根据Python及webdriver的网页抓取案例

xpath用法

xpath用来解析html,得到实惠的消息。下边是自作者在实质上中所用到的,后续会直接更新:

  • page.xpath(“//div[position()>51]”) 获取地方大于51的保有div
  • page.xpath(“//td[@rowspan]”) 获取含有rowspan属性的享有td
  • page.xpath(“//td[@rowspan or not(@colspan)]”)
    获取具有含有rowspan属性和不含有colspan属性的td
  • page.xpath(“//*[contains(text(),’你好’)]”) 匹配全部含有 你好
    字样的成分 ,
    text() 能够赢得标签内的文字

上次有意中人问怎么抓取交易所网站的多少,越发是历史数据,那里尤其推荐应用selenium这一自动化测试框架。

原来selenium是用来完成大气依据浏览器的自动化测试的,但鉴于可以一本万利地实践JS代码,摸拟用户点击和操作,

为此能够与PYTHON结合贯彻部分稍稍复杂一点的网页抓取操作。

上边就以抓取交易所网站的总结数据为例,表明二者结合的部分用法。

跟一般的抓取操作相比较,稍微复杂一点的地点在于:

1)如下图所示,私下认可抓取上交所网页数据只好取到近期3个工作日的总计数据,假如想取过去的数目,只好人工点击日历控件完毕日期选用,不可能输入,由此必须:

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)由于页面有延期加载的气象,由此必须在伏贴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计数据#################################################

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()

#安装计算数据的多少日期

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

#点击查询按钮

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

time.sleep(1)

#股票总成交金额 ,从CHROME自带的“检查”成效取得XPATH路径为
 //*[@id=”REPORTID_tab1″]/tbody/tr[2]/td[3]

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

#股票总流通市场股票总值 //*[@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股总流通市场股票总值

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

driver.quit()

# 深市A股总流通市场总值为深市中华全国总工会市场总值减去深市B股总股票总市值

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

# 深市A股总成交额为深市总成交额减去深市B种股票总成交额

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

#打印A股流通股票总值和成交金额

printnegotiableValueA_sz,tradeamtA_sz

##################################取上海证交全部关总计数据###############################################

#remove readonly attribute

driver=webdriver.Chrome()

lovebet体育官网,driver.get(“http://www.sse.com.cn/market/stockdata/overview/day/“)

#伺机一分钟,确定保障页面加载完结,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’);”)

#原则性到日期控件

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

#排除内容

setDatElement.clear()

#再一次填上内定的值

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金额 ,流通市场股票总值以及完整市盈率

printnegotiableValueA_sh,trdAmtA_sh,profitRateA_sh

driver.quit()

“`