小众实用的Python 爬虫库RoboBrowser_Python

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」

				?

									# 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

				?

									from time import sleep

									from robobrowser import RoboBrowser

									home_url = 'https://baidu.com'

									# parser: 解析器，HTML parser; used by BeautifulSoup

									# 官方推荐：lxml

									rb = 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

				?

									# 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

				?

									# 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

				?

									# 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

小众实用的Python 爬虫库RoboBrowser