发布时间:2022-08-09 文章分类:编程知识 投稿人:王小丽 字号: 默认 | | 超大 打印
Selenimu做爬虫

前面有介绍过Selenium作为开源的自动化测试框架,其实Selenium还可以作为爬虫工具。

举个例子,我想爬取中国概念股的一些信息,例如这样的:http://app.finance.ifeng.com/list/usstock_cn.php

Selenimu做爬虫  oscarxie  博客园

先建个SeleniumUtil.py的文件

Selenimu做爬虫  oscarxie  博客园Selenimu做爬虫  oscarxie  博客园代码

#!/usr/bin/python2.5.2
#
-*-coding:utf8-*-

fromseleniumimportselenium

classSeleniumUtil:
seleniums
={}

defStartSeleniumForUrl(self,url):
sel
=selenium("localhost",4444,"*chrome",url)
sel.start()
sel.set_timeout(
"90000")
returnsel

defGetSelenium(self,websiteName,url):
#ifwebsiteNameinself.seleniums:
#returnself.seleniums[websiteName]
self.seleniums[websiteName]=self.StartSeleniumForUrl(url)
returnself.seleniums[websiteName]

defStopSelenium(self,websiteName):
ifwebsiteNameinself.seleniums:
self.seleniums[websiteName].stop()

复制代码

接着写个IfengFinanceSite.py文件来爬取需要的信息,例子如下,

Selenimu做爬虫  oscarxie  博客园Selenimu做爬虫  oscarxie  博客园代码

#!/usr/bin/python2.4
#
-*-coding:utf8-*-

#IfengSite
#

importcodecs,time
fromSeleniumUtilimportSeleniumUtil

ExchangeUrlMap={
"CCS":"http://app.finance.ifeng.com/list/usstock_cn.php",
#"SHA_B":"http://stock.finance.sina.com.cn/stock/quote/shb%s.html",
}
ExchangeXPath
="//html/body/div[4]/div/div[2]/div/table/tbody/tr[%s]/td[1]"

classIfengFinanceSite:

#resultfilefordiffexchanges
defGetAllTickers(self,exchange,resultFiles):
sln
=SeleniumUtil().GetSelenium("Ifeng","http://app.finance.ifeng.com/")
myfile
=codecs.open(resultFiles%exchange,'w','utf-8')

count=0

sln.open(ExchangeUrlMap[exchange])
time.sleep(5)

forjinrange(2,200):
ifsln.is_element_present(ExchangeXPath%j):
context
=sln.get_text(ExchangeXPath%j).strip()
print>>myfile,context,'\r'
count
=count+1
else:break
print"%scompaniesforexchange%srecorded."%(count,exchange)
sln.stop()

exchangelist=["CCS"]#"SHA_A","SHA_B","SHE_A","SHE_B","SHA_Q","SHA_CEF","SHE_CEF","SHA_Bond","SHE_Bond"
forexchangeinexchangelist:
printexchange
resultFiles
="Ifeng_company_list_%s.txt"
IfengFinanceSite().GetAllTickers(exchange,resultFiles)

复制代码

之后启动Selenium服务,调动浏览器就能获取所有中国概念股股票代码,如果还需要其他的信息如名称、价格,只需要取得Xpath就行了。

再扩展开就是可以用Selenium做diff工具了,前后版本的对比,自有产品与竞争对手信息的对比。

当然,Selenium RC因为要调出浏览器,所以效率还是很一般,可以考虑用Selenium其他产品。