听大人讲Python及webdriver的网页抓取案例lovebet体育官网

xpath用法

xpath用来分析html,获得有效的音讯。下边是本人在骨子里中所用到的,后续会直接更新:

  • page.xpath(“//div[position()>51]”) 获取地点大于51的有所div
  • page.xpath(“//td[@rowspan]”) 获取含有rowspan属性的装有td
  • page.xpath(“//td[@rowspan or not(@colspan)]”)
    获取具有含有rowspan属性和不带有colspan属性的td
  • page.xpath(“//*[contains(text(),’你好’)]”) 匹配全体含有 你好
    字样的成分 ,
    text() 能够博得标签内的文字

上次有爱人问怎么抓取交易所网站的数目,特别是野史数据,那Ritter别推荐使用selenium那后生可畏自动化测验框架。

本来selenium是用来成功大气基于浏览器的自动化测验的,但出于可以方便地举行JS代码,摸拟顾客点击和操作,

所以得以与PYTHON结合贯彻部分不怎么复杂一点的网页抓取操作。

上面就以抓取交易所网站的总结数据为例,表达双方结合的一些用法。

跟普通的抓取操作比较,稍微复杂一点的地点在于:

1)如下图所示,默许抓取上海证交所网页数据只好取到近日贰个专门的学业日的总括数据,若是想取过去的数量,只可以人工点击日历控件达成日期选择,无法输入,由此必得:

a)去掉日期成分的只读属性

b)清空原有日期值,设置想读取的日期值

c)由于页面有延迟加载的气象,由此必得在适用的点设定一定的等候时间

lovebet体育官网 1

“`

#encoding:utf8

“””

@author:xuyuming

@contact:283548048@qq.com

@time:2016/8/8 22:47

“””

fromseleniumimportwebdriver

importtime

###############################取深圳证交所相关总结数据#################################################

driver=webdriver.Chrome()

driver.get(“http://www.szse.cn/main/marketdata/tjsj/jyjg/“)

#抓取上海证交所交易日历数量

driver.find_element_by_name(“txtDate”).clear()

#设置总计数据的多寡日期

driver.find_element_by_name(“txtDate”).send_keys(“2016-08-05”)

#点击查询开关

driver.find_element_by_id(“1804_tab1_btn”).click()

time.sleep(1)

#股票总成交额 ,从CHROME自带的“检查”功效获得XPATH路线为
 //*[@id=”REPORTID_tab1″]/tbody/tr[2]/td[3]

total_tradeamt=driver.find_element_by_xpath(“//*[@id=’REPORTID_tab1′]/tbody/tr[2]/td[3]”).text

#期货总流通股票总市值 //*[@id=”REPORTID_tab1″]/tbody/tr[2]/td[8]

negotiableValue=driver.find_element_by_xpath(‘//*[@id=”REPORTID_tab1″]/tbody/tr[2]/td[8]’).text

#b股总成交金额

tradeamtB=driver.find_element_by_xpath(‘//*[@id=”REPORTID_tab1″]/tbody/tr[4]/td[3]’).text

#b股总流通股票总市值

negotiableValueB=driver.find_element_by_xpath(‘//*[@id=”REPORTID_tab1″]/tbody/tr[4]/td[8]’).text

driver.quit()

# 深市A股总流通股票总值为深市中华全国总工会市场股票总值减去深市B种股票总值

negotiableValueA_sz=int(negotiableValue.replace(‘,’,”))-int(negotiableValueB.replace(‘,’,”))

# 深市A股总成交金额为深市中华全国总工会成交金额减去深市B种股票(stock)总成交额

tradeamtA_sz=int(total_tradeamt.replace(‘,’,”))-int(tradeamtB.replace(‘,’,”))

#打字与印刷A股流通市场股票总值和成交额

printnegotiableValueA_sz,tradeamtA_sz

##################################取上海证交全体关总括数据###############################################

#remove readonly attribute

driver=webdriver.Chrome()

driver.get(“http://www.sse.com.cn/market/stockdata/overview/day/“)

#等候蒸蒸日上分钟,确定保证页面加载达成,以便于继续修改DOM成分只读属性后不会被页面延迟加载后覆盖

time.sleep(1)

#去掉成分的只读属性

driver.execute_script(“var
setDate=document.getElementById(‘start_date2’);setDate.removeAttribute(‘readonly’);”)

#固定到日期控件

setDatElement=driver.find_element_by_xpath(“//input[@id=’start_date2′]”)

#破除内容

setDatElement.clear()

#双重填上点名的值

setDatElement.send_keys(“2016-08-05”)

#点击“查询”按钮

driver.find_element_by_id(“btnQuery”).click()

time.sleep(1)

negotiableValueA_sh=driver.find_element_by_xpath(‘//*[@id=”tableData_934″]/div[2]/table/tbody/tr[3]/td[3]/div’).text

#取最新的沪市A股成交金额//*[@id=”tableData_934″]/div[2]/table/tbody/tr[5]/td[3]/div

trdAmtA_sh=driver.find_element_by_xpath(‘//*[@id=”tableData_934″]/div[2]/table/tbody/tr[5]/td[3]/div’).text

#取最新的沪市A股平均市盈率

profitRateA_sh=driver.find_element_by_xpath(‘//*[@id=”tableData_934″]/div[2]/table/tbody/tr[7]/td[3]/div’).text

#打字与印刷沪市成交额 ,流通股票总市值以致完整市盈率

printnegotiableValueA_sh,trdAmtA_sh,profitRateA_sh

driver.quit()

“`