首页 > 代码库 > 还没被玩坏的robobrowser(3)——简单的spider

还没被玩坏的robobrowser(3)——简单的spider

2024-10-30 04:10:02   206人阅读

背景

做一个简单的spider用来获取python selenium实战教程的一些基本信息。因为python selenium每年滚动开课，所以做这样一个爬虫随时更新最新的开课信息是很有必要的。

 

 

预备知识

  • python语法，不会python的同学建议通过这个视频学习；
  • 安装好robobrowser，没有安装的同学参考这里；

 

任务分解

这个简单的spider任务可以进行进一步的分解：

  • 访问python selenium自动化测试班页面；
  • 获取这个班的名称--python selenium自动化测试班;
  • 获取这个班的描述--独一无二的超低价培训-口碑之选;
  • 获取开班的时间--第五期报名截止2015年1月17日，开课时间1月17日;
  • 获取报名方式--课程咨询请联系QQ：12079456;
  • 获取selenium进阶群的群号--技术交流+selenium 进阶群：189116036;
  • 获取授课老师信息--虫师;

 

正式开始

 1 import re 2 from robobrowser import RoboBrowser 3  4 # 访问python selenium自动化测试班的页面 5  6 url = ‘http://itest.info/courses/2‘ 7 b = RoboBrowser(history=True) 8 b.open(url) 9 10 # 获取这个班的名称--python selenium自动化测试班11 class_name = b.select(‘.headline h2‘)12 print class_name[0].text13 14 # 获取这个班的描述--独一无二的超低价培训-口碑之选15 class_desc = b.select(‘.tag-box‘)16 print class_desc[0].text17 18 # 获取开班的时间--**第五期报名截止2015年1月17日，开课时间1月17日19 class_time = b.select(‘h4‘)20 print class_time[0].text21 22 # 获取授课老师信息--虫师23 teacher = b.select(‘.thumbnail-style h3‘)24 print teacher[0].text25 26 # 获取报名方式--**课程咨询请联系QQ：1207945627 qq = b.find(text=re.compile(‘QQ‘))28 print qq29 30 # 获取selenium进阶群的群号--**技术交流+selenium 进阶群：18911603631 qq_group = b.find(text=re.compile(‘\+selenium‘))32 print qq_group



简单讲解

  •  b = RoboBrowser(history=True) b.open(url) 用来创建browser和打开url，没什么新意，记住就好了；
  •  b.select() 方法可以接受css选择器，返回页面上所有符合条件的元素的集合，也就是说返回的是list，可以进行迭代；
  •  b.find() 的用法在这里，只返回1个精确的结果；
  • 注意，find和select方法返回的均是Beautiful Soup的tag对象或对象集合；

如果你对上面的例子不甚理解那也没什么关系，后面几节会按照场景进行分析讲解。

 

 

 

文本版权归乙醇所有，欢迎转载，但请标明出处。

下一节：robobrowser抓取网页内容

还没被玩坏的robobrowser(3)——简单的spider


联系
我们