推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
[爬虫]请教各位高手，除了 Seleium 的方法，还有什么现成轮子方法可以获得渲染后的网页代码？
qazwsxkevin · 2019 年 7 月 25 日 · 5930 次点击这是一个创建于 2382 天前的主题，其中的信息可能已经有所发展或是发生改变。
在学习和使用的过程中，我是使用 Seleium+chromedriver 去 driver.page_source 获得渲染后的 html 代码，不知道为什么，用 chromedriver 去 get 网页，webdriver 通常一个页面需要 1~2 分钟才能结束进程得到 html 代码，一两个页面没什么问题，现在批量，就很花时间（这个现象好像也不少人跟我一样的情况，我换电脑，换 chromedriver 版本，甚至换个城市换个运营商都是这样，笑~）
回到问题本身，我其实就是需要找其它什么轮子，可以去获取一个渲染后的页面 html ？（渲染就是鼠标把网页从顶部滚到底部，js 执行完了，网页就渲染好了，不需要其它什么操作）
#使用 Chrome 获取网页代码成 Str
def GetChromeLinkSourcetoStr(link):
options = webdriver.ChromeOptions()
options.add_argument('--headless')
options.add_argument('--disable-gpu')
options.add_argument('--no-sandbox')
options.add_argument('blink-settings=imagesEnabled=false')
driver = webdriver.Chrome(options=options)
wait = WebDriverWait(driver, 10)
driver.maximize_window()
driver.get(link)
tmpStr = driver.page_source
return tmpStr
 |
1
sivacohan PRO 加上这个试试。
options.add_argument('--no-proxy-server') |
 |
2
yh7gdiaYW 2019 年 7 月 25 日
Puppeteer
|
 |
3
Rorshach 2019 年 7 月 25 日
可以用 splash，这个是异步的，比 selenium 快吧，还可以试试 Phantom JS 这种无界面浏览器
不过如果每个页面要 1~2 分钟才能得到代码，应该不是框架的问题吧…… |
 |
4
shuangyeying 2019 年 7 月 25 日 via Android
你去看看要爬的网页有没有引用墙外的资源，如果有的话，可能这就是加载慢的原因了。另外可以装上广告屏蔽插件再试试。
|
 |
5
Leigg 2019 年 7 月 25 日 via Android
可以改浏览器参数，只是你不会。
get 方法默认是阻塞到浏览器加载完才向下执行，如果加载失败这个窗口也用不了。但是有可能浏览器已经加载出想要的内容，还是没停下，这时候想要操作浏览器就必须改个参数。晚点发上来 |
 |
6
nullboy 2019 年 7 月 25 日
Puppeteer。但是真心不会写 node，现在是大部分工作是 python+selenium 实现的，部分限制 selenium 的功能用 puppeteer
|
 |
7
lzxz1234 2019 年 7 月 25 日
如果是 python 可以考虑下 pyspider
|
 |
9
Jaho 2019 年 7 月 25 日
|
 |
10
sep1025 2019 年 7 月 25 日
requests-html，集成 pyppeteer
|
 |
11
foxyier 2019 年 7 月 25 日
selenium,设置不加载图片之类的东西，应该很快的
|
 |
12
momocraft 2019 年 7 月 25 日
selenium 是不是停好久了
puppeteer 挺香的 |
 |
13
ClericPy 2019 年 7 月 25 日
有 selenium 写爬虫从始至终都是很傻的行为吧, phantomjs 作者放弃开发了, selenium 还活着
楼主直接用 chrome 远程调试那个 cdp 协议吧, chrome devtools protocol 简单的用 http/socket 请求就可以操作 chrome, 用 js 实现不断翻页, 用 cdp 里的 Network 截取流量判断是否最后一页 你不给个例子, 也不好给你看看示例代码 |
 |
14
kidlfy 2019 年 7 月 25 日
还是 puppeteer 吧 是 chrome 团队维护的靠谱点
|
 |
15
tohearts 2019 年 7 月 25 日
我使用的是 splash， 异步配异步
|
 |
16
fank99 2019 年 7 月 25 日
splash
|
|
17
momocraft 2019 年 7 月 25 日
如果你实在不想写 node，找人写个 puppeteer 打开网页返回 html 的服务也没几行
不过里面出错你无法 debug |
 |
18
shawndev 2019 年 7 月 25 日
puppeteer
|
 |
19
Vegetable 2019 年 7 月 25 日
你先浏览器正常加载一下看看多久能加载完好吗
|
|
20
Leigg 2019 年 7 月 25 日 via Android
@Leigg
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities desired_capabilities = DesiredCapabilities.CHROME # 修改页面加载策略 # none 表示将 br.get 方法改为非阻塞模式，在页面加载过程中也可以给 br 发送指令，如获取 url，pagesource 等资源。 desired_capabilities["pageLoadStrategy"] = "none" driver = webdriver.Chrome(chrome_options=chrome_options, executable_path=chrome_driver_path, desired_capabilities=desired_capabilities) 拿去吧。 |
 |
21
Threeinchtime 2019 年 7 月 25 日
个人用 splash，感觉不好用，看了楼上现在马上去试试 pyppeteer
|
 |
23
wersonliu9527 2019 年 7 月 25 日
不是很多加载都是 xhr 请求来的么 0.0
|
 |
24
greatbody 2019 年 7 月 25 日
|
 |
25
alienlu19870911 2019 年 7 月 25 日
请教一下大家，pyppeteer 怎么在多线程下调用，想用这个替代 selenium，但在多线程下调用总是会报错，错误是需要运行在主线程。
|
 |
26
shuang 2019 年 7 月 26 日
Puppeteer+1
有个需求要对网页的某个区域生成缩略图就是用 Puppeteer 实现的，时间大概在 700ms 至 3000ms 之间 不知道是不是服务器性能差异的问题，感觉 windows 比 linux 速度要快一些 |
 |
27
KuroNekoFan 2019 年 7 月 26 日
headless browser 都行吧，甚至 jsdom 都行
|
 |
28
wongyusing 2019 年 7 月 26 日
为什么不分析网页的构造形式呢？？
鼠标下拉也只是在请求不同也页面。 一般下拉也就是两种情况， 请求 json 数据，通过在 css 或 js 的模板进行渲染。 请求一小段 html 格式，通过元素选择器添加到网页中。 Seleium 这样的轮子讲真，真的很慢。 不过用来实现登陆生成 cookie 池还是比较好的 |
 |
29
bantianys 2019 年 8 月 24 日
之前也遇到这样的问题。无头模式时快时慢，好像是和 wait 的里面的一个参数有关系，似乎是轮询元素是否存在的频率？既不大清楚了。
|
Select Language