ver对象打开网页找到结果元素创建一个空列表用于存储数据遍历结果元素并提取数据提取标题、作者、发布时间等信息判断是否为目标文章提取目标文章的描述、阅读数量、点赞数量、评论数量等信息将提取的数据存储为字典格式将字典添加到数据列表中保存数据为JSON文件关闭WebDriver完整代码运行效果

结束语

实战训练营】中的文章信息。

在这篇文章中我们首先导入了需要使用的依赖库然后设置了ChromeDriver的路径并创建了Chrome

WebDriver对象。

接着我们使用WebDriver打开了指定的网页并等待页面加载完成。

随后通过定位元素的方式找到了搜索结果列表的父元素并提取了每个搜索结果的标题、作者、发布时间等信息。

最后我们将提取到的数据存储为JSON文件并关闭了WebDriver。

导入依赖库

time这段代码导入了需要使用的依赖库包括selenium、json以及一些常用模块。

driver_path

在这里driver_path变量存储了ChromeDriver的路径需要根据实际情况进行设置。

创建Chrome

webdriver.Chrome(driver_path)通过webdriver.Chrome()方法创建了一个Chrome

打开网页

https://so.csdn.net/so/search?spm1001.2100.3001.7499q%E8%85%BE%E8%AE%AF%E4%BA%91%20Cloud%20Studio%20%E5%AE%9E%E6%88%98%E8%AE%AD%E7%BB%83%E8%90%A5tbloguutm_mediumdistribute.pc_search_hot_word.none-task-hot_word-alirecmd-1-%E8%85%BE%E8%AE%AF%E4%BA%91%20Cloud%20Studio%20%E5%AE%9E%E6%88%98%E8%AE%AD%E7%BB%83%E8%90%A5-null-null.172%5Ev8%5Etag_flagdepth_1-utm_sourcedistribute.pc_search_hot_word.none-task-hot_word-alirecmd-1-%E8%85%BE%E8%AE%AF%E4%BA%91%20Cloud%20Studio%20%E5%AE%9E%E6%88%98%E8%AE%AD%E7%BB%83%E8%90%A5-null-null.172%5Ev8%5Etag_flag

driver.get(url)

time.sleep(5)使用driver.get()方法打开了指定的网页。

这里的URL是搜索某个关键词的CSDN博客链接。

然后通过time.sleep()方法等待页面加载完成。

找到结果元素

driver.find_element(By.CLASS_NAME,

so-result-list).find_elements(By.CLASS_NAME,

list-item)使用driver.find_element()方法找到了搜索结果列表的父元素再通过find_elements()方法找到所有的搜索结果元素并将其赋值给变量results。

创建一个空列表用于存储数据

results:...遍历结果元素列表results对每一个结果元素进行数据提取。

提取标题、作者、发布时间等信息

result.find_element(By.CLASS_NAME,

title).find_element(By.TAG_NAME,

a).textauthor

result.find_element(By.CLASS_NAME,

item-ft).find_element(By.CLASS_NAME,

result.find_element(By.CLASS_NAME,

item-ft).find_element(By.CLASS_NAME,

time).text通过find_element()方法找到标题、作者和发布时间等元素并使用.text属性获取对应的文本内容。

实战训练营】

当前文章标题是:{title})通过判断标题中是否包含关键字实战训练营】来确定是否为目标文章。

如果是目标文章则进行下一步的数据提取否则打印当前文章的标题。

description

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,

row2).texttry:read

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,item-ft).find_element(By.CLASS_NAME,

btm-view).find_element(By.CLASS_NAME,

num).textexcept

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,item-ft).find_element(By.CLASS_NAME,

btm-dig).find_element(By.CLASS_NAME,

num).textexcept

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,item-ft).find_element(By.CLASS_NAME,

btm-comment).find_element(By.CLASS_NAME,

num).textexcept

0使用find_element()方法逐层查找目标文章的描述、阅读数量、点赞数量、评论数量等元素并通过.text属性获取对应的文本内容。

如果某个元素不存在则将对应的变量赋值为0。

item

发布时间}将提取到的标题、描述、阅读数量等信息存储为一个字典item。

将字典添加到数据列表中

data.append(item)将提取到的字典item添加到数据列表data中。

保存数据为JSON文件

indent4)使用json.dump()方法将数据列表data以JSON格式保存到文件data.json中。

关闭WebDriver

https://so.csdn.net/so/search?spm1001.2100.3001.7499q%E8%85%BE%E8%AE%AF%E4%BA%91%20Cloud%20Studio%20%E5%AE%9E%E6%88%98%E8%AE%AD%E7%BB%83%E8%90%A5tbloguutm_mediumdistribute.pc_search_hot_word.none-task-hot_word-alirecmd-1-%E8%85%BE%E8%AE%AF%E4%BA%91%20Cloud%20Studio%20%E5%AE%9E%E6%88%98%E8%AE%AD%E7%BB%83%E8%90%A5-null-null.172%5Ev8%5Etag_flagdepth_1-utm_sourcedistribute.pc_search_hot_word.none-task-hot_word-alirecmd-1-%E8%85%BE%E8%AE%AF%E4%BA%91%20Cloud%20Studio%20%E5%AE%9E%E6%88%98%E8%AE%AD%E7%BB%83%E8%90%A5-null-null.172%5Ev8%5Etag_flag

driver.get(url)

driver.find_element(By.CLASS_NAME,

so-result-list).find_elements(By.CLASS_NAME,

list-item)#

result.find_element(By.CLASS_NAME,

title).find_element(By.TAG_NAME,

a).textauthor

result.find_element(By.CLASS_NAME,

item-ft).find_element(By.CLASS_NAME,

result.find_element(By.CLASS_NAME,

item-ft).find_element(By.CLASS_NAME,

time).textif

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,

row2).text#

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,

By.CLASS_NAME,

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,

By.CLASS_NAME,

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,#

By.CLASS_NAME,

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,item-ft).find_element(By.CLASS_NAME,

btm-view).find_element(By.CLASS_NAME,

num).text#

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,#

By.CLASS_NAME,

btm-view).find_element(By.CLASS_NAME,

num).textexcept

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,item-ft).find_element(By.CLASS_NAME,

btm-dig).find_element(By.CLASS_NAME,

num).textexcept

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,item-ft).find_element(By.CLASS_NAME,

btm-comment).find_element(By.CLASS_NAME,

num).textexcept

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,

item-ft).find_element(By.CLASS_NAME,

btm-view).find_element(By.CLASS_NAME,

num).text#

result.find_element(By.CLASS_NAME,

item-bd__cont).find_element(By.CLASS_NAME,

item-ft).find_element(By.CLASS_NAME,

btm-dig).find_element(By.CLASS_NAME,

num).text#

result.find_element(By.CLASS_NAME,item-bd__cont).find_element(By.CLASS_NAME,

item-ft).find_element(By.CLASS_NAME,

btm-comment).find_element(By.CLASS_NAME,

num).textidx

将字典添加到数据列表中data.append(item)else:print(f不是目标文章,

保存数据为JSON文件with

通过本文的介绍我们学习了如何使用Selenium和Chrome

WebDriver进行网页数据爬取掌握了定位元素、提取信息和数据存储的相关技巧。

这些技术对于获取网页上的数据非常有用可以帮助我们实现自动化的数据采集和处理。

希望本文对您有所帮助如果您对网页数据爬取和数据处理有更多兴趣和需求可以继续深入学习和探索相关内容。

祝您在数据领域取得更多的成果