簡介：
用pyhon爬取動態頁面時普通的urllib2無法實現，例如下面的京東首頁，隨著滾動條的下拉會加載新的內容，而urllib2無法抓取這些內容，此時需要的主角selenium。
Selenium是一個用于Web應用程序測試的工具。Selenium測試直接運行在瀏覽器中，像真正的用戶在操作一樣。支持的瀏覽器包括IE、Mozilla Firefox、Mozilla Suite等。使用它爬取頁面也十分方便，只需要按照訪問步驟模擬人在操作可以了，完全不用操心Cookie，Session的處理，它甚至可以幫助你輸入賬戶，密碼，然后點擊登陸按鈕，對于上面的滾動條，你只需要讓瀏覽器滾到到低端，然后保存頁面可以了。以上的這些功能在應對一些反爬蟲機制時十分有用。接下來開始我們的講解正文，帶領大家實現一個需要登錄的動態網頁的爬取。
案例實現：
使用selnium需要選擇一個調用的瀏覽器并下載好對應的驅動，在桌面版可以選擇Chrome，FireFox等，服務器端可以使用PhantomJS，桌面版可以直接調出來瀏覽器觀察到變化，所以一般我們可以在桌面版用Chrome等調試好之后，將瀏覽器改為PhantomJS然后上傳到服務器使其運行，這里我們直接以PhantomJS做演示.
首先時導入模塊：
1 from selenium.webdriver.common.desired_capabilities import DesiredCapabilities
2 from selenium import webdriver
接下來時初始化一個瀏覽器，參數中可以指定加載網頁的一些屬性：
1 cap = webdriver.DesiredCapabilities.PHANTOMJS
2 cap["phantomjs.page.settings.resourceTimeout"] = 180
3 cap["phantomjs.page.settings.loadImages"] = False
4
5 driver = webdriver.PhantomJS(executable_path="/home/gaorong/phantomjs-2.1.1-linux-x86_64/bin/phantomjs"， desired_capabilities=cap)
上面初始了PhantomJS并設置了瀏覽器的路徑，加載屬性選擇了資源加載超時時間和不加載圖片（我們只關心網頁文本）。在 這里 還可以選擇其他設置。
設置一些屬性，并下載一個網頁
1 driver.set_page_load_timeout(180)
2 driver.get('https://otx.alienvault.com/accounts/login/')
3 time.sleep(5)
4 driver.save_screenshot('./login.png') #為便于調試，保存網頁的截圖
由于在服務器端運行難免出錯，可以用save_screenshot保存當前網頁的頁面便于調試。
接下來是輸入賬戶和密碼登陸，以獲取網站的Cookies，便于后面請求。
1 #輸入username和password
2 driver.find_element_by_xpath("/html/body/div[1]/div[1]/login/div[2]/div/form/input[1]").send_keys('*****')
3 time.sleep(1)
4 print 'input user success!!!'
5
6 driver.find_element_by_xpath("/html/body/div[1]/div[1]/login/div[2]/div/form/input[2]").send_keys('****')
7 time.sleep(1)
8 print 'input password success!!!'
9
10 driver.find_element_by_xpath("/html/body/div[1]/div[1]/login/div[2]/div/form/button").click()
11 time.sleep(5)
上面代碼使用find_element_by_xpath獲取輸入框的位置后輸入賬戶和密碼并點擊登陸鍵，可以看到一些都很方便。它會自動跳轉到下一個頁面，我們只需要sleep幾秒等待它。
我們需要爬取的網頁信息在某個特定的element里，所以我們需要判斷一下這個element是否出現：
1 try:
2 element = WebDriverWait(driver， 10).until(
3 EC.presence_of_element_located((By.CLASS_NAME， 'pulses'))
4 )
5 print 'find element!!!'
6 except:
7 print 'not find element!!!'
8 print traceback.format_exc()
9 driver.quit()
上面判斷 class為 'pulse' 這個element是否出現，如果等待10s后還未出現，則selenum會爆出TimeoutError錯誤。
上面進行了基本的初始化，然后需要處理動態的內容了，這個網頁像京東一樣會隨著下拉自動出現內容，所以我們需要實現下拉滾動條：
1 print 'begin scroll to get info page...'
2 t1 = time.time()
3 n = 60 #這里可以控制網頁滾動距離
4 for i in range(1，n+1):
5 s = "window.scrollTo(0，document.body.scrollHeight/{0}*{1});".format(n，i)
6 #輸出滾動位置，網頁大小，和時間
7 print s， len(driver.page_source)，time.time()-t1
8 driver.execute_script(s)
9 time.sleep(2)
其中driver.page_source是獲取網頁文本。當滾動完畢后我們可以調用它然后寫到一個文件里。這樣完成了這個的程序邏輯。
高級：
用selenim可以應對常見的反爬蟲策略，因為相當于一個人在瀏覽網頁，但是對于驗證碼這些還需要做額外的處理，還有一點是訪問速度不能過快，畢竟他需要調用一個瀏覽器，如果嫌他速度慢的話我們可以在必要的時候使用他，非必要時候可以使用requests庫進行操作。
