selenuim自动化爬取汽车在线谷米爱车网车辆GPS数据爬虫
#为了实时获取车辆信息,以及为了后面进行行使轨迹绘图,写了一个基于selelnium的爬虫爬取了车辆gps数据。
#在这里发现selenium可以很好的实现网页解析和处理js处理
#导包
import time
from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
#以下两个包是为了设置显示等待(从网上复制的)
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
class Car_Lines():
def __init__(self):
self.driver = webdriver.Chrome()
#登录网站
def login_web(self):
self.driver.get('http://www.gpsoo.net/index.shtml')
time.sleep(0.5)
while 1:
try:
self.driver.find_element_by_id('loginToggle').click()
self.driver.find_element_by_class_name('first').click()
self.driver.find_element_by_id('txtUserName').send_keys('***')
self.driver.find_element_by_id('txtPwd').send_keys('***')
self.driver.find_element_by_class_name('login_btn').click()
print('已成功登录')
break
except:
print('未登录成功,继续登录')
# 点击 下载轨迹
def download_data(self):
self.driver.find_element_by_xpath("//div[@id='dl-gps-data']/span").click()
self.clear_js()
#清楚原始输入框的信息
self.driver.find_element_by_id('dl-from').clear()
#此处传入下载起始时间
self.driver.find_element_by_id('dl-from').send_keys(self.seven_day())
time.sleep(2)
self.driver.find_element_by_id("dl-data-btn").click()
self.driver.back()
#车辆信息
def info(self,x):
#此处url是一个iframe框里的url地址,可以进入页面时刷新页面会出现
self.driver.get(url)
time.sleep(1)
#给xpath传入变量,解析三种车辆,此处用format传入
info = self.driver.find_elements_by_xpath("//div[@groupid={}]/div[@class='group_canvas']/div".format(x))
time.sleep(0.5)
return info
#消除input框的readonly属性
def clear_js(self):
try:
#首先因为id为dl-from的标签在网页源码中是不存在的,此处是通过js加载出来,所以设置显示等待等待dl-from标签加载出来
#显示等待可以按频率一直等到标签出现,此处合适,有利于时间利用
WebDriverWait(self.driver, 20, 0.5).until(EC.presence_of_element_located((By.ID, "dl-from")))
except Exception as e:
print(e)
#同时这个标签是一个只读标签,因为此处是个日期控件,需要设置js消除标签的只读属性
js = 'document.getElementById("dl-from").removeAttribute("readonly");'
return self.driver.execute_script(js)
#时间间隔为7天
def seven_day(self):
#用datetime包算出七天前的日期时间
t1 = time.time()
t2 = t2 = t1 - 86400 * 7
t2_1 = time.localtime(t2)
t3 = time.strftime("%Y-%m-%d %H:%M:%S", t2_1)
return t3
#获取车辆ID和username并下载轨迹
def get_id_username(self,x):
#默认的id及用户
id = '***'
username = "***"
#遍历所有车辆
for i in range(99):
#这里并不是遍历了99次,因为每一类型车辆数量不足99,也为了节省时间和处理不确定情况,所以while循环是在最后一辆结束后再10次爬取后停止爬取
j = 10
while j > 0:
try:
#遍历获取每一辆车的id和username
id = self.info(x)[i].get_attribute('id')
username = self.info(x)[i].get_attribute('username')
print('id获取成功')
break
except:
print('继续获取id')
j -= 1
if j == 0:
break
#传入url车辆id和username构建url地址获取每辆车信息
self.driver.get('http://mapoo.10010care.com/user/playback.shtml? v=20190401.1357&lang=cn&mds=&requestSource=web&custid=233257382459121121&loginUrl=http://www1.gpsoo1.net/&logout=http://www1.gpsoo1.net/?ip&psip=in1.gpsoo1.net/&custname=' + username + '&random=232423452784459&objectid=' + id)
time.sleep(1)
self.download_data()
print(username + '已下载成功')
time.sleep(1)
#这里有三类所以分三种爬取
#爬取默认组的
def onLine(self, l1):
#l1 = [a, b, c]三个参数是三种情况
for i in l1:
print('开始爬取正在使用的'+i+'车辆')
self.get_id_username(i)
print('爬取完毕')
#退出
def close_web(self):
self.driver.quit()
#主函数
def main(self):
self.login_web()
self.onLine(l1)
self.close_web()
if __name__ == '__main__':
c = Car_Lines()
c.main()
#可以发现已经下载成功间隔为7天的车辆信息