本篇文章為大家展示了python使用selenium實現爬蟲知乎，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

創(chuàng)新互聯服務項目包括新華網站建設、新華網站制作、新華網頁制作以及新華網絡營銷策劃等。多年來，我們專注于互聯網行業(yè)，利用自身積累的技術優(yōu)勢、行業(yè)經驗、深度合作伙伴關系等，向廣大中小型企業(yè)、政府機構等提供互聯網行業(yè)的解決方案，新華網站推廣取得了明顯的社會效益與經濟效益。目前，我們服務的客戶以成都為中心已經輻射到新華省份的部分城市，未來相信會繼續(xù)擴大服務區(qū)域并繼續(xù)獲得客戶的支持與信任！

說起爬蟲一般想到的情況是，使用 python 中都通過 requests 庫獲取網頁內容，然后通過 beautifulSoup 進行篩選文檔中的標簽和內容。但是這樣有個問題就是，容易被反扒機制所攔住。

反扒機制有很多種，例如知乎：剛開始只加載幾個問題，當你往下滾動時才會繼續(xù)往下面加載，而且在往下滾動一段距離時就會出來一個登陸的彈框。

這樣的機制對于通過獲取服務器返回內容的爬蟲方式進行了限制，我們只能獲得前幾個回答，而沒辦法或許后面的回答。

所以需要使用 selenium 模擬真實瀏覽器進行操作。

最終實現效果如下：

前提是需要自行搜索教程安裝：

• chromeDriver
• selenium 庫

想要使用下面代碼的可以直接修改 driver.get() 里的地址，然后爬取結果最終會存在message.txt文件中

代碼如下：

from selenium import webdriver # 從selenium導入webdriver
from selenium.webdriver.common.by import By # 內置定位器策略集
from selenium.webdriver.support.wait import WebDriverWait # 用于實例化一個Driver的顯式等待
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.action_chains import ActionChains
import time

option = webdriver.ChromeOptions()
option.add_argument("headless")
driver = webdriver.Chrome() # chrome_options=option 這個參數設置之后可以隱藏瀏覽器
driver.get('https://www.zhihu.com/question/22110581') #修改這里的地址
file = open("./messages.txt", "w")


def waitFun():
  js = """
  let equalNum = 0;
  window.checkBottom = false;
  window.height = 0;
  window.intervalId = setInterval(()=>{
    let currentHeight = document.body.scrollHeight;
    if(currentHeight === window.height){
      equalNum++;
      if(equalNum === 2){
        clearInterval(window.intervalId);
        window.checkBottom = true;
      }
    }else{
      window.height = currentHeight;
      window.scrollTo(0,window.height);
      window.scrollTo(0,window.height-1000);
    }
  },1500)"""
  # 這個暫停一下是因為要等待頁面將下面的內容加載出,這個 1500 可以根據自己的網絡快慢進行適當的調節(jié)
  # 這里需要往上移動一下，因為不往上移動一下發(fā)現不會加載。
  driver.execute_script(js)

# selenium 可以獲取 瀏覽器中 js 的變量。調用的js return
def getHeight(nice):
  # 這里獲取 js 中的 checkBottom 變量，作為到底部時進行停止。
  js = """
  return window.checkBottom;
  """
  return driver.execute_script(js)


try:
  # 先觸發(fā)登陸彈窗。
  WebDriverWait(driver, 40, 1).until(EC.presence_of_all_elements_located(
    (By.CLASS_NAME, 'Modal-backdrop')), waitFun())

  # 點擊空白關閉登陸窗口
  ActionChains(driver).move_by_offset(200, 100).click().perform()
  # 當滾動到底部時
  WebDriverWait(driver, 40, 3).until(getHeight, waitFun())
  # 獲取回答
  answerElementArr = driver.find_elements_by_css_selector('.RichContent-inner')
  for answer in answerElementArr:
    file.write('==================================================================================')
    file.write('\n')
    file.write(answer.text)
    file.write('\n')
  print('爬取成功 '+ str(len(answerElementArr)) +' 條，存入到 message.txt 文件內')
finally:
  driver.close()  #close the driver

文章題目：python使用selenium實現爬蟲知乎-創(chuàng)新互聯
本文地址：http://www.chinadenli.net/article38/dcespp.html

成都網站建設公司_創(chuàng)新互聯，為您提供網站收錄、企業(yè)網站制作、微信小程序、網站改版、定制網站、網站設計

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