手把手教你快速入门Python

清疚 2023-09-26 06:31 183阅读 0赞

### 1. 前言 ###

今天推荐一款小众轻量级的爬虫库：RoboBrowser

RoboBrowser，Your friendly neighborhood web scraper！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
    pip3 install robobrowser
    
    # lxml解析器（官方推荐）
    pip3 install lxml

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

from time import sleep
    
    from robobrowser import RoboBrowser
    
    home_url = 'https://baidu.com'
    
    #  parser: 解析器，HTML parser; used by BeautifulSoup
    #  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 = ''
    
    for index, element in enumerate(result_elements):
        title = element.find("a").text
        href = element.find("a")['href']
        search_result.append(title)
    
        if index == 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

--------------------

### 资源分享 ###

**最后感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走…**

> ![在这里插入图片描述][8654ef6eed604f7f9ef570fb970ca6a3.png_pic_center]

![在这里插入图片描述][3592aec9eb094adf985254f8bfa5a61a.png_pic_center]

[8654ef6eed604f7f9ef570fb970ca6a3.png_pic_center]: https://img-blog.csdnimg.cn/8654ef6eed604f7f9ef570fb970ca6a3.png#pic_center
[3592aec9eb094adf985254f8bfa5a61a.png_pic_center]: https://img-blog.csdnimg.cn/3592aec9eb094adf985254f8bfa5a61a.png#pic_center