一. 介绍
selenium最初是一个自动化测试工具,而爬虫中使用它主要是为了解决requests无法直接执行JavaScript代码的问题
selenium本质是通过驱动浏览器,完全模拟浏览器的操作,比如跳转、输入、点击、下拉等,来拿到网页渲染之后的结果,可支持多种浏览器
官网: https://selenium-python.readthedocs.io
from selenium import webdriver
browser = webdriver.Chrome()
browser = webdriver.Firefox()
browser = webdriver.PhantomJS()
browser = webdriver.Safari()
browser = webdriver.Edge()
二. 安装
1. 有界面浏览器
1) 安装:selenium
pip3 install selenium
2) 安装: chromedriver
版本注意: 下载 chromdriver.exe放到python安装路径的scripts目录中, 版本需要等于 或者 小于你正常使用的浏览器.
国内镜像网站地址:http://npm.taobao.org/mirrors/chromedriver/2.38/
最新的版本去官网: https://sites.google.com/a/chromium.org/chromedriver/downloads
3) 验证安装
C:\Users\Administrator>python3
Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from selenium import webdriver
>>> driver=webdriver.Chrome() #弹出浏览器
>>> driver.get('https://www.baidu.com')
>>> driver.page_source
4) 关于selenium3对Firfox支持的webdriver有所不同
注意: selenium3默认支持的webdriver是Firfox,而Firefox需要安装geckodriver
下载链接:https://github.com/mozilla/geckodriver/releases
2. 无界面浏览器
1) 安装:selenium
pip3 install selenium
2) 安装:phantomjs
提示: PphantomJS不再跟新
下载:http://phantomjs.org/download.html
3) 验证安装
C:\Users\Administrator>phantomjs
phantomjs> console.log('egon gaga')
egon gaga
undefined
phantomjs> ^C
C:\Users\Administrator>python3
Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from selenium import webdriver
>>> driver=webdriver.PhantomJS() #无界面浏览器
>>> driver.get('https://www.baidu.com')
>>> driver.page_source
selenium+phantomjs
4) selenuum加谷歌浏览器的headless模式
在PhantomJS年久失修,后继无人的节骨眼, Chrome出来救场,再次成为了反爬虫Team的噩梦
自Google发布chrome 59 / 60正式版开始便支持Headless mode, 这意味着在无GUI环境下,PhantomJS不再是唯一选择
# selenium: 3.12.0
# webdriver:2.38
# chrome.exe: 65.0.3325.181(正式版本) (32 位)
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
chrome_options = Options()
chrome_options.add_argument('window-size=1920x1080') # 指定浏览器分辨率
chrome_options.add_argument('--disable-gpu') # 谷歌文档提到需要加上这个属性来规避bug
chrome_options.add_argument('--hide-scrollbars') # 隐藏滚动条, 应对一些特殊页面
chrome_options.add_argument('blink-settings=imagesEnabled=false') # 不加载图片, 提升速度
chrome_options.add_argument('--headless') # 浏览器不提供可视化页面. linux下如果系统不支持可视化不加这条会启动失败
# chrome_options.binary_location = r"C:\Program Files (x86)\Google\Chrome\Application\chrome.exe" # 手动指定使用的浏览器位置
driver = webdriver.Chrome(chrome_options=chrome_options)
try:
driver.get('https://www.cnblogs.com/yang1333/')
print('爬虫' in driver.page_source) # True
finally:
driver.close() # 切记关闭浏览器,回收资源
三. 基本使用
'''
browser.page_source 获取当前页面内容
browser.current_url 获取当前url
browser.get_cookies 获取当前cookies
from selenium.webdriver.common.keys import Keys
tag.send_keys(Key.ENTER) 回车键
'''
from selenium import webdriver
from selenium.webdriver.common.keys import Keys # 键盘按键操作
browser = webdriver.Chrome()
browser.implicitly_wait(10)
try:
browser.get('https://www.baidu.com')
input_tag = browser.find_element_by_id('kw')
input_tag.send_keys('美女') # python2中输入中文错误,字符串前加个u
input_tag.send_keys(Keys.ENTER) # 输入回车
browser.find_element_by_id('content_left')
print(browser.page_source)
print(browser.current_url)
