代码之家 › 专栏 › 技术社区 › Nikolai Romanov Belliovichksky

我正试图使用python和selenium库创建一个web scraper

selenium-webdriver python

Nikolai Romanov Belliovichksky · 技术社区 · 1 年前

一旦我尝试抓取一个网站,它就会在另一个实例中加载浏览器,但会立即崩溃,代码和错误也会随之出现->

代码:

import selenium.webdriver as webdriver
from selenium.webdriver.chrome.service import Service
import time


def scrape_website(website):
    print("Launching the browser!")
    
    option=webdriver.ChromeOptions()
    driver=webdriver.Chrome()
    try:
        driver.get(website)
        print("The page is loaded now...")
        html=driver.page_source
        time.sleep(10)
        return html
    finally:
        driver.quit()

错误:

InvalidArgumentException: Message: invalid argument (Session info: chrome=131.0.6778.205) 
Stacktrace: GetHandleVerifier [0x00007FF616866CC5+28821] (No symbol) [0x00007FF6167D3850] 
(No symbol) [0x00007FF6166755B9] (No symbol) [0x00007FF616663051] (No symbol) [0x00007FF6166612FD] (No symbol) [0x00007FF616661B3C] (No symbol) [0x00007FF61667885A] (No symbol) [0x00007FF6167101FE] (No symbol) [0x00007FF6166EF2FA] (No symbol) [0x00007FF61670F412] (No symbol) [0x00007FF6166EF0A3] (No symbol) [0x00007FF6166BA778] (No symbol) [0x00007FF6166BB8E1] GetHandleVerifier [0x00007FF616B9FCCD+3408029] GetHandleVerifier [0x00007FF616BB743F+3504143] GetHandleVerifier [0x00007FF616BAB61D+3455469] GetHandleVerifier [0x00007FF61692BDCB+835995] (No symbol) [0x00007FF6167DEB6F] (No symbol) [0x00007FF6167DA824] (No symbol) [0x00007FF6167DA9BD] (No symbol) [0x00007FF6167CA1A9] BaseThreadInitThunk [0x00007FF85F087374+20] RtlUserThreadStart [0x00007FF86057CC91+33]

我正在使用streamlit来准备应用程序的前端,代码附在下面:

import streamlit as st # type: ignore
from scrape import scrape_website

st.title("College Website Scraper")
url=st.text_input("Enter the Website Address:")

if st.button("Scrape Site"):
    st.write("Scraping this Website")
    result=scrape_website(url)
    print(result)

1 回复 | 直到 1 年前

SIGHUP 1 年前

传递给的URL driver.get() 需要包括该方案,例如https

您看到的错误是由于URL中缺少该组件造成的。

您可以使用urllib.parse中的urlparse来检查URL的各个方面。

忽略streamlit(因为它与问题无关)以下是一个如何检查输入URL是否包含方案的示例:

import selenium.webdriver as webdriver
from selenium.webdriver import ChromeOptions
from urllib.parse import urlparse

def scrape_website(website):
    options = ChromeOptions()
    options.add_argument("--headless=true")
    with webdriver.Chrome(options) as driver:
        driver.get(website)
        return driver.page_source


while url := input("Enter url to scrape: "):
    p = urlparse(url)
    if not p.scheme:
        print("Scheme missing from url")
    else:
        html = scrape_website(url)
        print("HTML fragment:", html[:80])

例子:

Enter url to scrape: www.google.com
Scheme missing from url
Enter url to scrape: https://www.google.com
HTML fragment: <html itemscope="" itemtype="http://schema.org/WebPage" lang="en-GB"><head><meta

推荐文章

Google User · Django管理员在`list_display中未显示`creation_date`字段`

1 年前

user29747013 · 如何创建一个新的数据框架,其中包含原始数据框架中列的聚合列?

1 年前

ÎÎÎ½Î· ÎÎ®Î¹Î½Î¿Ï · Python lxml.html语法错误:使用lxml find时XPATH的谓词无效

1 年前

user29715306 · from_users=和chats=电视节目中的差异

1 年前

Redshoe · 当执行numpy.genfromtxt()时,python是否会读取文件的所有行?

1 年前

RASEL MAHMUD · 为什么以及如何在is_even()函数内的IF条件中递归X变量在满足0后递增?[副本]

1 年前

prayner · 更新嵌套字典包含列表中的项

1 年前

Bringo Jr · 我可以在O(n)中解决这个问题吗?

1 年前

Dave · 如何在for循环中修改列表值

1 年前

Shukurullox Komiljonov · 从记录中获得相互和解。使用SQL

1 年前