selenium爬取数据

最近公司做一款数据爬虫的系统,由于对数据精确度要求比较高,需要核对每一个爬取下来的数据(数据不定时更新,有几千条),所以测试过程中大量时间都花费在了核对源网址数据上面,效率太低。所以从网上找了一些个资料,结合我自己的项目,把需要核对的数据提前爬取下来,并写入CSV表格中,这样在测试的时候,直接核对表格就可以了,大大提高了工作效率。代码如下:

from bs4 import BeautifulSoup as BS
from selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains
import time,csv

  
#存储到csv中的函数
with open('results.csv', 'w', newline='') as f:
    f_csv = csv.writer(f)
    f_csv.writerow(['指标','名称', '价格','日期'])
        
#存储到csv中的函数
def csv_write(tablelist):
    with open('results.csv', 'a', newline='') as f:
        f_csv = csv.writer(f)
        f_csv.writerow(tablelist)
    
#获得文章相关信息的列表
class B():
    def get_tablelist(self,html,e1,e2,e3,z):
        self.e1 = e1
        self.e2 = e2
        self.e3 = e3
        self.z = z
        soup = BS(html, 'lxml')
        namelist = soup.select(e1)
        priceRMBlist = soup.select(e2)
        #priceDOLLARlist = soup.select('ul.zhishu1 > li:nth-of-type(10)')
        daylist = soup.select(e3)
        tablelist = []
        for a, b,d in zip(namelist, priceRMBlist,daylist):
            name = a.get_text()
            rmb = b.get_text()
            #doller = c.get_text()
            date = d.get_text()
            #print(type(date))
            tablelist.extend([z,name, rmb, date])
        #print(tablelist)
        return tablelist

def mainfun():
    driver = webdriver.Firefox()
    url = 'http://www.sxcoal.com/'
    driver.get(url)
    driver.execute_script("window.scrollBy(0,700)")
    time.sleep(5)
    html = driver.page_source
    for i in range(12):
        if i==0:
            e1 = 'ul.zhishu1 > li:nth-of-type(19)'
            e2 = 'ul.zhishu1 > li:nth-of-type(20)'
            e3 = 'div.jytitle > span:nth-of-type(1)'
            z = "CA_0000305770"

        elif i==1:
            e1 = 'ul.zhishu1 > li:nth-of-type(19)'
            e2 = 'ul.zhishu1 > li:nth-of-type(22)'
            e3 = 'div.jytitle > span:nth-of-type(1)'
            z = "CA_0000305771"

        elif i==2:
            e1 = 'ul.zhishu1 > li:nth-of-type(55)'
            e2 = 'ul.zhishu1 > li:nth-of-type(56)'
            e3 = 'div.jytitle > span:nth-of-type(1)'
            z = "CA_0000606480"

        elif i==3:
            e1 = 'ul.zhishu1 > li:nth-of-type(61)'
            e2 = 'ul.zhishu1 > li:nth-of-type(62)'
            e3 = 'div.jytitle > span:nth-of-type(1)'
            z = "CA_0000606481"

        elif i==4:
            e1 = 'ul.zhishu1 > li:nth-of-type(79)'
            e2 = 'ul.zhishu1 > li:nth-of-type(80)'
            e3 = 'div.jytitle > span:nth-of-type(1)'
            z = "CA_0000606483"

        elif i==5:
            e1 = 'ul.zhishu1 > li:nth-of-type(97)'
            e2 = 'ul.zhishu1 > li:nth-of-type(98)'
            e3 = 'div.jytitle > span:nth-of-type(1)'
            z = "CA_0000606484"

        elif i==6:
            e1 = 'ul.zhishu1 > li:nth-of-type(7)'
            e2 = 'ul.zhishu1 > li:nth-of-type(8)'
            e3 = 'div.jytitle > span:nth-of-type(1)'
            z = "CA_0000305768"

        elif i==7:
            e1 = 'ul.zhishu1 > li:nth-of-type(7)'
            e2 = 'ul.zhishu1 > li:nth-of-type(10)'
            e3 = 'div.jytitle > span:nth-of-type(1)'
            z = "CA_0000305769"

        elif i==8:
            e1 = 'ul.zhishu1 > li:nth-of-type(13)'
            e2 = 'ul.zhishu1 > li:nth-of-type(14)'
            e3 = 'div.jytitle > span:nth-of-type(1)'
            z = "CA_0000404858"

        elif i==9:
            e1 = 'ul.zhishu1 > li:nth-of-type(13)'
            e2 = 'ul.zhishu1 > li:nth-of-type(16)'
            e3 = 'div.jytitle > span:nth-of-type(1)'
            z = "CA_0000404859"

        elif i==10:
            e1 = 'ul.zhishu1 > li:nth-of-type(25)'
            e2 = 'ul.zhishu1 > li:nth-of-type(26)'
            e3 = 'div.jytitle > span:nth-of-type(1)'
            z = "CA_0000847115"

        elif i==11:
            e1 = 'ul.zhishu1 > li:nth-of-type(25)'
            e2 = 'ul.zhishu1 > li:nth-of-type(28)'
            e3 = 'div.jytitle > span:nth-of-type(1)'
            z = "CA_0000847116"
            
        tablelist = B().get_tablelist(html,e1,e2,e3,z)
        csv_write(tablelist)
    driver.quit()
       
if __name__ == '__main__':
    mainfun()

下面是输出结果:

图片.png

做完之后还真有点小激动,嘿嘿。
只是,每次添加数据的方式,感觉有点麻烦,数据添加方式的优化和后续的数据爬取待研究中。。。。。

参考资料:
http://www.jianshu.com/p/17f7a8004da0

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,539评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,911评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,337评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,723评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,795评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,762评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,742评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,508评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,954评论 1 308
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,247评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,404评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,104评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,736评论 3 324
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,352评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,557评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,371评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,292评论 2 352

推荐阅读更多精彩内容