python - 使用python快速抓取动态内容

Question

我正在尝试使用在 JavaScript 中生成的 Python 动态内容进行抓取(该视频的观看次数和评论数量:http://v.youku.com/v_show/id_XMTM5NTI3NDY3Ng==.html?from=y1.3-idx-uhome-1519-20887.205805-205902.5-2)。

我熟悉 BeautifulSoup(运行约 0.1 秒，但没有 JavaScript 评估)和 Selenium(3 秒以上，即使我停用 CSS、图像等，但解释 JS)。

有没有办法在不实际使用浏览器的情况下在 Python 中抓取 JavaScript 函数的结果(假设这会减慢 Selenium 的速度)？

我的 Selenium 代码如下:

# coding=utf-8

import time
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait 
from selenium.webdriver.common.keys import Keys

firefox_profile=webdriver.FirefoxProfile()
#firefox_profile.set_preference('permissions.default.stylesheet',2)
firefox_profile.set_preference('permissions.default.image',2)
firefox_profile.set_preference('dom.ipc.plugins.enabled.libflashplayer.so',2)
driver = webdriver.Firefox(firefox_profile=firefox_profile)
time.sleep(7)

start=time.time()
def getYoukuVideoStats(youkuVideoUrl):
    driver.get(youkuVideoUrl)
    text= driver.find_element_by_id("allnum_cmt").text
    print text

youku_video_urls_full=["http://v.youku.com/v_show/id_XOTU2Nzc3NDYw.html"]

for youkuVideoUrl in youku_video_urls_full:
    try:
        getYoukuVideoStats(youkuVideoUrl)
        print youkuVideoUrl
    except Exception, e:
        print "Error with video: "+youkuVideoUrl
        print str(e)

print time.time()-start

Answer 1

您确实需要使用浏览器来呈现 JS，但您可以使用 headless 浏览器，例如 phantomjs .这将加快您的运行时间，并且您不会看到浏览器打开。