python - 如何使用 webdriver 将多个页面中的数据保存到单个 csv 中
问题描述
所以我正在尝试使用硒(webdriver)从googlescholar保存数据,到目前为止我可以打印我想要的数据,但是当我将它保存到csv时它只保存第一页
from selenium import webdriver
from selenium.webdriver.common.by import By
# Import statements for explicit wait
from selenium.webdriver.support.ui import WebDriverWait as W
from selenium.webdriver.support import expected_conditions as EC
import time
import csv
from csv import writer
exec_path = r"C:\Users\gvste\Desktop\proyecto\chromedriver.exe"
URL = r"https://scholar.google.com/citations?view_op=view_org&hl=en&authuser=2&org=8337597745079551909"
button_locators = ['//*[@id="gsc_authors_bottom_pag"]/div/button[2]', '//*[@id="gsc_authors_bottom_pag"]/div/button[2]','//*[@id="gsc_authors_bottom_pag"]/div/button[2]']
wait_time = 3
driver = webdriver.Chrome(executable_path=exec_path)
driver.get(URL)
wait = W(driver, wait_time)
#driver.maximize_window()
for j in range(len(button_locators)):
button_link = wait.until(EC.element_to_be_clickable((By.XPATH, button_locators[j])))
address = driver.find_elements_by_class_name("gsc_1usr")
#for post in address:
#print(post.text)
time.sleep(4)
with open('post.csv','a') as s:
for i in range(len(address)):
addresst = address
#if addresst == 'NONE':
# addresst = str(address)
#else:
addresst = address[i].text.replace('\n',',')
s.write(addresst+ '\n')
button_link.click()
time.sleep(4)
#driver.quit()
解决方案
您只会获得一个首页数据,因为您的程序在单击下一页按钮后停止。你必须把所有这些都放在一个 for 循环中。
注意我在 range(7) 中写的,因为我知道有 7 页要打开,实际上我们不应该这样做。想象一下,如果我们有数千页。我们应该添加一些逻辑来检查“下一页按钮”是否存在或其他东西并循环直到它不存在
exec_path = r"C:\Users\gvste\Desktop\proyecto\chromedriver.exe"
URL = r"https://scholar.google.com/citations?view_op=view_org&hl=en&authuser=2&org=8337597745079551909"
button_locators = "/html/body/div/div[8]/div[2]/div/div[12]/div/button[2]"
wait_time = 3
driver = webdriver.Chrome(executable_path=exec_path)
driver.get(URL)
wait = W(driver, wait_time)
time.sleep(4)
# 7 pages. In reality, we should get this number programmatically
for page in range(7):
# read data from new page
address = driver.find_elements_by_class_name("gsc_1usr")
# write to file
with open('post.csv','a') as s:
for i in range(len(address)):
addresst = address[i].text.replace('\n',',')
s.write(addresst+ '\n')
# find and click next page button
button_link = wait.until(EC.element_to_be_clickable((By.XPATH, button_locators)))
button_link.click()
time.sleep(4)
将来您也应该将所有这些更改time.sleeps
为wait.until
. 因为有时您的页面加载速度更快,而程序可以更快地完成它的工作。或者更糟糕的是,您的网络可能会出现延迟,这会破坏您的脚本。
推荐阅读
- php - 在两个表 PDO 上插入数据
- php - mysql检索层次结构中的所有节点,并总结他们的个人销售额和团体销售额
- mysql - 我如何只替换 SQL 函数中的第一个结果
- python - 如何检查我的列表中是否有两个以上的值不同于 0?
- scala - 无法在 GCP Dataproc 上运行 Spark Scala JAR
- javascript - three.js - 修改样条曲线
- if-statement - 如何将 if 语句添加到结构初始化
- c++ - (C++入门第5版)练习1.20中的一个问题
- google-cloud-platform - 在我们的网页上接收有关传入用户的一些一般信息
- r - 值变化(避免 0 1 到 1 2)