selenium爬取职位
请问各位大佬们,我这个代码错在哪了,怎么爬了些这东西import time
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from selenium.common.exceptions import TimeoutException
import logging
logging.basicConfig(level=logging.INFO,format='%(asctime)s - %(levelname)s: %(message)s')
index_page = 3
time_out = 10
index_url = 'https://www.lagou.com/jobs/list_python?labelWords=&fromSearch=true&suginput='
#初始化浏览器
path = 'D:/技能/chromedriver.exe'
brower = webdriver.Chrome(executable_path=path)
#显示等待
wait = WebDriverWait(brower,time_out)
#发起请求
def scrape_url(url,condition,locator):
logging.info(f'正在爬取{url}')
try:
brower.get(url)
wait.until(condition(locator))
except TimeoutException:
logging.error('error occurred while scraping {}'.format(url),exc_info=True)
#加载列表页
def scrape_page():
while True:
scrape_url(index_url,condition=EC.presence_of_element_located,locator=(By.XPATH, "//div[@class='pager_container']/span"))
html = brower.page_source
wait.until(EC.presence_of_element_located((By.XPATH, "//div[@class='pager_container']/span")))
print(html)
next_button = brower.find_element(By.XPATH,"//div[@class='pager_container']/span")
if 'pager_next_disabled' in next_button.get_attribute('class'):
brower.close()
break
else:
next_button.click()
time.sleep(1)
def main():
scrape_page()
if __name__ == '__main__':
main()
而且爬到后面海报错了 根据你提供的代码,可能有以下几个问题导致爬取出错:
1. 需要等待页面加载完成再进行操作:在加载列表页时,需要等待页面加载完成后再进行操作,以确保页面元素已经完全加载出来。你可以使用 WebDriverWait 来等待元素的出现或可点击状态。在你的代码中,可以将 html = brower.page_source 移到 wait.until() 的后面。
2. 等待条件不准确:代码中使用了等待条件 EC.presence_of_element_located((By.XPATH, "//div[@class='pager_container']/span")),即等待最后一个分页按钮出现。但是在拉勾网的分页结构中,并不是最后一个按钮就代表没有下一页了,还需判断该按钮的类名是否包含 'pager_next_disabled',才能确定是否到达了最后一页。你可以修改判断语句为 if 'pager_next_disabled' in next_button.get_attribute('class'):。
3. 浏览器关闭位置错误:在列表页爬取循环中,当判断到已到达最后一页并准备结束时,应在 if 分支内使用 brower.close() 关闭浏览器。在你的代码中,将 brower.close() 放在了 while True 循环外,导致浏览器无法正常关闭。
修正后的代码示例:
import time
import logging
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from selenium.common.exceptions import TimeoutException
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s: %(message)s')
index_page = 3
time_out = 10
index_url = 'https://www.lagou.com/jobs/list_python?labelWords=&fromSearch=true&suginput='
# 初始化浏览器
path = 'D:/技能/chromedriver.exe'
browser = webdriver.Chrome(executable_path=path)
# 显示等待
wait = WebDriverWait(browser, time_out)
# 发起请求
def scrape_url(url, condition, locator):
logging.info(f'正在爬取{url}')
try:
browser.get(url)
wait.until(condition(locator))
except TimeoutException:
logging.error('error occurred while scraping {}'.format(url), exc_info=True)
# 加载列表页
def scrape_page():
while True:
scrape_url(index_url, condition=EC.presence_of_element_located,
locator=(By.XPATH, "//div[@class='pager_container']/span"))
html = browser.page_source
print(html)
next_button = browser.find_element(By.XPATH, "//div[@class='pager_container']/span")
if 'pager_next_disabled' in next_button.get_attribute('class'):
browser.close()
break
else:
next_button.click()
time.sleep(1)
def main():
scrape_page()
if __name__ == '__main__':
main()
希望能帮到你!如果问题仍然存在,请提供更详细的错误信息以便进行进一步排查。 陶远航 发表于 2023-7-18 12:42
根据你提供的代码,可能有以下几个问题导致爬取出错:
1. 需要等待页面加载完成再进行操作:在加载列表页 ...
请问最开始爬到的这些是什么呀 哈岁NB 发表于 2023-7-18 15:47
请问最开始爬到的这些是什么呀
我也不知道,给你叫个网络大神@isdkz
{:5_97:}
页:
[1]