print(browser.get_cookies())
finally:
browser.close()
四. 等待元素被加载
# 介绍:
seleni um只是模拟浏览器的行为,而浏览器解析页面是需要时间的(执行css,js),
一些元素 可能需要过一段时间才能加载出来,为了保证能查找到元素,必须等待
# 等待的方式分两种:
隐式等待: 在browser.get ('xxx') 前就设置,针对所有元素有效
browser.implicitly_wait(等待时间)
显式等待: 在browser.get ('xxx') 之后设置,只针对某个元素有效
1. 隐士等待
import time
from selenium import webdriver
browser = webdriver.Chrome()
try:
browser.implicitly_wait(5) # 隐士等待
browser.get('https://www.baidu.com')
# 找到登录按钮, 并点击
login_tag = browser.find_element_by_link_text('登录')
login_tag.click()
# 找到使用用户名登录, 并点击
login_method_tag = browser.find_element_by_id('TANGRAM__PSP_11__footerULoginBtn')
login_method_tag.click()
# 找到用户名和密码输入框, 输入用户名, 密码. 点击登录
time.sleep(2)
username_tag = browser.find_element_by_id('TANGRAM__PSP_11__userName')
password_tag = browser.find_element_by_id('TANGRAM__PSP_11__password')
username_tag.send_keys('用户名')
password_tag.send_keys('用户密码')
login_tag = browser.find_element_by_id('TANGRAM__PSP_11__submit')
login_tag.click()
time.sleep(2)
print(browser.get_cookies())
finally:
browser.close() # 注意: 一定要关闭
2. 显示等待
from selenium import webdriver
from selenium.webdriver.common.by import By # 按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys # 键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait # 等待页面加载某些元素
browser = webdriver.Chrome()
try:
browser.get('https://www.baidu.com')
input_tag = browser.find_element_by_id('kw')
input_tag.send_keys('美女')
input_tag.send_keys(Keys.ENTER)
# 显式等待:显式地等待某个元素被加载
wait = WebDriverWait(browser, 10)
wait.until(EC.presence_of_element_located((By.ID, 'content_left')))
contents = browser.find_element(By.CSS_SELECTOR, '#content_left')
print(contents)
finally:
browser.close()
五. 选择器
官网链接:http://selenium-python.readthedocs.io/locating-elements.html
1、find_element_by_id # 通过id查找控件
2、find_element_by_link_text # 通过a标签内容找
3、find_element_by_partial_link_text # 通过a标签内容找,模糊匹配
4、find_element_by_tag_name # 标签名
5、find_element_by_class_name # 类名
6、find_element_by_name # name属性
7、find_element_by_css_selector # 通过css选择器
8、find_element_by_xpath # 通过xpaht选择器
补充: find_elements_by_xxx的形式是查找到多个元素,结果为列表
六. 获取元素属性
'''
tag.get_attribute('href') # 找当前控件 的href属性对的值
tag.text # 获取文本内容
print(tag.id) # 当前控件id号
print(tag.location) # 当前控件在页面位置
print(tag.tag_name) # 标签名
print(tag.size) # 标签的大小
'''
from selenium import webdriver
browser = webdriver.Chrome()
try:
browser.implicitly_wait(10)
browser.get('https://www.cnblogs.com//')
tag = browser.find_element_by_class_name('post-item-title')
# 获取标签属性,
print(tag.get_attribute('href')) # https://www.cnblogs.com/cafuc20160512056/p/13440771.html
print(tag.text) # 求解最长递增子序列(LIS) | 动态规划(DP)+ 二分法
# 获取标签ID,位置,名称,大小(了解)
print(tag.id) # ab9310c1-68c4-49a1-8a5d-903b3fb760e4
print(tag.location) # {'x': 242, 'y': 166}
print(tag.tag_name) # a
print(tag.size) # {'height': 50, 'width': 345}
finally:
browser.close()
七. 元素交互
1. 执行元素
'''
tag.send_keys() # 往里面写内容
tag.click() # 点击控件
tag.clear() # 清空控件内容
'''
import time
from selenium import webdriver
browser = webdriver.Chrome()
try:
browser.implicitly_wait(10)
browser.get('https://www.amazon.cn/')
