摘要：是一個瀏覽器自動化測試框架可以模擬用戶的所有操作很久以前就想把李敖大師的所有微博爬取下來一直沒空前天看見群里有人推薦和就學了做了個你們想爬別人的只要把李敖大師的地址換成你要的就行了我還沒學不過我猜他就是去掉功能的瀏覽器這樣可以讓爬蟲更快如果

很久以前就想把李敖大師的所有微博爬取下來.一直沒空,前天看見群里有人推薦selenium和phantomjs 就學了selenium做了個demo.你們想爬別人的只要把李敖大師的地址換成你要的就行了.phantomjs我還沒學,不過我猜他就是去掉ui功能的瀏覽器.這樣可以讓爬蟲更快.如果專業(yè)做爬蟲的可以看看.我做這個是玩的.

學習地址: 慕課網(wǎng) selenium 教程
項目地址: spiderSina
環(huán)境:
ide:Netbeans
java包:非常多(在lib文件夾中)
瀏覽器驅(qū)動:ie,火狐,谷歌隨便選(在res文件夾內(nèi))

打開新浪微博首頁并登錄
跳轉(zhuǎn)到李敖大師主頁
觸發(fā)ajax將一個頁面全部顯示出來
對每一個微博進行判斷解析 只獲取大師本人的微博 
   如果有展開全文就點擊點擊一下.然后將微博內(nèi)容插入數(shù)據(jù)庫
判斷是否有下一頁,如果有就到下一頁然后進入第四步

baseUrl = "https://weibo.com";
//打開微博主頁面
driver.get(baseUrl);
//設置窗口最大化
driver.manage().window().maximize();
 //輸入用戶名
 driver.findElement(By.cssSelector("#loginname")).clear();
 driver.findElement(By.cssSelector("#loginname")).sendKeys(sinaUsername);
 //輸出密碼
 driver.findElement(By.cssSelector("#pl_login_form .info_list.password input")).clear();
 driver.findElement(By.cssSelector("#pl_login_form .info_list.password input")).sendKeys(password);
 //點擊登錄
 driver.findElement(By.cssSelector("#pl_login_form.login_box div.login_innerwrap div.W_login_form .login_btn")).click();
 

 //判斷是否有下一頁那個按鈕 沒的就向下拉
 for (int i = 0, scrollY = 5000; i < 20; i++, scrollY += 5000) {
      //判斷是否有下一頁那個div 如果有就表示到底了
      if (this.isElementPresent(By.cssSelector(".page.next.S_txt1.S_line1"))) {
           break;
          }
           String setscroll = "window.scrollTo(0," + scrollY + ")";
       //執(zhí)行js代碼　將頁面向下拉
       jse.executeScript(setscroll);
  }       

//獲取李大師所有的微博
List divs = driver.findElements(By.cssSelector("#Pl_Official_MyProfileFeed__23 div>.WB_cardwrap.WB_feed_type"));
//對每一條微博進行判斷是否為正常微博(非別人的點贊) 并進行展開全文 然后插入數(shù)據(jù)庫
divs.forEach((WebElement ele) -> {
String isZan = ele.findElement(By.cssSelector("div:first-of-type")).getAttribute("class");
if (!("WB_cardtitle_b S_line2".equals(isZan))) {
    String weiboContent;
    //如果要運行的快一點就把數(shù)值改小，數(shù)值越小等待的時間越少
    driver.manage().timeouts().implicitlyWait(10, TimeUnit.MILLISECONDS);
    //判斷是否微博中是否有超鏈接并且超鏈接內(nèi)容為展開全文 如果是就點擊
    if (this.isElementPresent(By.cssSelector(".WB_feed_detail>.WB_detail>.WB_text.W_f14 a"), ele)
            && "展開全文".equals(ele.findElement(By.cssSelector(".WB_feed_detail>.WB_detail>.WB_text.W_f14 a")).getText().trim())) {
        //這里獲取全文應該是300ms之內(nèi) 設置太久會浪費時間
        driver.manage().timeouts().implicitlyWait(300, TimeUnit.MILLISECONDS);
        //點擊 展開全文按鈕
        ele.findElement(By.cssSelector(".WB_feed_detail>.WB_detail>.WB_text.W_f14 a")).click();
        //獲取微博內(nèi)容
        weiboContent = ele.findElement(By.cssSelector(".WB_feed_detail>.WB_detail>div:last-of-type")).getText();
    } else {
    //如果沒有展開全文 獲取微博 這兩種內(nèi)容不在一個div里
        weiboContent = ele.findElement(By.cssSelector(".WB_feed_detail>.WB_detail>.WB_text.W_f14")).getText();
    }
    driver.manage().timeouts().implicitlyWait(10, TimeUnit.SECONDS);
    //獲取大師發(fā)微博的時間
    String writeTime = ele.findElement(By.cssSelector(".WB_feed_detail>.WB_detail>.WB_from>a:first-of-type")).getText();
    //這里我想把微博中偶爾出現(xiàn)的零寬字符去掉但是失敗了,可能是版本問題.不想搞
    //weiboContent = weiboContent.replaceAll("u200b", "");
    //將微博插入數(shù)據(jù)庫
    this.insertToMysql(weiboContent, writeTime);
    //這個是獲取到的微博內(nèi)容調(diào)試時候可以打開看看在哪里出來問題
    // System.out.println(weiboContent + "
");
}

});

//查看按鈕的文本是否為"下一頁" 如果是那就還有下一頁
 WebElement nextPage = driver.findElement(By.cssSelector("#Pl_Official_MyProfileFeed__23 .WB_cardwrap.S_bg2>div>a:last-of-type"));
 String strNext = nextPage.getText();
 if ("下一頁".equals(strNext)) {
      nextPage.click();
      this.getPage();
   }

沒有了... 其實selenium普通玩家應該很快就能上手.高端玩法沒試過.主要就是看一下他重要的幾個api
如果不知道api 就百度還有寫demo猜api用法.
本來想用php寫的,但是php寫得話可能比較麻煩.
我本人對李敖大師十分敬仰,一直就想把他的語錄記下來.待他百年之后,有人在網(wǎng)上吹牛李敖說"xxx"
我能有勇氣發(fā)這個圖給他.

開個玩笑,我是為了學習.