当我们在进行数据抓取的时候,如果目标网站是以Js的方式动态生成数据且以滚动页面的方式进行分页,那么我们该如何抓取呢?
如类似今日头条这样的网站:http://toutiao.com/
我们可以使用Selenium来搞定这件事情。Selenium的设计目的虽然是用于Web应用程序的自动化测试,但是却非常适合用来做数据抓取,可以非常简单地绕过网站的反爬虫限制,因为Selenium直接运行在浏览器中,就像真正的用户在操作一样。
使用Selenium,我们不但可以抓取Js动态生成数据的网页,而且可以抓取以滚动页面方式分页的网页。
首先,我们使用maven引入Selenium依赖:
<dependency> <groupId>org.seleniumhq.selenium</groupId> <artifactId>selenium-java</artifactId> <version>2.47.1</version> </dependency>
接下来就可以写代码抓取了:
import org.openqa.selenium.By; import org.openqa.selenium.WebDriver; import org.openqa.selenium.WebElement; import org.openqa.selenium.firefox.FirefoxDriver; import java.util.List; import java.util.Random; /** * 如何抓取Js动态生成数据且以滚动页面方式分页的网页 * 以抓取今日头条为例说明:http://toutiao.com/ * Created by ysc on 10/13/15. */ public class Toutiao { public static void main(String[] args) throws Exception{ //等待数据加载的时间 //为了防止服务器封锁,这里的时间要模拟人的行为,随机且不能太短 long waitLoadBaseTime = 3000; int waitLoadRandomTime = 3000; Random random = new Random(System.currentTimeMillis()); //火狐浏览器 WebDriver driver = new FirefoxDriver(); //要抓取的网页 driver.get("http://toutiao.com/"); //等待页面动态加载完毕 Thread.sleep(waitLoadBaseTime+random.nextInt(waitLoadRandomTime)); //要加载多少页数据 int pages=5; for(int i=0; i<pages; i++) { //滚动加载下一页 driver.findElement(By.className("loadmore")).click(); //等待页面动态加载完毕 Thread.sleep(waitLoadBaseTime+random.nextInt(waitLoadRandomTime)); } //输出内容 //找到标题元素 List<WebElement> elements = driver.findElements(By.className("title")); int j=1; for(int i=0;i<elements.size();i++) { try { WebElement element = elements.get(i).findElement(By.tagName("a")); //输出标题 System.out.println((j++) + "、" + element.getText() + " " + element.getAttribute("href")); }catch (Exception e){ System.out.println("ignore "+elements.get(i).getText()+" because "+e.getMessage()); } } //关闭浏览器 driver.close(); } }
代码也可以从我的开源项目HtmlExtractor中获取。
这里我们共抓取了6页,每页20条新闻,共120条新闻,代码运行结果。
相关推荐
在处理数据展示时,滚动分页是一种常见的优化用户体验的方法,它允许用户在滚动页面时动态加载更多内容,而不是一次性加载所有数据。本实例将探讨如何使用JavaScript从JSON数据源中实现滚动分页功能。 首先,理解...
在本场景中,我们将关注如何使用JavaScript从JSON数组中读取数据并生成滚动分页效果。滚动分页是一种用户滚动到页面底部时自动加载更多数据的技术,常见于社交网络和新闻网站。 首先,我们需要理解JSON(JavaScript...
在网页开发中,数据量庞大的页面常常需要进行分页处理,以便用户能够更方便地浏览信息。本知识点将深入探讨“js html动态分页”的原理和实现方法,结合提供的资源——"html自动分页.html",我们将分析如何利用...
在网页开发中,动态生成div框并同时加载数据是一种常见的优化技术,特别是在处理大量数据时。这种方法能够显著提高用户体验,因为它允许数据分批次或者按需加载,而不是一次性加载所有内容,从而减少网络负担和...
在网页开发中,分页是常见的一种数据展示方式,它能有效地管理大量数据,提高用户体验。本资源"jQuery动态生成分页列表代码.zip"提供了一种实用的解决方案,由开发者doorrj2创建,用于实现每页固定数量列表的分页...
