Python爬虫利器Selenium+PhantomJS系列入门

简介

一直以来我们在使用Python的urllib2、httplib等通信框架来抓取网页，但是涉及到JavaScript渲染的页面却不能抓取，所以采用Web自动化测试工具Selenium，无界面浏览器PhantomJS来抓取JavaScript渲染的页面，带我们熟悉使用后，爬虫技能将大大提升。
Selenium是一个用于Web应用程序测试的工具。Selenium测试直接运行在浏览器中，就像真正的用户在操作一样。支持的浏览器包括IE、Mozilla Firefox、Chrome等。
Phantom JS是一个服务器端的 JavaScript API 的 WebKit。其支持各种Web标准： DOM 处理, CSS 选择器, JSON, Canvas, 和 SVG。
Selenium支持多种语言开发，比如 Java，Python, C，Ruby等
首先安装 Python 的 Selenium 库，再安装好 PhantomJS，就可以实现 Python＋Selenium＋PhantomJS 的无缝对接了嘛！PhantomJS 用来渲染解析JS，Selenium 用来驱动PhantomJS以及与 Python 的对接，Python 进行网页后期的处理，完美的三剑客！

win7 64位软件环境:

1. 安装Python 2.7
2. 安装Python setuptool
3. 安装Ptyhon pip

安装Selenium

切换到Python安装目录下Script目录下执行命令：pip install -U selenium

安装PhantomJS

下载链接：PhantomJS下载 解压即可

Selenium+PhantomJS示例

使用方法很简单，代码如下，如果成功打印出网页的源码，那么说明已经可以成功使用了。

from selenium import webdriver

driver = webdriver.PhantomJS()
driver.get('http://wenshu.court.gov.cn/list/list/')
data = driver.page_source
print data
driver.quit()