1. 前言
大家好，我是安果！
今天推荐一款小众轻量级的爬虫库：RoboBrowser
RoboBrowser，Your friendly neighborhood web scraper！由纯 Python 编写，运行无需独立的浏览器，它不仅可以做爬虫，还可以实现 Web 端的自动化
项目地址：
https://github.com/jmcarp/robobrowser
2. 安装及用法
在实战之前，我们先安装依赖库及解析器
PS：官方推荐的解析器是 「lxml」
|
1
2
3
4
5
|
# 安装依赖pip3 install robobrowser# lxml解析器（官方推荐）pip3 install lxml |
RoboBrowser 常见的 2 个功能为：
- 模拟表单 Form 提交
- 网页数据爬取
使用 RoboBrowser 进行网页数据爬取，常见的 3 个方法如下：
- find
查询当前页面满足条件的第一个元素
- find_all
查询当前页面拥有共同属性的一个列表元素
- select
通过 CSS 选择器，查询页面，返回一个元素列表
需要指出的是，RoboBrowser 依赖于 BS4，所以它的使用方法和 BS4 类似
更多功能可以参考：
https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/
3. 实战一下
我们以「 百度搜索及爬取搜索结果列表 」为例
3-1 打开目标网站
首先，我们实例化一个 RoboBrowser 对象
|
1
2
3
4
5
6
7
8
9
10
11
12
|
from time import sleepfrom robobrowser import RoboBrowserhome_url = 'https://baidu.com'# parser: 解析器，HTML parser; used by BeautifulSoup# 官方推荐：lxmlrb = RoboBrowser(history=True, parser='lxml')# 打开目标网站rb.open(home_url) |
然后，使用 RoboBrowser 实例对象中的 open() 方法打开目标网站
3-2 自动化表单提交
首先，使用 RoboBrowser 实例对象获取网页中的表单 Form
然后，通过为表单中的输入框赋值模拟输入操作
最后，使用 submit_form() 方法进行表单提交，模拟一次搜索操作
|
1
2
3
4
5
6
7
8
9
|
# 获取表单对象bd_form = rb.get_form()print(bd_form)bd_form['wd'].value = "AirPython"# 提交表单，模拟一次搜索rb.submit_form(bd_form) |
3-3 数据爬取
分析搜索页面的网页结构，利用 RoboBrowser 中的 select() 方法匹配出所有的搜索列表元素
遍历搜索列表元素，使用 find() 方法查询出每一项的标题及 href 链接地址
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
# 查看结果result_elements = rb.select(".result")# 搜索结果search_result = []# 第一项的链接地址first_href = ''for index, element in enumerate(result_elements): title = element.find("a").text href = element.find("a")['href'] search_result.append(title) if index == 0: first_href = element.find("a") print('第一项地址为:', href)print(search_result) |
最后，使用 RoboBrowser 中的 follow_link() 方法模拟一下「点击链接，查看网页详情」的操作
|
1
2
3
4
5
|
# 跳转到第一个链接rb.follow_link(first_href)# 获取历史print(rb.url) |
需要注意的是，follow_link() 方法的参数为带有 href 值的 a 标签
4. 最后
文中结合百度搜索实例，使用 RoboBrowser 完成了一次自动化及爬虫操作
相比 Selenium、Helium 等，RoboBrowser 更轻量级，不依赖独立的浏览器及驱动
如果想处理一些简单的爬虫或 Web 自动化，RoboBrowser 完全够用；但是面对一些复杂的自动化场景，更建议使用 Selenium、Pyppeteer、Helium 等
以上就是Python 爬虫库RoboBrowser的使用简介的详细内容，更多关于Python 爬虫库RoboBrowser的资料请关注服务器之家其它相关文章！
原文链接：https://www.cnblogs.com/xingag/p/14520002.html