在网页开发中,数据分页是一项非常常见的功能,它能够帮助用户更有效地浏览大量信息,而不会一次性加载过多内容导致页面加载慢或者浏览器卡顿。本教程将专注于使用JavaScript库jQuery来实现数据分页显示,涵盖了内存...
在处理大量数据时,分页是一种常见的优化策略,可以提高网页性能并提升用户体验。在这个场景中,我们将讨论如何使用JavaScript从JSON数据源中读取数据,并实现支持键盘和滚轮翻页的功能。 首先,JSON(JavaScript ...
3. 动态分页:一些方法利用JavaScript或者jQuery动态生成分页,例如根据服务器返回的数据自动调整页数。这种方式交互性强,用户体验佳,但需考虑浏览器兼容性。 4. AJAX无刷新分页:通过AJAX技术,用户在切换页面时...
"静态页面js分页实例"是指在不依赖服务器端动态生成的情况下,通过JavaScript在客户端实现分页功能。这种方法提高了页面加载速度,减轻了服务器压力,同时也提供了较好的用户体验。 在JavaScript分页中,我们需要...
JavaScript允许我们动态地生成和更新DOM元素,从而实现页面内容的实时更新。以下是一些使用JavaScript实现分页的关键步骤: 1. 计算总页数:根据数据总数和每页显示的条目数计算出总页数。 2. 创建分页导航:生成一...
在JavaScript和JSON的世界里,"js+json精彩分页"是一个常见的应用场景,特别是在网页开发中。这个主题主要涉及两个核心概念:JavaScript(JS)和JSON(JavaScript Object Notation)。在这个项目中,它们被用来实现...
在没有JavaScript的情况下,通常会通过服务器端生成固定数量的页面链接,但这种方式对服务器压力较大,且不支持动态加载。JS分页通过AJAX异步请求,只获取当前页的数据,减少了服务器的负担,同时也提高了页面的响应...
在网页设计和开发中,分页是一种常见的用户体验优化技术,用于处理大量数据的展示,比如在电商网站的商品列表、论坛的帖子或者社交媒体的动态流中。分页将大量的信息分割成若干个小部分,使得用户可以逐页浏览,避免...
`jspdf` 提供了在浏览器环境中直接处理PDF的能力,允许开发者通过JavaScript生成动态的PDF内容。用户可以使用这个库将HTML元素转换为PDF格式,从而实现网页内容的离线保存或打印。通过调用`jspdf` 的API,可以轻松...
此外,考虑到性能优化,可以考虑在用户滚动到页面底部时动态加载下一页数据,这就是所谓的“懒加载”。 总结,实现HTML5页面在安卓手机端分页显示数据的关键在于合理利用HTML5的响应式设计、JavaScript的Ajax技术...
在网页开发中,分页是一种常见的用户界面设计,用于处理大量数据或内容的展示,以提高用户体验和页面加载速度。jQuery 是一个广泛使用的JavaScript库,它简化了DOM操作、事件处理和动画效果。滑动分页是jQuery分页中...
总的来说,"jquery选项卡图片分组滚动切换带分页的图片滚动切换"是一个综合性的网页开发项目,它涵盖了前端开发中的多个重要技术点,包括用户界面设计、动态效果实现和数据管理。通过实践这个项目,开发者可以提升...
在网页开发中,分页是一种常见的用户界面设计,用于处理大量数据列表的显示。当数据过多,一次性加载全部内容会影响页面性能和用户体验时,分页就显得尤为重要。本篇文章将详细探讨如何使用JavaScript(js)脚本来...
网页分页是网页设计中一个常见且重要的技术,特别是在数据量大、无法一次性展示所有内容时。本程序采用JavaScript实现,允许用户自定义每页显示的条目数量,旨在提供简洁易用的用户体验。以下是对这个分页程序的详细...
通过 JavaScript 动态生成表格可以更加灵活地管理和更新数据。本文将深入分析一个具体的示例,该示例展示了如何使用 JavaScript 来动态生成一个表格,并根据用户的选择进行实时更新。 #### 核心代码解析 首先,...