爬虫圈炸锅了!有人把这两个神器焊在一起,效率飙升300%
ztj100 2025-05-22 14:57 18 浏览 0 评论
传统爬虫开发者常面临两难选择:用Requests处理简单页面但无法应对动态渲染,用Selenium处理复杂JS却要忍受龟速。现在,一个革命性库横空出世——DrissionPage,让你左手Requests右手Selenium,效率暴涨300%!
1、核心亮点
中文注释详细:Drissionpage 的源代码注释全中文且详细,这对于国内开发者来说,在阅读和理解代码时更加容易,能提高开发效率。
避免反爬和版本适配问题:无需 selenium 的 chromedriver,不用担心针对 driver 的反爬,也不用考虑 driver.exe 的版本适配,使得跨平台更加方便。
兼顾便利性和高效率:整合了 requests,兼顾浏览器自动化的便利性和 requests 的高效率,并且可以无缝切换。
运行速度快:具有更快的运行速度,在实际应用中可以提高工作效率。
双引擎智能切换:无需重启浏览器,页面模式与数据包模式一键切换,动态渲染用Selenium,静态请求用Requests,性能直接拉满
告别反爬噩梦:智能等待机制自动规避检测,浏览器指纹模拟+请求头自动同步,伪装度MAX
语法便利:在查找元素时无需切入切出,可同时操作多个 tab 标签页无需切换,避免了对 selenium 各种繁琐封装带来的麻烦。
from DrissionPage import SessionPage
page = SessionPage() # 直接进入Requests模式
page.get('https://example.com/api')
page.change_mode() # 秒切Selenium模式
page.get('https://example.com/dynamic_page')
2、实战对比
访问豆瓣电影Top250页面(含动态加载的评分人数)
获取每部电影的标题、评分、评分人数
保存到CSV文件
传统方式:
from selenium import webdriver
from selenium.webdriver.common.by import By
import requests
from bs4 import BeautifulSoup
import time
import csv
# 初始化浏览器
driver = webdriver.Chrome()
driver.get('https://movie.douban.com/top250')
time.sleep(3) # 等待动态加载
# 用Selenium获取动态渲染后的页面
html = driver.page_source
driver.quit() # 关闭浏览器节省资源
# 用Requests+BeautifulSoup解析
soup = BeautifulSoup(html, 'html.parser')
movies = []
# 定位元素
items = soup.find_all('div', class_='item')
for item in items:
title = item.find('span', class_='title').text
rating = item.find('span', class_='rating_num').text
# 需要处理动态加载的评分人数
people = item.find('div', class_='star').find_all('span')[-1].text
movies.append({
'title': title,
'rating': rating,
'people': people
})
# 如果翻页需要重新启动浏览器...
# 此处省略翻页代码(复杂度指数级上升)
# 保存数据
with open('douban.csv', 'w', newline='', encoding='utf-8') as f:
writer = csv.DictWriter(f, fieldnames=['title', 'rating', 'people'])
writer.writeheader()
writer.writerows(movies)
DrissionPage版:
from DrissionPage import WebPage
import csv
# 初始化页面(自动使用Selenium模式)
page = WebPage()
page.get('https://movie.douban.com/top250')
# 直接操作页面元素
movies = []
for item in page.eles('xpath://div[@class="item"]'):
title = item('tag:span@@class=title').text
rating = item('tag:span@@class=rating_num').text
people = item('xpath:.//div[@class="star"]/span[last()]').text
movies.append({
'title': title,
'rating': rating,
'people': people
})
# 智能翻页(自动检测下一页按钮)
while page('xpath://span[@class="next"]/a').click():
# 自动等待新页面加载
# 重复采集逻辑...
pass
# 保存数据
page.change_mode() # 切换为轻量级Requests模式保存
with open('douban_dp.csv', 'w', newline='', encoding='utf-8') as f:
csv.DictWriter(f, fieldnames=['title', 'rating', 'people']).writerows(movies)
安装
pip install drissionpage
文档
https://www.drissionpage.cn/browser_control/intro
相关推荐
- 其实TensorFlow真的很水无非就这30篇熬夜练
-
好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...
- 交叉验证和超参数调整:如何优化你的机器学习模型
-
准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...
- 机器学习交叉验证全指南:原理、类型与实战技巧
-
机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...
- 深度学习中的类别激活热图可视化
-
作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...
- 超强,必会的机器学习评估指标
-
大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...
- 机器学习入门教程-第六课:监督学习与非监督学习
-
1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...
- Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置
-
你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...
- 神经网络与传统统计方法的简单对比
-
传统的统计方法如...
- 自回归滞后模型进行多变量时间序列预测
-
下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...
- 苹果AI策略:慢哲学——科技行业的“长期主义”试金石
-
苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...
- 时间序列预测全攻略,6大模型代码实操
-
如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)