溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
寫在前面
本來這篇文章該幾個月前寫的，后來忙著忙著就給忘記了。
ps:事多有時候反倒會耽誤事。
幾個月前，記得群里一朋友說想用selenium去爬數據，關于爬數據，一般是模擬訪問某些固定網站，將自己關注的信息進行爬取，然后再將爬出的數據進行處理。
他的需求是將文章直接導入到富文本編輯器去發布，其實這也是爬蟲中的一種。
其實這也并不難，就是UI自動化的過程，下面讓我們開始吧。
準備工具/原料
1、java語言
2、IDEA開發工具
3、jdk1.8
4、selenium-server-standalone（3.0以上版本）
步驟
1、分解需求：
需求重點主要是要保證原文格式樣式都保留：
將要爬取文章,全選并復制
將復制后的文本，粘貼到富文本編輯器中即可
2、代碼實現思路：
鍵盤事件模擬CTRL+A全選
鍵盤事件模擬CTRL+C復制
鍵盤事件模擬CTRL+V粘貼
3、實例代碼
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模擬訪問網站爬蟲操作代碼示例
*/
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("運行結束！");
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);
}
}
寫在后面
筆者并不是特別建議使用selenium做爬蟲，原因如下：
速度慢:
每次運行爬蟲都要打開一個瀏覽器，初始化還需要加載圖片、JS渲染等等一大堆東西；
占用資源太多:
有人說，把換成無頭瀏覽器，原理都是一樣的，都是打開瀏覽器，而且很多網站會驗證參數，如果對方看到你惡意請求訪問，會辦了你的請求，然后你又要考慮更換請求頭的事情，事情復雜程度不知道多了多少，還得去改代碼，麻煩死了。
對網絡的要求會更高:
加載了很多可能對您沒有價值的補充文件（如css，js和圖像文件）。 與真正需要的資源（使用單獨的HTTP請求）相比，這可能會產生更多的流量。
總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對億速云的支持。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
