Python爬虫+selenium——爬取淘宝商品信息和数据分析

以下是使用selenium和BeautifulSoup4库来爬取子网页标题和网址的示例代码： ```python from selenium import webdriver from bs4 import BeautifulSoup # 设置 Chrome 浏览器的位置 chrome_driver_path = "/path/to/chromedriver" # 创建一个浏览器实例 driver = webdriver.Chrome(chrome_driver_path) # 导航到目标网页 driver.get("https://www.example.com") # 使用 BeautifulSoup 将页面源代码解析为 HTML soup = BeautifulSoup(driver.page_source, "html.parser") # 获取页面上的所有链接 links = soup.find_all("a") # 遍历链接列表 for link in links: # 获取链接的 URL url = link.get("href") # 如果链接为空或者已经包含 "http"，则跳过这个链接 if not url or "http" in url: continue # 在链接前面添加目标网站的域名，形成完整的 URL url = "https://www.example.com" + url # 导航到链接地址 driver.get(url) # 使用 BeautifulSoup 解析子页面的源代码 sub_soup = BeautifulSoup(driver.page_source, "html.parser") # 获取子页面的标题 title = sub_soup.title.string # 输出子页面的标题和链接 print(title, url) # 关闭浏览器实例 driver.quit() ``` 此示例中，我们首先使用 `webdriver.Chrome` 方法创建了一个 Chrome 浏览器实例，然后导航到目标网页。接着，我们使用 BeautifulSoup4 解析了页面源代码，并获取了页面上的所有链接。然后，我们遍历所有链接，并使用 `driver.get` 方法导航到每个链接所对应的网页。在每个子页面上，我们使用 BeautifulSoup4 获取页面的标题，并输出子页面的标题和链接。最后，我们使用 `driver.quit` 方法关闭了浏览器实例。