100字范文 > python+selenium+Chrome（无头版）爬取国家地表水水质自动监测实时数据发布系统（修改

python+selenium+Chrome（无头版）爬取国家地表水水质自动监测实时数据发布系统（修改

时间：2019-10-31 17:14:20

这是一篇动态网页的爬虫教程，新手可以操作一下，简单实用。

一、前言

这篇blog跟python+selenium+phantomJS爬取国家地表水水质自动监测实时数据发布系统——动态网页爬虫的爬虫思路非常类似。

但由于原来的国家地表水水质自动监测实时数据发布系统进行了改版，而且新版本的网页向我们展示了更加全面的数据，那篇blog的代码和工具已经无法顺利爬取数据了，所以爬取代码和工具需要做一个小小的修改。

针对新的国家地表水水质自动监测实时数据发布系统的网页，大家可以点击，查看一下源代码，看看有何不同。

二、查看网页源文件

打开浏览器，F12：

大家注意图中的3个地方：

1、第③个位置是数据位置；

2、如果网页返回了所有的数据，我们只需要定位这3个地方就可以一步步爬取到数据，这就跟之前的代码没什么区别了；

3、难就难在，这个网页固定返回60条数据，每一次滚动都会重新返回一下；

4、这样的话，我们怎么爬取也很难保证数据的完整性，要么冗余，要么缺失；

5、但是，仔细查看网页就会发现，网站提供另外一个接口，允许我们查看全部数据（看下图）；

6、只需要点击“所有流域”，就会返回这一天内所有上报的数据；

7、我们只需要定位到“button”，点击一下（click()）就可以了。

8、明白了吗？

三、代码

#--author--张俊杰@Nickimport datetimeimport pandas as pdfrom bs4 import BeautifulSoupfrom selenium import webdriverfrom selenium.webdriver.support.ui import WebDriverWaitfrom mon.by import Byfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.chrome.options import Options#建议使用谷歌浏览器import timechrome_options = Options()chrome_options.add_argument('--headless')#使不使用headless版本，也许你想感受一下浏览器自动打开，自动点击的快感，也不一定browser = webdriver.Chrome(chrome_options=chrome_options,executable_path = 'C:/Users/Administrator/AppData/Local/Google/Chrome/Application/chromedriver.exe')#chromedriver下载下来之后复制到chrome.exe同文件夹下即可print("打开网页中。。。")browser.get("http://106.37.208.243:8068/GJZ/Business/Publish/Main.html")print("网页响应中。。。")wait = WebDriverWait(browser,20)#毕竟代码运行的速度和浏览器打开的速度不再一个量级，一个闪电侠，一个奥特曼wait.until(EC.frame_to_be_available_and_switch_to_it((By.ID,"mainframe")))#这一步很关键browser.find_element_by_id('ddm_River').click()#模拟点击“流域”browser.find_element_by_xpath("/html/body/div[1]/div[2]/div/ul/li[1]").click()#模拟点击“所有流域”wait.until(EC.presence_of_element_located((By.CLASS_NAME,"grid")))#定位到数据print("获取网页数据中。。。")time.sleep(10)soup = BeautifulSoup(browser.page_source,"lxml")browser.close()data_head = soup.select(".panel-heading")[0]grid_data = soup.select(".grid")[0]data_colhead = data_head.findAll("td")data_rows = grid_data.findAll("tr")water_df = pd.DataFrame(columns=[c.text for c in data_colhead])print("提取网页数据中。。。")for i,data_row in enumerate(data_rows):water_loc = water_df.iloc[:,0].valueswater_data = water_df.iloc[:,1].valuesrow_dat = [r.text for r in data_row]water_df.loc[i] = row_dat#系统时间data_str = datetime.datetime.now().strftime('%Y_%m_%d')#可修改保存路径water_df.to_csv("E:/python/国家地表水爬虫/%s_国家地表水水质自动监测系统检测数据.csv" % (data_str),index=None, encoding="GB18030")print("数据提取完成！！")