如何在 Python 中使用无头模式和 selenium webdriver 来节省抓取数据的时间

如何解决如何在 Python 中使用无头模式和 selenium webdriver 来节省抓取数据的时间

您好，我有一个简单的 Python 脚本，它可以打开并自动从网页中提取数据。 做这件事需要5秒钟。就我而言，我想要一个更快的脚本，它可以立即运行或最多运行 2 秒。

这是脚本：

#!/usr/bin/python3
# -*- coding: utf­-8 ­-*-

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.support.ui import webdriverwait
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
import numpy as np

options = Options()
options.headless = True
options.add_argument("window-size=1400,800")
options.add_argument("--no-sandBox")
options.add_argument("--disable-gpu")
options.add_argument("start-maximized")
options.add_argument("enable-automation")
options.add_argument("--disable-infobars")
options.add_argument("--disable-dev-shm-usage")

url = 'https://www.coteur.com/match/cotes-barcelone-huesca-rid1163090.html'
driver = webdriver.Chrome(options=options)
driver.get(url)

odds = [my_elem.text for my_elem in webdriverwait(driver,10).until(EC.visibility_of_all_elements_located((By.XPATH,'//button[contains(@class,"btn btn-default btn-xs btncote")]')))]

columns = 3
rows = int(len(odds)/columns)
odds = [float(i) for i in odds]
odds = np.array(odds)
odds = odds.reshape(rows,columns)

print(odds,'\n')
                
driver.close()
driver.quit()

也许您可以帮助改进这个小脚本以节省一些宝贵的时间。 谢谢

解决方法

您的执行时间可能取决于几个因素：

• 运行代码的机器
• 您的连接带宽
• 您请求的数据量

话虽如此，我已经使用了您的代码并且执行时间为 2.31 秒。

#!/usr/bin/python3
# -*- coding: utf­-8 ­-*-
import time

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
import numpy as np

options = Options()
options.headless = True
options.add_argument("window-size=1400,800")
options.add_argument("--no-sandbox")
options.add_argument("--disable-gpu")
options.add_argument("start-maximized")
options.add_argument("enable-automation")
options.add_argument("--disable-infobars")
options.add_argument("--disable-dev-shm-usage")

t0 = time.monotonic()
driver = webdriver.Chrome(options=options)
driver.get('https://www.coteur.com/match/cotes-barcelone-huesca-rid1163090.html')
elements = WebDriverWait(
    driver,2,).until(
    EC.visibility_of_all_elements_located(
        (By.XPATH,'//button[contains(@class,"btn btn-default btn-xs btncote")]')
    )
)

odds = np.array([float(my_elem.text) for my_elem in elements])
odds = odds.reshape(int(len(odds) / 3),3)
print(odds)
t1 = time.monotonic()
print(f"{t1-t0:.2f}")

,

这是执行的输出：

[[ 1.18  8.25 17.  ]
 [ 1.18  8.25 17.  ]
 [ 1.18  8.1  17.  ]
 [ 1.14  8.   17.  ]
 [ 1.16  8.75 18.  ]
 [ 1.2   7.25 10.  ]
 [ 1.14  7.75 16.  ]
 [ 1.17  8.   16.  ]
 [ 1.16  8.8  19.  ]
 [ 1.16  7.   12.  ]
 [ 1.13  8.5  18.5 ]] 


real    0m4,978s
user    0m1,342s
sys 0m0,573s

运行它需要 5 秒钟。我的目标是减少执行时间