应。

在url输入框键入：chrome://version可查看浏览器版本（chrome68要求driver2.42），相应版本的webDriver下载地址如下：https://chromedriver.storage.googleapis.com/index.html

下载完webDriver之后解压放到chrome.exe的安装目录下，并添加系统变量，即可使用。

3.Headless Chrome

设置浏览器的无界面状态可提高爬虫速度，在代码文件中进行设置即可。

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
chrome_options = Options()
chrome_options.add_argument('--headless')
chrome_options.add_argument('--disable-gpu')
driver = webdriver.Chrome(chrome_options=chrome_options)

二、编写代码

from selenium import webdriver
import csv
from selenium.webdriver.chrome.options import Options
chrome_options = Options()
chrome_options.add_argument('--headless')
chrome_options.add_argument('--disable-gpu')
driver = webdriver.Chrome(chrome_options=chrome_options)
url = 'http://music.163.com/#/discover/playlist/?order=hot&cat=%E5%85%A8%E9%83%A8&limit=35&offset=0'
#准备好存储歌单的csv文件
csv_file = open("playlist.csv",'w',newline='')
writer = csv.writer(csv_file)
writer.writerow(['标题','播放数','链接'])
#解析每一页，直到‘下一页’为空
while url != 'javascript:void(0)':
    #用webDriver加载页面
    driver.get(url)
    #切换到内容的iframe
    driver.switch_to.frame("contentFrame")
    #定位歌单标签
    data = driver.find_element_by_id("m-pl-container").\
        find_elements_by_tag_name("li")
    #解析一页中的所有歌单
    for i in range(len(data)):
        #获取播放数
        nb = data[i].find_element_by_class_name("nb").text
        if '万' in nb and int(nb.split("万")[0]) > 500 :
            msk = data[i].find_element_by_css_selector("a.msk")
            writer.writerow([msk.get_attribute('title'),nb,msk.get_attribute('href')])
    url = driver.find_element_by_css_selector("a.zbtn.znxt").\
        get_attribute("href")
csv_file.close()

三、运行结果

四、补充

在安装工具或者运行项目时经常遇到python版本不匹配的问题，这时我们可以进行版本切换，参考

关于在anaconda中切换不同的python版本

https://blog.csdn.net/my_kingdom/article/details/68957736

本文章参考了【爬虫】手把手教你写网络爬虫（1）