本文详细阐述了如何利用Selenium和Python高效地从动态加载的网页表格中抓取特定数据。教程聚焦于解决识别复杂HTML元素（如单个`
`内嵌套多个字段）和处理“加载更多”按钮等动态内容加载的挑战，通过优化定位器、运用`WebDriverWait`进行同步以及健壮的错误处理机制，确保数据提取的准确性与稳定性。
网页数据抓取：Selenium与Python实战指南
在进行网页数据抓取时，经常会遇到动态加载内容和复杂HTML结构的情况，这给传统的数据提取方法带来了挑战。本教程将以从金融网站抓取股票信息为例，详细介绍如何使用Selenium和Python克服这些难题，实现精准、高效的数据提取。
1. 初始化WebDriver与页面导航
首先，我们需要导入必要的Selenium模块，并初始化Chrome浏览器驱动。为了确保页面元素的完整显示，建议最大化浏览器窗口。
from selenium import webdriverfrom selenium.common.exceptions import NoSuchElementException, StaleElementReferenceExceptionfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWaitimport time# 定义目标URLurl = 'https://www.tradingview.com/markets/stocks-turkey/market-movers-all-stocks/'# 初始化Chrome WebDriverdriver = webdriver.Chrome()# 最大化浏览器窗口，有助于确保所有元素可见driver.maximize_window()# 访问目标网页driver.get(url)
2. 处理动态加载内容（“加载更多”按钮）
许多网站采用无限滚动或“加载更多”按钮来动态加载数据。为了获取所有数据，我们需要模拟点击这些按钮直到所有内容加载完毕。这里我们采用一个while循环，持续点击“Load More”按钮，直到按钮不再出现或变为陈旧（StaleElementReferenceException）。
立即学习“Python免费学习笔记（深入）”；
print("开始加载所有数据...")while True: try: # 尝试查找并点击“Load More”按钮 # 使用text()函数定位包含特定文本的span元素 load_more_button = driver.find_element(By.XPATH, '//span[text()="Load More"]') load_more_button.click() # 添加一个短暂的等待，让页面有时间响应点击并加载新内容 time.sleep(0.5) except StaleElementReferenceException: # 当“Load More”按钮不再出现或其引用失效时，说明所有内容已加载，跳出循环 print("所有数据已加载或“加载更多”按钮已消失。") break except NoSuchElementException: # 如果一开始就没有找到“Load More”按钮，或者所有数据加载完毕后按钮彻底消失，也跳出循环 print("未找到“加载更多”按钮，可能已加载完毕或页面结构不同。") break except Exception as e: # 捕获其他可能的异常 print(f"点击“加载更多”时发生未知错误: {e}") break
注意事项：
上述代码利用StaleElementReferenceException和NoSuchElementException来判断“加载更多”按钮是否已完全消失或不可用。这是一种处理动态元素消失的健壮策略。虽然time.sleep()在这里用于稍微等待页面响应，但在更复杂的场景中，推荐使用WebDriverWait等待特定元素出现或消失，以实现更精确的同步。
3. 精准提取表格数据
一旦所有数据加载完毕，下一步就是遍历表格行并提取所需的信息。目标网页的结构特点是，股票代码和名称可能嵌套在同一个
元素内。我们需要通过更精细的XPath或CSS选择器来定位这些子元素。
首先，使用WebDriverWait等待所有表格行可见，以确保页面加载稳定。
print("开始提取数据...")# 初始化WebDriverWait，设置最大等待时间为10秒wait = WebDriverWait(driver, 10)# 等待所有具有特定CSS选择器的表格行可见# 'table[class="table-Ngq2xrcG"] tr.listRow' 精确定位到表格主体内的每一行数据rows = wait.until(EC.visibility_of_all_elements_located((By.CSS_SELECTOR,'table[class="table-Ngq2xrcG"] tr.listRow')))
接下来，遍历每一行并提取数据。对于嵌套在单个
中的元素，我们将使用相对XPath进行定位。
# 遍历每一行并提取数据for i, row in enumerate(rows): try: # 提取股票代码：位于第一个内的标签文本 ticker_symbol = row.find_element(By.XPATH, './td[1]//a').text # 提取股票名称：位于第一个 内的标签文本 ticker_name = row.find_element(By.XPATH, './td[1]//sup').text # 提取价格：位于第二个 的文本 ticker_price = row.find_element(By.XPATH, './td[2]').text # 提取市值：位于第六个 的文本 ticker_marketcap = row.find_element(By.XPATH, './td[6]').text # 提取行业：位于第十一个 内的标签文本 # 