用urllib等抓取网页，只能读取网页的静态源文件，而抓不到由javascript生成的内容。
究其原因，是因为urllib是瞬时抓取，它不会等javascript的加载延迟，所以页面中由javascript生成的内容，urllib读取不到。
那由javascript生成的内容就真的没有办法读取了吗？非也！
本文要介绍一个python库：selenium，目前最新版本是 2.44.0
先安装：
pip install -U selenium
下面用三个例子来说明其用法：
【例0】
- 打开一个Firefox浏览器
- 载入所给url地址的页面
1 from selenium import webdriver 2 3 browser = webdriver.Firefox() 4 browser.get('http://www.baidu.com/')
【例1】
- 打开一个Firefox浏览器
- 载入百度主页
- 搜索 “seleniumhq”
- 关闭浏览器
1 from selenium import webdriver 2 from selenium.webdriver.common.keys import Keys 3 4 browser = webdriver.Firefox() 5 6 browser.get('http://www.baidu.com') 7 assert '百度' in browser.title 8 9 elem = browser.find_element_by_name('p') # Find the search box 10 elem.send_keys('seleniumhq' + Keys.RETURN) # 模拟按键 11 12 browser.quit()
【例2】
Selenium WebDriver 常用于网络程序的测试。 下面是一个使用Python标准库 unittest 的例子:
1 import unittest 2 3 class BaiduTestCase(unittest.TestCase): 4 5 def setUp(self): 6 self.browser = webdriver.Firefox() 7 self.addCleanup(self.browser.quit) 8 9 def testPageTitle(self): 10 self.browser.get('http://www.baidu.com') 11 self.assertIn('百度', self.browser.title) 12 13 if __name__ == '__main__': 14 unittest.main(verbosity=2)
