您好,欢迎访问代理记账网站
  • 价格透明
  • 信息保密
  • 进度掌控
  • 售后无忧

无法用requests获取网页源码时,改用selenium获取

今天想从某个网站上爬取信息,发现无法通过requests获取网页源码,代码如下:

import requests
from fake_useragent import UserAgent

headers = { 'User-Agent': UserAgent().random }
url = 'https://www.sxpdf.com/jisuan/page/50/'
r = requests.request(method = 'get',url=url,headers=headers)
print(r.text)

以上代码本身没有啥问题,换个常规的网页就能爬取,主要是那个网站比较特殊无法右击;

改用selenium获取网页源码,代码如下:

import re
import time
from selenium import webdriver

book_list = []
driver = webdriver.Chrome()
for x in range(0,51):
	url = 'https://www.sxpdf.com/jisuan/page/' + str(x) +'/'
	driver.get(url)
	time.sleep(5)
	books = set(re.findall("《(.*?)》",driver.page_source))
	books = list(books)
	book_list.extend(books)

book_list = list(set(book_list))
print(book_list)

爬取成功


分享:

低价透明

统一报价,无隐形消费

金牌服务

一对一专属顾问7*24小时金牌服务

信息保密

个人信息安全有保障

售后无忧

服务出问题客服经理全程跟进