注意：某些行可能没有行业信息，需要使用try-except处理NoSuchElementException try: ticker_sector = row.find_element(By.XPATH, './td[11]/a').text except NoSuchElementException: ticker_sector = "—" # 如果没有找到，则设置为默认值 # 打印提取到的数据 print(f"{i+1}. {ticker_symbol} {ticker_name} {ticker_price} {ticker_marketcap} {ticker_sector}") except Exception as e: print(f"提取第 {i+1} 行数据时发生错误: {e}") # 可以选择跳过此行或记录错误信息 关键点解析：
相对XPath (./td[1]//a)： 当从一个父元素（row，即）查找子元素时，使用./开头表示从当前元素开始查找。td[1]选择第一个元素，//a则在其内部查找任意层级的元素。这种方式对于从复杂单元格中分离数据非常有效。处理缺失元素： 并非所有数据行都包含所有字段（例如，某些股票可能没有明确的行业分类）。使用try-except NoSuchElementException块是处理这种情况的健壮方法，可以避免程序崩溃并提供默认值。
4. 完整代码示例
将上述所有部分整合，形成一个完整且可运行的Python脚本：
from selenium import webdriverfrom selenium.common.exceptions import NoSuchElementException, StaleElementReferenceExceptionfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWaitimport time# 定义目标URLurl = 'https://www.tradingview.com/markets/stocks-turkey/market-movers-all-stocks/'# 初始化Chrome WebDriverdriver = webdriver.Chrome()driver.maximize_window() # 最大化窗口driver.get(url) # 访问网页print("开始加载所有数据...")# 循环点击“加载更多”按钮，直到所有数据加载完毕while True: try: # 尝试查找并点击“Load More”按钮 load_more_button = driver.find_element(By.XPATH, '//span[text()="Load More"]') load_more_button.click() time.sleep(0.5) # 稍微等待，减少StaleElementReferenceException的发生几率 except StaleElementReferenceException以上就是使用Selenium和Python从动态加载的网页表格中精准提取数据的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1379755.html赞 (0)打赏微信扫一扫
支付宝扫一扫
关于作者
Python教程：如何识别各位乘积等于自身的两位数上一篇 2025年12月14日 20:55:38实现Angular-Flask应用中的用户数据个性化功能下一篇 2025年12月14日 20:55:48相关推荐
CSS mask属性无法获取图片：为什么我的图片不见了？
CSS mask属性无法获取图片 在使用CSS mask属性时，可能会遇到无法获取指定照片的情况。这个问题通常表现为： 网络面板中没有请求图片：尽管CSS代码中指定了图片地址，但网络面板中却找不到图片的请求记录。 问题原因： 此问题的可能原因是浏览器的兼容性问题。某些较旧版本的浏览器可能不支持CSS…
如何用dom2img解决网页打印样式不显示的问题？
用dom2img解决网页打印样式不显示的问题 想将网页以所见即打印的的效果呈现，需要采取一些措施，特别是在使用了bootstrap等大量采用外部css样式的框架时。 问题根源 在常规打印操作中，浏览器通常会忽略css样式等非必要的页面元素，导致打印出的结果与网页显示效果不一致。这是因为打印机制只识别…
如何用 CSS 模拟不影响其他元素的链接移入效果？
如何模拟 css 中链接的移入效果 在 css 中，模拟移入到指定链接的效果尤为复杂，因为链接的移入效果不影响其他元素。要实现这种效果，最简单的方法是利用放大，例如使用 scale 或 transform 元素的 scale 属性。下面提供两种方法： scale 属性： .goods-item:ho…
Uniapp 中如何不拉伸不裁剪地展示图片？
灵活展示图片：如何不拉伸不裁剪 在界面设计中，常常需要以原尺寸展示用户上传的图片。本文将介绍一种在 uniapp 框架中实现该功能的简单方法。 对于不同尺寸的图片，可以采用以下处理方式： 极端宽高比：撑满屏幕宽度或高度，再等比缩放居中。非极端宽高比：居中显示，若能撑满则撑满。 然而，如果需要不拉伸不…
PC端H5项目如何实现适配：流式布局、响应式设计和两套样式？
PC端的适配方案及PC与H5兼顾的实现方案探讨 在开发H5项目时，常用的屏幕适配方案是postcss-pxtorem或postcss-px-to-viewport，通常基于iPhone 6标准作为设计稿。但对于PC端网项目，处理不同屏幕大小需要其他方案。 PC端屏幕适配方案 PC端屏幕适配一般采用流…
CSS 元素设置 10em 和 transition 后为何没有放大效果？
CSS 元素设置 10em 和 transition 后为何无放大效果？ 你尝试设置了一个 .box 类，其中包含字体大小为 10em 和过渡持续时间为 2 秒的文本。当你载入到页面时，它没有像 YouTube 视频中那样产生放大效果。 原因可能在于你将 CSS 直接写在页面中 在你的代码示例中，C…
