大數(shù)據(jù)采集與預(yù)處理課件：Selenium和ChromeDriver技術(shù)應(yīng)用案例-安裝

Selenium和ChromeDriver技術(shù)應(yīng)用案例——網(wǎng)站數(shù)據(jù)采集本章學(xué)習(xí)目標(biāo)分析業(yè)務(wù)網(wǎng)站新房網(wǎng)的網(wǎng)頁結(jié)構(gòu)和內(nèi)容理解ChromeDriver和Selenium的安裝和配置。學(xué)會使用ChromeDriver和Selenium實現(xiàn)網(wǎng)站數(shù)據(jù)采集。熟悉業(yè)務(wù)網(wǎng)站新房數(shù)據(jù)采集的需求和流程。使用PyMySQL庫實現(xiàn)數(shù)據(jù)的持久化5.1 任務(wù)描述

本案例通過Chrome瀏覽器綜合分析業(yè)務(wù)網(wǎng)站新房網(wǎng)的網(wǎng)頁結(jié)構(gòu)和內(nèi)容，使用Selenium和ChromeDriver技術(shù)來實現(xiàn)貝殼新房網(wǎng)站數(shù)據(jù)采集。然后通過進一步分析主頁后，獲取字段為房屋名稱（name）、地址（location）、價格（price）、房屋面積（size）的數(shù)據(jù)。最后，使用pymysql庫在MySQL數(shù)據(jù)管理系統(tǒng)中創(chuàng)建指定的數(shù)據(jù)庫house_database和數(shù)據(jù)表house_info，實現(xiàn)數(shù)據(jù)的持久化存儲。5.2 ChromeDriver5.2.1ChromeDriver的概述

ChromeDriver由三個獨立部分組成：瀏覽器本身（Chrome），由selenium項目（驅(qū)動程序）提供的語言綁定，以及從Chromium項目下載的可執(zhí)行文件，它充當(dāng)Chrome和驅(qū)動程序之間的橋梁。ChromeDriver是一個與GoogleChrome瀏覽器兼容的驅(qū)動程序，它允許我們通過編程方式控制和自動化Chrome瀏覽器的操作。作為一個關(guān)鍵的工具，ChromeDriver在爬蟲開發(fā)中發(fā)揮著重要的作用。它提供了與瀏覽器的無縫交互，使我們能夠模擬用戶操作，執(zhí)行自動化任務(wù)，例如模擬登錄、數(shù)據(jù)采集和頁面導(dǎo)航等。5.2.2 ChromeDriver的安裝

圖5-1定位“關(guān)于GoogleChrome”1.確定Chrome瀏覽器的版本首先，需要確定您正在使用的Chrome瀏覽器的版本。在Chrome瀏覽器中，點擊右上角的菜單按鈕，選擇"幫助"，然后點擊"關(guān)于GoogleChrome"。如圖5-1在新打開的頁面中，您將看到Chrome瀏覽器的版本號，如圖5-2。

圖5-2查詢Chrome瀏覽器版本2.下載對應(yīng)版本的ChromeDriver在安裝ChromeDriver之前，您需要下載與您的Chrome瀏覽器版本相匹配的ChromeDriver。您可以在ChromeDriver的官方網(wǎng)站（sites.google/chromium/driver/downloads）上找到可用版本的下載鏈接如圖5-3。點擊下載鏈接，選擇適合您操作系統(tǒng)的版本，如圖5-4。

圖5-3ChromeDriver和Chrome瀏覽器版本匹配

圖5-4下載ChromeDriver安裝包3.解壓ChromeDriver下載完成后，將ChromeDriver解壓縮到您選擇的目錄中。您可以將其解壓縮到任何方便的位置，例如您的項目文件夾或系統(tǒng)路徑中。在此直接放入Python的Scripts目錄中。4.驗證安裝在安裝完成后，打開命令行或終端窗口，并輸入以下命令驗證ChromeDriver是否正確安裝： chromedriver--version如果安裝成功，您將看到ChromeDriver的版本號。通過按照以上步驟，您已經(jīng)成功安裝了ChromeDriver。5.3

