小众实用的Python 爬虫库RoboBrowser

2023-07-04 07:52:05 74

1.前言

大家好，我是安果！

今天推荐一款小众轻量级的爬虫库：RoboBrowser

RoboBrowser，Yourfriendlyneighborhoodwebscraper！由纯Python编写，运行无需独立的浏览器，它不仅可以做爬虫，还可以实现Web端的自动化

项目地址：

https://github.com/jmcarp/robobrowser

2.安装及用法

在实战之前，我们先安装依赖库及解析器

PS：官方推荐的解析器是「lxml」

#安装依赖
pip3installrobobrowser

#lxml解析器（官方推荐）
pip3installlxml

RoboBrowser常见的2个功能为：

模拟表单Form提交
网页数据爬取

使用 RoboBrowser 进行网页数据爬取，常见的3个方法如下：

find

查询当前页面满足条件的第一个元素

find_all

查询当前页面拥有共同属性的一个列表元素

select

通过CSS选择器，查询页面，返回一个元素列表

需要指出的是，RoboBrowser依赖于BS4，所以它的使用方法和BS4类似

更多功能可以参考：

https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/

3.实战一下

我们以「百度搜索及爬取搜索结果列表」为例

3-1 打开目标网站

首先，我们实例化一个RoboBrowser对象

fromtimeimportsleep

fromrobobrowserimportRoboBrowser

home_url='https://baidu.com'

#parser:解析器，HTMLparser;usedbyBeautifulSoup
#官方推荐：lxml
rb=RoboBrowser(history=True,parser='lxml')

#打开目标网站
rb.open(home_url)

然后，使用 RoboBrowser实例对象中的 open() 方法打开目标网站

3-2 自动化表单提交

首先，使用RoboBrowser实例对象获取网页中的表单Form

然后，通过为表单中的输入框赋值模拟输入操作

最后，使用 submit_form() 方法进行表单提交，模拟一次搜索操作

#获取表单对象
bd_form=rb.get_form()

print(bd_form)

bd_form['wd'].value="AirPython"

#提交表单，模拟一次搜索
rb.submit_form(bd_form)

3-3 数据爬取

分析搜索页面的网页结构，利用 RoboBrowser中的select()方法匹配出所有的搜索列表元素

遍历搜索列表元素，使用 find()方法查询出每一项的标题及href链接地址

#查看结果
result_elements=rb.select(".result")

#搜索结果
search_result=[]

#第一项的链接地址
first_href=''

forindex,elementinenumerate(result_elements):
title=element.find("a").text
href=element.find("a")['href']
search_result.append(title)

ifindex==0:
first_href=element.find("a")
print('第一项地址为:',href)

print(search_result)

最后，使用RoboBrowser 中的 follow_link() 方法模拟一下「点击链接，查看网页详情」的操作

#跳转到第一个链接
rb.follow_link(first_href)

#获取历史
print(rb.url)

需要注意的是，follow_link()方法的参数为带有href值的a标签

4.最后

文中结合百度搜索实例，使用 RoboBrowser完成了一次自动化及爬虫操作

相比Selenium、Helium 等，RoboBrowser 更轻量级，不依赖独立的浏览器及驱动

如果想处理一些简单的爬虫或Web自动化，RoboBrowser 完全够用；但是面对一些复杂的自动化场景，更建议使用Selenium、Pyppeteer、Helium等

以上就是Python爬虫库RoboBrowser的使用简介的详细内容，更多关于Python爬虫库RoboBrowser的资料请关注毛票票其它相关文章！

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。