input_tag = browser.find_element_by_id('twotabsearchtextbox')
input_tag.send_keys('iphone 8') # 往里面写内容
button = browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
button.click() # 点击控件
time.sleep(3)
input_tag = browser.find_element_by_id('twotabsearchtextbox')
input_tag.clear() # 清空输入框
input_tag.send_keys('iphone7plus') # 往里面写内容
button = browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
button.click() # 点击控件
finally:
browser.close()
2. 执行js
1) 基本命令
'''
brower.execute_script('js代码')
'''
from selenium import webdriver
import time
browser = webdriver.Chrome()
try:
browser.implicitly_wait(5)
browser.get('https://www.baidu.com/')
browser.execute_script('window.open()') # 新建窗口打开页面
browser.execute_script('window.open()') # 新建窗口打开页面
time.sleep(2)
except:
browser.close()
2) 如何让浏览器滚动条滑到底部
browser.execute_script('window.scrollTo(0, dowument.body.offsetHeight)')
3) 更改标签的属性值
from selenium import webdriver
import unittest
def addAttribute(driver, elementobj, attributeName, value):
'''
封装向页面标签添加新属性的方法
调用JS给页面标签添加新属性,arguments[0]~arguments[2]分别
会用后面的element,attributeName和value参数进行替换
添加新属性的JS代码语法为:element.attributeName=value
比如input.name='test'
'''
driver.execute_script("arguments[0].%s=arguments[1]" % attributeName, elementobj, value)
def setAttribute(driver, elementobj, attributeName, value):
'''
封装设置页面对象的属性值的方法
调用JS代码修改页面元素的属性值,arguments[0]~arguments[1]分别
会用后面的element,attributeName和value参数进行替换
'''
driver.execute_script("arguments[0].setAttribute(arguments[1],arguments[2])", elementobj, attributeName, value)
def getAttribute(elementobj, attributeName):
# 封装获取页面对象的属性值方法
return elementobj.get_attribute(attributeName)
def removeAttribute(driver, elementobj, attributeName):
'''
封装删除页面属性的方法
调用JS代码删除页面元素的指定的属性,arguments[0]~arguments[1]分别
会用后面的element,attributeName参数进行替换
'''
driver.execute_script("arguments[0].removeAttribute(arguments[1])",
elementobj, attributeName)
class TestDemo(unittest.TestCase):
def setUp(self):
self.driver = webdriver.Chrome()
def test_dataPicker(self):
url = "D:\PycharmProjects\zouzou\dom.html"
self.driver.get(url)
element = self.driver.find_element_by_xpath('//input')
# 向页面文本框input标签中添加新属性name='search'
addAttribute(self.driver, element, 'name', 'search')
# 添加新属性后,查看一下新属性值
print('添加的新属性值%s="%s"' % ("name", getAttribute(element, "name")))
print('更改文本框中内容前的value的值:', getAttribute(element, 'value'))
# 更改value的属性值为“这是更改后的值”
setAttribute(self.driver, element, 'value', '这是更改后的值')
print('更改后value的值为:', getAttribute(element, 'value'))
# 查看更改前input页面元素中size属性值
print('更改前size的属性值为:', getAttribute(element, 'size'))
# 更改input的属性值为20
setAttribute(self.driver, element, 'size', 20)
print('更改后size的属性值为:', getAttribute(element, 'size'))
# 查看删除input页面元素value属性前的值
print('删除前文本框value的值:', getAttribute(element, 'value'))
# 删除属性值
removeAttribute(self.driver, element, 'value')
print('删除后文本框value的值:', getAttribute(element, 'value'))
if __name__ == '__main__':
unittest.main()
参考: https://www.cnblogs.com/zouzou-busy/p/11285732.html
3. 执行DOM:模拟浏览器前进后退
'''
browser.back() # 回退到上一页
browser.forward() # 前进到下一页
'''
