selenium安裝方法

pip3 install selenium

chromedriver安裝方法

windows下安裝：

1. 將下載好的檔案解壓
2. 將chromedriver.exe移到python安裝目錄的Script中即可(可以開啟環境變數檢視python的安裝位置)

mac下安裝

1. 開啟終端
2. 輸入cd /usr/bin
3. 輸入open .
4. 然後把下載解壓好的chromedriver拖到開啟的檔案裡面
5. 輸入chromedriver --version檢查一下
6. 加入環境變數 開啟終端,輸入： cd ~ 回車，會進入~資料夾 然後輸入：touch .bash_profile，回車執行後， 再輸入：open -e .bash_profile 回車 會在TextEdit中開啟這個檔案（如果以前沒有配置過環境變數，那麼這應該是一個空白文件）。如果有內 容，請在結束符前輸入，如果沒有內容，請直接輸入如下語句：

   export PATH=$PATH:/usr/local/bin/ChromeDriver
   

   然後儲存檔案，就可以看到，已經裝好了，可以試下

以下是爬取新浪滾動新聞頁面的程式碼

from selenium import webdriver
from selenium.
 
webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from selenium.common.exceptions import TimeoutException
from pyquery import PyQuery as pq

browser = webdriver.Chrome()
wait = WebDriverWait(browser, 10)
# 進入爬取頁面
def search():
    try:
        url = 'https://news.sina.com.cn/roll/#pageid=153&lid=2509&k=&num=50&page=1'
        browser.get(url)
        wait.until(EC.presence_of_element_located((By.ID, 'pL_Main')))
        getDetail()
        total = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#d_list > div > span:nth-child(14) > a')))
        return total.text
    except TimeoutError:
        return search()
# 得到具體資訊
def getDetail():
    html = pq(browser.page_source,parser="html")
    content = html.find('#d_list')
    uls = content.find('ul').items()
    for ul in uls:
        lis = ul('li').items()
        for li in lis:
            news = {
                'title': li.find('.c_tit a').text(),
                'href': li.find('.c_tit a').attr('href'),
                'time': li.find('.c_time').text()
            }
            print(news) # 輸出內容
# 爬取下一頁
def next_detail(page_number):
    try:
        nextBotton = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '#d_list > div > span:last-child > a')))
        nextBotton.click()
        wait.until(EC.text_to_be_present_in_element((By.CSS_SELECTOR, '#d_list > div > span.pagebox_num_nonce'), str(page_number)))
        getDetail()
    except TimeoutException:
        next_detail(page_number)

def main():
    total = search()
    total = int(total)
    print(total)
    for i in range(2, total + 1):
        next_detail(i)

if __name__ == '__main__':
    main()