Python + selenium 爬取百度文库Word文本
2018-12-09 11:21:21来源:博客园 阅读 ()
1 # -*- coding:utf-8 -*- 2 3 import time 4 from selenium import webdriver 5 from selenium.webdriver.chrome.options import Options 6 from selenium.common.exceptions import NoSuchElementException 7 8 chrome_options = Options() 9 chrome_options.add_argument('--headless') 10 chrome_options.add_argument('--disable-gpu') 11 chrome_options.add_argument("--user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36") 12 13 driver = webdriver.Chrome(chrome_options=chrome_options) 14 driver.maximize_window() 15 16 url = input("输入文档链接,搞快点:") 17 driver.get(url) 18 19 error_str = "" 20 21 try : 22 page_num = driver.find_element_by_xpath("//span[@class='page-count']").text 23 24 find_button = driver.find_element_by_xpath("//div[@class='doc-banner-text']") 25 driver.execute_script("arguments[0].scrollIntoView();", find_button) 26 button = driver.find_element_by_xpath("//span[@class='moreBtn goBtn']") 27 button.click() 28 29 for i in range(1,int(page_num.strip('/')) + 1) : 30 page = driver.find_element_by_xpath("//div[@data-page-no='{}']".format(i)) 31 driver.execute_script("arguments[0].scrollIntoView();", page) 32 time.sleep(0.3) 33 print(driver.find_elements_by_xpath("//div[@data-page-no='{}']//div[@class='reader-txt-layer']".format(i))[-1].text) 34 35 except NoSuchElementException : 36 if driver.find_element_by_xpath("//div[@class='doc-bottom-text']").text == "试读已结束,如需继续阅读或下载" : 37 error_str = "\n------------------------------------------------------------------\n\n" \ 38 "----------百度文库提示试读已结束啦,无法爬取全文,等会再试试吧----------\n\n" \ 39 "------------------------------------------------------------------" 40 41 finally : 42 print(error_str)
标签:
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有
上一篇:Python学习之旅(二十七)
- python3基础之“术语表(2)” 2019-08-13
- python3 之 字符串编码小结(Unicode、utf-8、gbk、gb2312等 2019-08-13
- Python3安装impala 2019-08-13
- 小白如何入门 Python 爬虫? 2019-08-13
- python_字符串方法 2019-08-13
IDC资讯: 主机资讯 注册资讯 托管资讯 vps资讯 网站建设
网站运营: 建站经验 策划盈利 搜索优化 网站推广 免费资源
网络编程: Asp.Net编程 Asp编程 Php编程 Xml编程 Access Mssql Mysql 其它
服务器技术: Web服务器 Ftp服务器 Mail服务器 Dns服务器 安全防护
软件技巧: 其它软件 Word Excel Powerpoint Ghost Vista QQ空间 QQ FlashGet 迅雷
网页制作: FrontPages Dreamweaver Javascript css photoshop fireworks Flash