转自：自由爸爸
python有许多库可以让我们很方便地编写网络爬虫，爬取某些页面，获得有价值的信息！但许多时候，爬虫取到的页面仅仅是一个静态的页面，即网页 的源代码，就像在浏览器上的“查看网页源代码”一样。一些动态的东西如javascript脚本执行后所产生的信息，是抓取不到的，这里暂且先给出这么一 些方案，可用于python爬取js执行后输出的信息。
1. 用dryscrape库动态抓取页面
js脚本是通过浏览器来执行并返回信息的，所以，抓取js执行后的页面，一个最直接的方式就是用python模拟浏览器的行为。WebKit 是一个开源的浏览器引擎，python提供了许多库可以调用这个引擎，dryscrape便是其中之一，它调用webkit引擎来处理包含js等的网页！
1 import dryscrape 2 # 使用dryscrape库 动态抓取页面 3 def get_url_dynamic(url): 4 session_req=dryscrape.Session() 5 session_req.visit(url) #请求页面 6 response=session_req.body() #网页的文本 7 #print(response) 8 return response 9 get_text_line(get_url_dynamic(url)) #将输出一条文本
这里对于其余包含js的网页也是适用的！虽然可以满足抓取动态页面的要求，但缺点还是很明显的：慢！太慢了，其实想一想也合理，python调用 webkit请求页面，而且等页面加载完，载入js文件，让js执行，将执行后的页面返回，慢一点也是应该的！除外还有很多库可以调用 webkit：PythonWebkit，PyWebKitGit，Pygt（可以用它写个浏览器），pyjamas等等，听说它们也可以实现相同的功 能！
2. selenium web测试框架
selenium是一个web测试框架，它允许调用本地的浏览器引擎发送网页请求，所以，它同样可以实现抓取页面的要求。
# 使用 selenium webdriver 可行，但会实时打开浏览器窗口
1 def get_url_dynamic2(url): 2 driver=webdriver.Firefox() #调用本地的火狐浏览器，Chrom 甚至 Ie 也可以的 3 driver.get(url) #请求页面，会打开一个浏览器窗口 4 html_text=driver.page_source 5 driver.quit() 6 #print html_text 7 return html_text 8 get_text_line(get_url_dynamic2(url)) #将输出一条文本
这也不失为一条临时的解决方案！与selenium类似的框架还有一个windmill，感觉稍复杂一些，就不再赘述！