Selenium5.3.1

Selenium的概述

Selenium是一個廣泛使用的自動化測試框架，也是爬蟲工程師在網(wǎng)站模擬登錄和數(shù)據(jù)采集中常用的工具。它提供了一組功能強大的API，允許我們以編程方式控制瀏覽器的行為，模擬用戶操作和提取網(wǎng)頁數(shù)據(jù)。Selenium支持多種瀏覽器，包括Chrome、Firefox、Safari和Edge等，因此它具有很強的跨瀏覽器兼容性。通過Selenium，我們可以自動打開瀏覽器，導(dǎo)航到特定的URL，填充表單，點擊按鈕，提取網(wǎng)頁內(nèi)容等等。這使得Selenium成為模擬登錄和數(shù)據(jù)采集的理想選擇。Selenium的核心組件是WebDriver，它是一個用于瀏覽器自動化的API。WebDriver可以與不同的瀏覽器驅(qū)動程序（如ChromeDriver）進行交互，通過發(fā)送指令和接收響應(yīng)來控制瀏覽器的行為。我們可以使用WebDriver來定位和操作網(wǎng)頁上的元素，例如文本框、按鈕和鏈接等。Selenium還提供了豐富的工具和庫，用于處理網(wǎng)頁中的JavaScript、處理彈出窗口、處理框架和處理異步加載等情況。這使得我們能夠更好地模擬用戶行為，并處理各種復(fù)雜的網(wǎng)頁交互?？偠灾?，Selenium是一個強大的工具，為爬蟲工程師提供了控制瀏覽器行為和進行網(wǎng)站模擬登錄和數(shù)據(jù)采集的能力。5.3.2

Selenium的安裝1.安裝Selenium參考前面章節(jié)，關(guān)鍵步驟如

圖5-5安裝Selenium2.驗證安裝在安裝完成后，可以在命令窗口中運行“importselenium”命令，如果沒有報錯，則表示安裝成功，如圖

圖5-6Selenium安裝驗證或者可以編寫一個簡單的Python腳本來驗證Selenium是否正確安裝。創(chuàng)建一個Python文件，命名為test_selenium.py： fromseleniumimportwebdriver#創(chuàng)建一個Chrome瀏覽器驅(qū)動程序?qū)嵗?driver=webdriver.Chrome()#打開網(wǎng)頁 driver.get(".baidu") print(driver.title)#打印網(wǎng)頁標(biāo)題 driver.quit()#關(guān)閉瀏覽器

保存文件后，在命令行或終端窗口中運行以下命令： pythontest_selenium.py

如果一切正常，您將看到Chrome瀏覽器自動打開，并在終端中顯示網(wǎng)頁的標(biāo)題。

通過按照以上步驟，您已經(jīng)成功安裝了Selenium。現(xiàn)在，您可以在爬蟲項目中使

用Selenium來模擬用戶操作和進行網(wǎng)站數(shù)據(jù)采集。5.5 小結(jié)

本任務(wù)通過使用Selenium庫實現(xiàn)了從業(yè)務(wù)網(wǎng)站采集新房數(shù)據(jù)并將其存儲到MySQL數(shù)據(jù)庫的全過程。首先，通過瀏覽器驅(qū)動，代碼模擬用戶訪問網(wǎng)頁、定位元素并提取信息。定位采用XPath和CSS選擇器等方式，保證準(zhǔn)確捕獲數(shù)據(jù)。數(shù)據(jù)采集函數(shù)中使用WebDriverWait和expected_conditions等待特定元素的出現(xiàn)，確保數(shù)據(jù)獲取的準(zhǔn)確性。其次，通過pymysql庫建立數(shù)據(jù)庫連接，創(chuàng)建house_info數(shù)據(jù)表用于存