写在前面
本来这篇文章该几个月前写的，后来忙着忙着就给忘记了。
ps:事多有时候反倒会耽误事。
几个月前，记得群里一朋友说想用selenium去爬数据，关于爬数据，一般是模拟访问某些固定网站，将自己关注的信息进行爬取，然后再将爬出的数据进行处理。
他的需求是将文章直接导入到富文本编辑器去发布，其实这也是爬虫中的一种。
其实这也并不难，就是ui自动化的过程，下面让我们开始吧。
准备工具/原料
1、java语言
2、idea开发工具
3、jdk1.8
4、selenium-server-standalone（3.0以上版本）
步骤
1、分解需求：
需求重点主要是要保证原文格式样式都保留：
将要爬取文章,全选并复制
将复制后的文本，粘贴到富文本编辑器中即可
2、代码实现思路：
键盘事件模拟ctrl+a全选
键盘事件模拟ctrl+c复制
键盘事件模拟ctrl+v粘贴
3、实例代码
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
|
import org.junit.afterclass;
import org.junit.beforeclass;
import org.junit.test;
import org.openqa.selenium.by;
import org.openqa.selenium.webdriver;
import org.openqa.selenium.chrome.chromedriver;
import java.awt.*;
import java.awt.event.keyevent;
import java.util.concurrent.timeunit;
/**
* @author rongrong
* selenium模拟访问网站爬虫操作代码示例
*/
public class demo {
private static webdriver driver;
static final int max_timeout_in_seconds = 5;
@beforeclass
public static void setupbeforeclass() throws exception {
driver = new chromedriver();
string url = "https://temai.snssdk.com/article/feed/index?id=6675245569071383053&subscribe=5501679303&source_type=28&content_type=1&create_user_id=34013&adid=__aid__&tt_group_id=6675245569071383053";
driver.manage().window().maximize();
driver.manage().timeouts().implicitlywait(max_timeout_in_seconds, timeunit.seconds);
driver.get(url);
}
@afterclass
public static void teardownafterclass() throws exception {
if (driver != null) {
system.out.println("运行结束！");
driver.quit();
}
}
@test
public void test() throws interruptedexception {
robot robot = null;
try {
robot = new robot();
} catch (awtexception e1) {
e1.printstacktrace();
}
robot.keypress(keyevent.vk_control);
robot.keypress(keyevent.vk_a);
robot.keyrelease(keyevent.vk_a);
thread.sleep(2000);
robot.keypress(keyevent.vk_c);
robot.keyrelease(keyevent.vk_c);
robot.keyrelease(keyevent.vk_control);
driver.get("https://ueditor.baidu.com/website/onlinedemo.html");
thread.sleep(2000);
driver.switchto().frame(0);
driver.findelement(by.tagname("body")).click();
robot.keypress(keyevent.vk_control);
robot.keypress(keyevent.vk_v);
robot.keyrelease(keyevent.vk_v);
robot.keyrelease(keyevent.vk_control);
thread.sleep(2000);
}
}
|
写在后面
笔者并不是特别建议使用selenium做爬虫，原因如下：
速度慢:
每次运行爬虫都要打开一个浏览器，初始化还需要加载图片、js渲染等等一大堆东西；
占用资源太多:
有人说，把换成无头浏览器，原理都是一样的，都是打开浏览器，而且很多网站会验证参数，如果对方看到你恶意请求访问，会办了你的请求，然后你又要考虑更换请求头的事情，事情复杂程度不知道多了多少，还得去改代码，麻烦死了。
对网络的要求会更高:
加载了很多可能对您没有价值的补充文件（如css，js和图像文件）。 与真正需要的资源（使用单独的http请求）相比，这可能会产生更多的流量。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对服务器之家的支持。
原文链接：https://www.cnblogs.com/longronglang/p/10990593.html