爬虫初稿

Selenium爬虫实战

最近接了个图书馆的老师给我爬虫任务,花了八九个小时。

 爬的是这样的一个界面,书籍名和其他信息,以及coverage下面的东西。一开始以为都要click出来,其实不用。可以直接找到的。

from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import Select
import xlwt
import re
#vertion 1.1
def spiderfin(p):
    WebDriverWait(driver,40,0.5).until(EC.presence_of_element_located((By.XPATH, "/html/body/div[2]/div/div[1]/div/div/form/div[1]/p[2]/input[1]")))
    page=driver.find_element_by_xpath('/html/body/div[2]/div/div[1]/div/div/form/div[1]/p[1]/strong').text
    #行数
    page=int(page)
    time=int(page/10)
    #翻页次数
    number=0


    def spiderone(number):
        WebDriverWait(driver,40,0.5).until(EC.presence_of_element_located((By.XPATH, "/html/body/div[2]/div/div[1]/div/div/form/ul")))
        books=driver.find_elements_by_class_name('hidden')
        information=driver.find_element_by_xpath('/html/body/div[2]/div/div[1]/div/div/form/ul').text
        information=re.sub('Coverage','',information)
        ilist=re.split('\n',information)
        while "" in ilist:
            ilist.remove("")



        lenline=len(books)
        for i in range(1,lenline+1):
            worksheet.write(number+i-1, 0, ilist[3*i-3])
            worksheet.write(number+i-1, 1, ilist[3*i-2])
            worksheet.write(number+i-1, 2, ilist[3*i-1])
            name=books[i-1].get_attribute('textContent')
            name= re.split("\n+",name)
            while "" in name:
                name.remove("")
            worksheet.write(number+i-1, 3, ';'.join(name))
        excelname='d:\\'+p+'.xls'
        workbook.save(excelname)
            #excel的名字
    workbook = xlwt.Workbook(encoding = 'ascii')
    worksheet = workbook.add_sheet('My Worksheet')

    spiderone(number)
    for i in range(time):
        #循环time次,range和malab不同,此时时第i+2页
        WebDriverWait(driver,40,0.5).until(EC.presence_of_element_located((By.XPATH, "/html/body/div[2]/div/div[1]/div/div/form/div[1]/p[2]/input[1]")))
        driver.find_element_by_xpath("//input[@class='float_left'and @name='NEXT']").click()
        number=number+10
        spiderone(number)



driver = webdriver.Firefox()
link='http://mjl.clarivate.com/cgi-bin/jrnlst/jlsubcatg.cgi?PC=H'
driver.get(link)
WebDriverWait(driver,40,0.5).until(EC.presence_of_element_located((By.XPATH, "/html/body/div[2]/div/div[1]/div/form/p[3]/select")))
pages=driver.find_elements_by_tag_name('option')
pages.pop()
ps=[]
for page in pages:
    ps.append(page.text)
driver.close()


for p in ps:
    driver = webdriver.Firefox()
    driver.get(link)
    WebDriverWait(driver,40,0.5).until(EC.presence_of_element_located((By.XPATH, "/html/body/div[2]/div/div[1]/div/form/p[3]/select")))
    selector = Select(driver.find_element_by_xpath("/html/body/div[2]/div/div[1]/div/form/p[3]/select"))
    selector.select_by_visible_text(p)
    driver.find_element_by_xpath("/html/body/div[2]/div/div[1]/div/form/p[3]/input[1]").click()
    spiderfin(p)
    driver.close()

 

很惭愧还是用了弱智selenium极慢速爬虫。不过反正没有速度要求,加上遇见js也只有这玩意好用,干脆偷懒了。

本次爬虫中学到了

  • 要注意find-element和find_elements的区别
  • 文件写入
  • 页面的循环
  • 下拉菜单框的处理

 

本 PPT 介绍了制药厂房中供配电系统的总体概念与设计要点,内容包括: 洁净厂房的特点及其对供配电系统的特殊要求; 供配电设计的一般原则与依据的国家/行业标准; 从上级电网到工厂变电所、终端配电的总体结构与模块化设计思路; 供配电范围:动力配电、照明、通讯、接地、防雷与消防等; 动力配电中电压等级、接地系统形式(如 TN-S)、负荷等级与可靠性、UPS 配置等; 照明的电源方式、光源选择、安装方式、应急与备用照明要求; 通讯系统、监控系统在生产管理与消防中的作用; 接地与等电位连接、防雷等级与防雷措施; 消防设施及其专用供电(消防泵、排烟风机、消防控制室、应急照明等); 常见高压柜、动力柜、照明箱等配电设备案例及部分设计图纸示意; 公司已完成的典型项目案例。 1. 工程背景与总体框架 所属领域:制药厂房工程的公用工程系统,其中本 PPT 聚焦于供配电系统。 放在整个公用工程中的位置:与给排水、纯化水/注射用水、气体与热力、暖通空调、自动化控制等系统并列。 2. Part 01 供配电概述 2.1 洁净厂房的特点 空间密闭,结构复杂、走向曲折; 单相设备、仪器种类多,工艺设备昂贵、精密; 装修材料与工艺材料种类多,对尘埃、静电等更敏感。 这些特点决定了:供配电系统要安全可靠、减少积尘、便于清洁和维护。 2.2 供配电总则 供配电设计应满足: 可靠、经济、适用; 保障人身与财产安全; 便于安装与维护; 采用技术先进的设备与方案。 2.3 设计依据与规范 引用了大量俄语标准(ГОСТ、СНиП、SanPiN 等)以及国家、行业和地方规范,作为设计的法规基础文件,包括: 电气设备、接线、接地、电气安全; 建筑物电气装置、照明标准; 卫生与安全相关规范等。 3. Part 02 供配电总览 从电源系统整体结构进行总览: 上级:地方电网; 工厂变电所(10kV 配电装置、变压
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值