selenium.webdriver 使用中的几点小经验_webdriver屏蔽文件选择器-优快云博客

selenium.webdriver 能绕过采取前端javascript加密的网站，也不必去考虑什么 iframe的框架关系，直接去读取最终显示的页面，虽然有他的笨重缺点，但是一招破百防，无招胜万招。

最近因为要爬一个前端javascript加密的网站数据，简单调试了一个爬虫python程序，把几点小经验记录一下。

1、python的爬虫调试过程，当然必选 Jupyter Notebook 了，chrome打开页面后，F12大法，随意查 xpath，随意遍历dom对象，不用重启程序，想修改什么查询，就修改什么查询。

2、我的chrome使用了绿色版（78.0.3904），最关键的原因是这个版本是能支持flash的最终版了，包括webdriver也都不在搜索路径中，所以要自定义程序路径：

from selenium import webdriver
from selenium.webdriver.chrome.options import Options

opt = Options()
opt.binary_location = "D:/chrome_x86/App/chrome.exe"
browser = webdriver.Chrome (executable_path="D:/chrome_x86/chromedriver.exe", options=opt)
browser.get("......")

3、页面的dom对象查询，虽然webdriver也提供了 find_element……功能，但是比起BeautifulSoup还是弱了些，所以还是：

    html_text = browser.page_source
    soup = BeautifulSoup(html_text, 'html.parser')

4、所寻找的dom对象，虽然F12可以找到，但是soup不能直接找到，然后发现是藏在<section>中了，先找到section，再在section中继续查找就能找到

sectionS  = soup.find_all("section")
section = sectionS[0]
labels = section.find_all("label")

5、网页跳转过程中，会有数据加载的过程，传统的办法是用time.sleep(…)等待一会。其实还可以用try…except…加上无限循环来解决，而且效果感觉更好。

6、上一点所说的，还包括click网页上的dom对象（比如button），有时会出现click错了dom对象，然后程序崩溃的问题，估计是chrome和webdriver不匹配，这时try…except…加无限循环，可以确保不管是加载没有完成，还是程序偶而不兼容，都能click上想要的button。下面的例子，是稳保能点上“返回”按钮的办法。

while True:
    try:
        btnS = browser.find_elements_by_xpath("//button")
        for bt in btnS:
            if "返回" in bt.text:
                bt.click()
                break
        break
    except:
        pass

7、怎么样读表格数据？因为碰到了虽然表格基本相同，但是表头还是有时有些差别的情况，这时候就不能直接数表格的格子数来取数据，而是要先读取表头，根据表头行，来取下面数据行的数据。

tr_line = subtable.find("……")
name_cols = {}
# 先读表头
td_S = tr_line.find_all("th")
for i, td in enumerate(td_S):
    name_cols[td.text] = i

# 再读数据行
tr_line_S = subtable.find_all(class_ = "……")
if len(tr_line_S) > 1:
    print ("--",len(tr_line_S),"--",end="")
for tr_line in tr_line_S:
    td_S = tr_line.find_all("td")
    # 根据表头，取具体的数据
    lbm = td_S[name_cols["……"]].text
    sliang = td_S[name_cols["……"]].text
    slv = td_S[name_cols["……"]].text

8、因为取得数据太多，程序有时会跑死，还得手工恢复现场。这是先看一下，记住Chrome跑死在哪个页面，重启程序里，在browser.get("…")之后，来个pause=input("PAUSE")，把程序暂停一下，再手工点击Chrome的内容，回到断掉的那一页，就可以继续爬下去了。数据也要时不时断点存储，以保证在断点处能进行恢复，存储数据，joblib.dump是我的最爱了。