python爬虫+网页点击事件+selenium模拟浏览器，爬取选股宝内容

（一）PYTHON的安装（已安装，可跳过此步骤）

1、PYTHON下载

PYTHON官网：https://www.python.org/

按照对应的系统下载，我这里是window系统，点击windows,根据自己系统操作位数下载

添加环境变量：

如果没有添加，可自行在计算机添加

（二）第三方库的安装

安装selenium和pyquery，在cmd命令下输入 pip install selenium（pyquery安装类似）

如果报错则进入python目录下scripts目录下，再输入命令

在python的IDLE下如果没有报错则安装成功

（三）浏览器及相应浏览器驱动的安装

这里主要使用chrome浏览器，自行去谷歌官网下载安装，安装后查看谷歌版本，单击关于google chrome

（一般在这里都可以找到）

我的版本：67.0

下载对应的webdriver （这里没有可以自己推测每3个版本，对应一个v65-67---v2.38,即v68-70--v2.39）

下载地址：http://chromedriver.storage.googleapis.com/index.html

把下载好的chromedriver.exe，解压后放到python36目录下（或者python36目录下的scripts）

在IDLE下执行如下代码，会自动打开你谷歌浏览器（环境搭建完成）

（四）实例代码详解

要求：爬取https://www.xuangubao.cn/股票网站的信息（（“利好”或“利空”）和“相关股票”），实现点击加载更多

（1）打开浏览器，获取相关讯息：

（2）网页分析（selenium有很多定位方法，这里用到比较少）

在上面的代码中，data已经拥有了网页当前页的所有内容（可输出观察）；我们现在只要从中拿到我们想要的数据

在网页中，右键，审查元素，（或者检查）分析网页：（由于得到的data可能与网页的分析有所出入，建议最好输出data，从data中分析得到正则表达式）

我们用正则表达式找到所有以1开头，以2为结尾内容用findall函数

实现点击：（点击之后的”利好”和“相关股票”的正则会与首页的不同（后面点击的与第一次点击后的一样））

定位方法有：（这里用的比较少不做详细介绍，大家自行了解）：

find_element_by_id　当你知道一个元素的id属性时使用它。使用此策略，将返回具有与该位置匹配的id属性值的第一个元素。

find_element_by_name　当你知道一个元素的name属性时使用它。使用此策略，将返回具有与该位置匹配的id属性值的第一个元素。

find_element_by_xpath

find_element_by_link_text

find_element_by_partial_link_text

find_element_by_tag_name

find_element_by_class_name

find_element_by_css_selector

源码附上：

#coding=utf-8
from selenium import webdriver
import time
import re
from pyquery import PyQuery as pq


def openurl(url,num):
        browser  = webdriver.Chrome()  #打开浏览器
        browser.get(url)               #进入相关网站
        html=browser.page_source       #获取网站源码
        data=str(pq(html))             #str() 函数将对象转化为适于人阅读的形式。
                                                                                                              
        dic={}                         
        re_rule=r'<div class="news-item-container">(.*?)<div data-v-00b2e9bc=""/>'       
        datalist=re.findall(re_rule,data,re.S)
        for i in range(0,len(datalist)):
                rule1=r'<img src="/img/icon-lihao.png" data-v-6c26747a=""/>(.*?)<!----></span>'
                bullish = re.findall(rule1,datalist[i],re.S)
                if len(bullish)==0:
                        rule1=r'<img src="/img/icon-likong.png" data-v-6c26747a=""/>(.*?)</span>'
                        bullish = re.findall(rule1,datalist[i],re.S)
                        
                rule2=r'<span class="stock-group-item-name" data-v-f97d9694="">(.*?)</span>'
                stock_name=re.findall(rule2,datalist[i], re.S)
                
                if len(stock_name) > 0 and len( bullish) > 0:
                        for c in range(0,len(stock_name)):
                                dic[stock_name[c]]= bullish[0]
                                print("正在爬取第",len(dic)+1,"个请稍等.....") 
              
        c=len(datalist)
        if len(dic) < num:
                while(1):
                        browser.find_element_by_class_name("home-news-footer").click()
                        time.sleep(1)
                        html=browser.page_source
                        data=str(pq(html))
                        datalist=re.findall(re_rule,data,re.S)
                        for i in range(c,len(datalist)):
                                rule3=r'<img data-v-6c26747a="" src="/img/icon-lihao.png"/>(.*?)<!----></span>'
                                bullish = re.findall(rule3,datalist[i],re.S)
                                if len(bullish)==0:
                                        rule5=r'<img data-v-6c26747a="" src="/img/icon-likong.png"/>(.*?)</span>'
                                        bullish = re.findall(rule5,datalist[i],re.S)
                                rule4=r'<span data-v-f97d9694="" class="stock-group-item-name">(.*?)</span>'
                                stock_name=re.findall(rule4,datalist[i], re.S)
                                                
                                if len(stock_name) > 0 and len( bullish) > 0:
                                        for c in range(0,len(stock_name)):
                                                dic[stock_name[c]]= bullish[0]
                                                
                            
                        c=len(datalist)
                        if len(dic) > num :
                                browser.quit()
                                print("爬取完毕！！")
                                break


                        print("正在爬取第",len(dic)+1,"个请稍等.....")   
        else:
                browser.quit()
                print("爬取完毕！！")
                
        return dic
                                                                         
url='https://www.xuangubao.cn/'
dict=openurl(url,3)
print(dict)
#f=open("F:\\text.txt","a")
#for key,values in  dict.items():
        #f.write((key+"\t"))
        #print(key,values)
#f.close()