如何实现类似横向U型步骤条的组件？
横向U型步骤条寻求替代品 希望找到类似横向U型步骤条的组件或 CSS 实现。 潜在解决方案 根据给出的参考图片，类似的组件有： 图片所示组件：图片提供了组件的外观，但没有提供具体的实现方式。参考链接：提供的链接指向了 SegmentFault 上的另一个问题，其中可能包含相关的讨论或解决方案建议。 …
如何让小说网站控制台显示乱码，同时网页内容正常显示？
如何在不影响用户界面的情况下实现控制台乱码？ 当在小说网站上下载小说时，大家可能会遇到一个问题：网站上的文本在网页内正常显示，但是在控制台中却是乱码。如何实现此类操作，从而在不影响用户界面（UI）的情况下保持控制台乱码呢？ 答案在于使用自定义字体。网站可以通过在服务器端配置自定义字体，并通过在客户端…
如何优化CSS Grid布局中子元素排列和宽度问题？
css grid布局中的优化问题 在使用css grid布局时可能会遇到以下问题： 问题1：无法控制box1中li的布局 box1设置了grid-template-columns: repeat(auto-fill, 20%)，这意味着容器将自动填充尽可能多的20%宽度的列。当li数量大于5时，它们…
SASS 中的 Mixins
mixin 是 css 预处理器提供的工具，虽然它们不是可以被理解的函数，但它们的主要用途是重用代码。 不止一次，我们需要创建多个类来执行相同的操作，但更改单个值，例如字体大小的多个类。 .fs-10 { font-size: 10px;}.fs-20 { font-size: 20px;}.fs-…
如何在地图上轻松创建气泡信息框？
地图上气泡信息框的巧妙生成 地图上气泡信息框是一种常用的交互功能，它简便易用，能够为用户提供额外信息。本文将探讨如何借助地图库的功能轻松创建这一功能。 利用地图库的原生功能 大多数地图库，如高德地图，都提供了现成的信息窗体和右键菜单功能。这些功能可以通过以下途径实现： 高德地图 JS API 参考文…
如何使用 scroll-behavior 属性实现元素scrollLeft变化时的平滑动画？
如何实现元素scrollleft变化时的平滑动画效果？ 在许多网页应用中，滚动容器的水平滚动条（scrollleft）需要频繁使用。为了让滚动动作更加自然，你希望给scrollleft的变化添加动画效果。 解决方案：scroll-behavior 属性 要实现scrollleft变化时的平滑动画效果…
CSS mask 属性无法加载图片：浏览器问题还是代码错误？
CSS mask 属性请求图片失败 在使用 CSS mask 属性时，您遇到了一个问题，即图片没有被请求获取。这可能是由于以下原因： 浏览器问题：某些浏览器可能在处理 mask 属性时存在 bug。尝试更新到浏览器的最新版本。代码示例中的其他信息：您提供的代码示例中还包含其他 HTML 和 CSS …
如何为滚动元素添加平滑过渡，使滚动条滑动时更自然流畅？
给滚动元素平滑过渡 如何在滚动条属性（scrollleft）发生改变时为元素添加平滑的过渡效果？ 解决方案：scroll-behavior 属性 为滚动容器设置 scroll-behavior 属性可以实现平滑滚动。 html 代码： click the button to slide right!…
如何用 CSS 实现链接移入效果？
css 中实现链接移入效果的技巧 在 css 中模拟链接的移入效果可能并不容易，因为它们不会影响周围元素。但是，有几个方法可以实现类似的效果： 1. 缩放 最简单的方法是使用 scale 属性，它会放大元素。以下是一个示例： 立即学习“前端免费学习笔记（深入）”； .goods-item:hover…
网页使用本地字体：为什么 CSS 代码中明明指定了“荆南麦圆体”，页面却仍然显示“微软雅黑”？
网页中使用本地字体 本文将解答如何将本地安装字体应用到网页中，避免使用 src 属性直接引入字体文件。 问题： 想要在网页上使用已安装的“荆南麦圆体”字体，但 css 代码中将其置于第一位的“font-family”属性，页面仍显示“微软雅黑”字体。 立即学习“前端免费学习笔记（深入）”； 答案： …
如何选择元素个数不固定的指定类名子元素？
灵活选择元素个数不固定的指定类名子元素 在网页布局中，有时需要选择特定类名的子元素，但这些元素的数量并不固定。例如，下面这段 html 代码中，activebar 和 item 元素的数量均不固定： *n *n 如果需要选择第一个 item元素，可以使用 css 选择器 :nth-child()。该…
如何用 CSS 实现类似卡券的缺口效果？
类似卡券的布局如何实现 想要实现类似卡券的布局，可以使用遮罩（mask）来实现缺口效果。 示例代码： .card { -webkit-mask: radial-gradient(circle at 20px, #0000 20px, red 0) -20px;} 效果： 立即学习“前端免费学习笔记（…
使用 SVG 如何实现自定义宽度、间距和半径的虚线边框？
使用 svg 实现自定义虚线边框 如何实现一个具有自定义宽度、间距和半径的虚线边框是一个常见的前端开发问题。传统的解决方案通常涉及使用 border-image 引入切片图片，但是这种方法存在引入外部资源、性能低下的缺点。 为了避免上述问题，可以使用 svg（可缩放矢量图形）来创建纯代码实现。一种方…
如何用纯代码实现自定义宽度和间距的虚线边框？
自定义宽度和间距的虚线边框 提问： 如何创建一个自定义宽度和间距的虚线边框，如下图所示： 元素宽度：8px元素高度：1px间距：2px圆角：4px 解答： 传统的解决方案通常涉及使用 border-image 引入切片的图片来实现。但是，这需要引入外部资源。本解答将提供一种纯代码的方法，使用 svg…
微信扫一扫 
支付宝扫一扫 
