Python PhatomJS 和Selenium动态加载页面 获取图片内容

如果您觉得感兴趣的话，可以添加我的微信公众号：一步一步学Python

随笔中的代码拷贝自
http://www.cnblogs.com/Albert-Lee/p/6275146.html
感谢阿里波特，通过学习自己做了一些注释，作为总结和记录。

1 from selenium import webdriver
2 import requests
3 from bs4 import BeautifulSoup
4 import os
5 import time
6 #定义函数时，尽量写上默认参数，字符=''，数字=0，特殊对象也要定义默认值，这样就可以简单的通过.来得到参数具有的性质等。
7 class BeautifulPicture():
8     def __init__(self):
9         # 给请求指定一个请求头来模拟chrome浏览器
10         self.headers={'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1'}
11         self.web_url='https://unsplash.com'
12         self.folder_path=r'E:\Python Code\test'
13
14     def request(self,url):#返回网页的response
15         r=requests.get(url)#获得目标网址的response对象
16         return r
17
18     def mkdir(self,path=''):#创建文件夹
19         path=path.strip()#删除空白字符
20         isExists=os.path.exists(path)#判断路径是否存在
21         if not isExists:#如果不存在，则创建文件夹
22             print('创建名字叫做',path,'的文件夹')
23             os.makedirs(path)#创建目标文件夹
24             print('创建成功')
25             return True#文件夹不存在返回True
26         else:#如果存在，返回
27             print(path,'文件夹已经存在了，不再创建了')
28             return False
29
30     def scroll_down(self,driver=webdriver.PhantomJS(),times=1):#模拟下拉操作
31         for i in range(times):
32             print('开始执行第',str(i+1),'次下拉操作')
33             driver.execute_script('window.scrollTo(0, document.body.scrollHeight);')#执行js代码操作，页面滚动到指定位置（x，y）
34             print('第',str(i+1),'次下拉操作执行完毕')
35             print("第", str(i + 1), "次等待网页加载......")
36             time.sleep(20)
37
38     def get_files(self,path=''):
39         pic_names=os.listdir(path)#获取目录中的内容
40         return pic_names
41
42     def save_img(self,url,file_name):
43         print('开始请求图片地址，过程比较长。。。')
44         img=self.request(url)#img是个response对象
45         print('开始保存图片')
46         f=open(file_name,'ab')
47
48         # rU或Ua以只读方式打开
49         # w 以写方式打开
50         # a 以追加模式打开
51         # r+ 以读写方式打开
52         # w+ 读写
53         # a+ 读写
54         # rb 二进制读
55         # wb 二进制写 ab 二进制追加 rb+ 二进制读写 wb+二进制读写 ab+二进制读写
56         #
57         f.write(img.content)
58         #如果想获取文本，可以通过response.text，如果想获取图片、文件，可以通过response.content。
59         # resp.text返回的是Unicode型的数据。
60         # resp.content返回的是bytes型也就是二进制的数据。
61         print(file_name,'图片保存成功')
62         f.close()
63
64
65     def get_pic(self):
66         print('开始网页请求')
67         #使用selenium通过PhantomJS来进行网络请求
68         driver=webdriver.PhantomJS()
69         driver.get(self.web_url)#这里就不再通过urllib进行网络请求了
70         self.scroll_down(driver=driver,times=5)#下拉5次，可以自己设定
71         print('开始获取所有a标签')
72         #获取网页中class为cV68d的所有a标签
73         all_a=BeautifulSoup(driver.page_source,'lxml').find_all('a',class_='cV68d')
74         #按照css类名搜索tag的功能非常实用，但标识css类名的关键字class在Python中是保留字，实用class做参数会导致语法错误。同BS4.1.1版本开始，通过class_参数搜索。
75         print('开始创建文件夹')
76         is_new_folder=self.mkdir(self.folder_path)
77         print('开始切换文件夹')
78         os.chdir(self.folder_path)#改变当前工作路径，.gwd()为获取当前工作目录
79
80         print('a标签的数量是：',len(all_a))
81         file_names=self.get_files(self.folder_path)#获取当前工作目录下的文件名？干吗用？
82
83         for a in all_a:
84             img_str=a['style']
85             print('a标签的style内容是：',img_str)
86             first_pos=img_str.index('(')+1
87             second_pos=img_str.index(')')
88             img_url=img_str[first_pos:second_pos]
89
90             # 注：为了尽快看到下拉加载的效果，截取高度和宽度部分暂时注释掉，因为图片较大，请求时间较长。
91             # 获取高度和宽度的字符在字符串中的位置
92             # width_pos = img_url.index('&w=')
93             # height_pos = img_url.index('&q=')
94             # width_height_str = img_url[width_pos : height_pos] #使用切片功能截取高度和宽度参数，后面用来将该参数替换掉
95             # print('高度和宽度数据字符串是：', width_height_str)
96             # img_url_final = img_url.replace(width_height_str, '')  #把高度和宽度的字符串替换成空字符
97             # print('截取后的图片的url是：', img_url_final)
98
99             # 截取url中参数前面、网址后面的字符串为图片名
100             name_start_pos=img_url.index('.com/')+5
101             name_end_pos=img_url.index('?')
102             img_name=img_url[name_start_pos:name_end_pos]+'.jpg'
103             img_name=img_name.replace('/','')
104
105             if is_new_folder:#如果文件夹不存在，那么肯定没有重复文件，则直接保存文件。
106                 self.save_img(img_url,img_name)
107             else:
108                 if img_name not in file_names:#如果文件夹存在，需要判断是否有重复文件
109                     self.save_img(img_url, img_name)  # 调用save_img方法来保存图片
110                 else:
111                     print("该图片已经存在：", img_name, "，不再重新下载。")
112
113
114 beauty = BeautifulPicture()  #创建类的实例
115 beauty.get_pic()  #执行类中的方法