from selenium import webdriver
import time
browser = webdriver.Chrome()
try:
browser.get('https://www.taobao.com/')
browser.get('http://www.sina.com.cn/')
browser.back() # 回退到上一页
time.sleep(1)
browser.forward() # 前进到下一页
finally:
browser.close()
八. cookies
'''
browser.get_cookies() 获取所有的cookie
browser.get_cookie(name) 获取指定的某一个cookie值
browser.add_cookie(cookie_dict) 添加指定的cooke
browser.delete_cookie(name) 删除某一个cookie
browser.delete_all_cookies() 删除所有的cookie
'''
from selenium import webdriver
browser = webdriver.Chrome()
try:
browser.get('https://www.zhihu.com/explore/')
print(browser.get_cookies())
browser.add_cookie({'k1': 'xxx', 'k2': 'yyy'})
print(browser.get_cookies())
browser.delete_all_cookies()
finally:
browser.close()
九. 选项卡管理
选项卡管理:切换选项卡,有js的方式windows.open,有windows快捷键:ctrl+t等,最通用的就是js的方式
import time
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
try:
browser.execute_script('window.open()')
print(browser.window_handles) # 获取所有的选项卡
browser.switch_to_window(browser.window_handles[1]) # 切换到选择卡1执行get操作
browser.get('https://www.taobao.com')
time.sleep(3)
browser.switch_to_window(browser.window_handles[0]) # 切换到选项卡0执行get操作
browser.get('https://www.sina.com.cn')
finally:
browser.close()
十. 异常处理
from selenium import webdriver
from selenium.common.exceptions import TimeoutException, NoSuchElementException, NoSuchFrameException
browser = webdriver.Chrome()
try:
browser.get('')
except Exception as e:
print(e)
finally:
# 无论是否出异常,最终都要关掉
browser.close()
十一. 动作链frame
1. 介绍
# frame相当于一个单独的网页,在父frame里是无法直接查看到子frame的元素的,必须switch_to_frame切到该frame下,才能进一步查找
'''
browser.switch_to.frame('iframeResult') # 切换到id为iframeResult的frame
browser.switch_to.parent_frame() # 切回父frame
'''
from selenium import webdriver
browser = webdriver.Chrome()
try:
browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
browser.switch_to.frame('iframeResult') # 切换到id为iframeResult的frame
tag1 = browser.find_element_by_id('droppable')
print(tag1)
# tag2 = browser.find_element_by_id('textareaCode') # 报错,在子frame里无法查看到父frame的元素
browser.switch_to.parent_frame() # 切回父frame,就可以查找到了
tag2 = browser.find_element_by_id('textareaCode')
print(tag2)
finally:
browser.close()
2. selenium之frame操作
问题: 很多时候定位元素时候总是提示元素定位不到的问题, 然而明明元素就在那里.
解决: 注你所定位的元素是否在frame和iframe里面
frame标签包含frameset、frame、iframe三种,frameset和普通的标签一样,不会影响正常的定位,而iframe和frame需要进行一些特殊的处理
1) 切到frame中: switch_to.frame()
# 示例
<body>
<iframe src="a.html" ></iframe>
</body>
# 获取
from selenium import webdriver
driver = webdriver.Chrome()
driver.switch_to.frame(0) # 1.用frame的index来定位,第一个是0
# driver.switch_to.frame("frame1") # 2.用id来定位
# driver.switch_to.frame("myframe") # 3.用name来定位
# driver.switch_to.frame(driver.find_element_by_tag_name("iframe")) # 4.用WebElement对象来定位
2) 从frame中切回主文档: switch_to.default_content()
driver.switch_to.default_content()
3) 嵌套frame: switch_to.parent_frame()
# 示例
<html>
<iframe >
<iframe / >
</iframe>
</html>
# 获取: 从主文档切到frame2,一层层切进去
driver.switch_to.frame("frame1")
driver.switch_to.frame("frame2")
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:05 爬虫请求库之selenium库 - Python技术站