• 3.selenium模块

    本节内容：

    • 介绍
    • 安装
    • 基本使用
    • 选择器
    • 等待元素被加载
    • 元素交互操作
    • 其他
    • 项目练习

    一.介绍

     1 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
 2 
 3 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
 4 
 5 from selenium import webdriver
 6 browser=webdriver.Chrome()
 7 browser=webdriver.Firefox()
 8 browser=webdriver.PhantomJS()
 9 browser=webdriver.Safari()
10 browser=webdriver.Edge()

    官网链接

    二.安装

     1 #安装：selenium+chromedriver
 2 pip3 install selenium
 3 下载chromdriver.exe放到python安装路径的scripts目录中即可，注意最新版本是2.35，并非2.9
 4 国内镜像网站地址：http://npm.taobao.org/mirrors/chromedriver/2.35/
 5 最新的版本去官网找:https://sites.google.com/a/chromium.org/chromedriver/downloads
 6 
 7 #验证安装
 8 C:UsersAdministrator>python3
 9 Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
10 Type "help", "copyright", "credits" or "license" for more information.
11 >>> from selenium import webdriver
12 >>> driver=webdriver.Chrome() #弹出浏览器
13 >>> driver.get('https://www.baidu.com')
14 >>> driver.page_source
15 
16 #注意：
17 selenium3默认支持的webdriver是Firfox，而Firefox需要安装geckodriver
18 下载链接：https://github.com/mozilla/geckodriver/releases
    selenium+chromedriver
     1 #安装：selenium+phantomjs
 2 pip3 install selenium
 3 下载phantomjs，解压后把phantomjs.exe所在的bin目录放到环境变量
 4 下载链接：http://phantomjs.org/download.html
 5 
 6 #验证安装
 7 C:UsersAdministrator>phantomjs
 8 phantomjs> console.log('egon gaga')
 9 egon gaga
10 undefined
11 phantomjs> ^C
12 C:UsersAdministrator>python3
13 Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
14 Type "help", "copyright", "credits" or "license" for more information.
15 >>> from selenium import webdriver
16 >>> driver=webdriver.PhantomJS() #无界面浏览器
17 >>> driver.get('https://www.baidu.com')
18 >>> driver.page_source
    selenium+phantomjs

    三.基本使用

     1 from selenium import webdriver
 2 from selenium.webdriver import ActionChains
 3 from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
 4 from selenium.webdriver.common.keys import Keys #键盘按键操作
 5 from selenium.webdriver.support import expected_conditions as EC
 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
 7 
 8 browser=webdriver.Chrome()
 9 try:
10     browser.get('https://www.baidu.com')
11 
12     input_tag=browser.find_element_by_id('kw')
13     input_tag.send_keys('美女') #python2中输入中文错误，字符串前加个u
14     input_tag.send_keys(Keys.ENTER) #输入回车
15 
16     wait=WebDriverWait(browser,10)
17     wait.until(EC.presence_of_element_located((By.ID,'content_left'))) #等到id为content_left的元素加载完毕,最多等10秒
18 
19     print(browser.page_source)
20     print(browser.current_url)
21     print(browser.get_cookies())
22 
23 finally:
24     browser.close()

    四.选择器

    1.基本用法

     1 #官网链接：http://selenium-python.readthedocs.io/locating-elements.html
 2 from selenium import webdriver
 3 from selenium.webdriver import ActionChains
 4 from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
 5 from selenium.webdriver.common.keys import Keys #键盘按键操作
 6 from selenium.webdriver.support import expected_conditions as EC
 7 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
 8 import time
 9 
10 driver=webdriver.Chrome()
11 driver.get('https://www.baidu.com')
12 wait=WebDriverWait(driver,10)#显式等待
13 
14 try:
15     #===============所有方法===================
16     # 1、find_element_by_id
17     # 2、find_element_by_link_text
18     # 3、find_element_by_partial_link_text
19     # 4、find_element_by_tag_name
20     # 5、find_element_by_class_name
21     # 6、find_element_by_name
22     # 7、find_element_by_css_selector
23     # 8、find_element_by_xpath
24     # 强调：
25     # 1、上述均可以改写成find_element(By.ID,'kw')的形式
26     # 2、find_elements_by_xxx的形式是查找到多个元素，结果为列表
27 
28     #===============示范用法===================
29     # 1、find_element_by_id
30     print(driver.find_element_by_id('kw'))
31 
32     # 2、find_element_by_link_text
33     # login=driver.find_element_by_link_text('登录')
34     # login.click()
35 
36     # 3、find_element_by_partial_link_text#模糊搜索
37     login=driver.find_elements_by_partial_link_text('录')[0]
38     login.click()
39 
40     # 4、find_element_by_tag_name
41     print(driver.find_element_by_tag_name('a'))
42 
43     # 5、find_element_by_class_name
44     button=wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'tang-pass-footerBarULogin')))
45     button.click()
46 
47     # 6、find_element_by_name
48     input_user=wait.until(EC.presence_of_element_located((By.NAME,'userName')))
49     input_pwd=wait.until(EC.presence_of_element_located((By.NAME,'password')))
50     commit=wait.until(EC.element_to_be_clickable((By.ID,'TANGRAM__PSP_10__submit')))
51 
52     input_user.send_keys('18611453110')
53     input_pwd.send_keys('lhf@094573')
54     commit.click()
55 
56     # 7、find_element_by_css_selector
57     driver.find_element_by_css_selector('#kw')
58 
59     # 8、find_element_by_xpath
60 
61     time.sleep(5)
62 
63 finally:
64     driver.close()

    2.xpath

     1 #官网链接：http://selenium-python.readthedocs.io/locating-elements.html
 2 from selenium import webdriver
 3 from selenium.webdriver import ActionChains
 4 from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
 5 from selenium.webdriver.common.keys import Keys #键盘按键操作
 6 from selenium.webdriver.support import expected_conditions as EC
 7 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
 8 import time
 9 
10 driver=webdriver.PhantomJS()
11 driver.get('https://doc.scrapy.org/en/latest/_static/selectors-sample1.html')
12 # wait=WebDriverWait(driver,3)
13 driver.implicitly_wait(3) #使用隐式等待
14 
15 try:
16     # find_element_by_xpath
17     #//与/
18     # driver.find_element_by_xpath('//body/a')  # 开头的//代表从整篇文档中寻找,body之后的/代表body的儿子，这一行找不到就会报错了
19 
20     driver.find_element_by_xpath('//body//a')  # 开头的//代表从整篇文档中寻找,body之后的//代表body的子子孙孙
21     driver.find_element_by_css_selector('body a')
22 
23     #取第n个
24     res1=driver.find_elements_by_xpath('//body//a[1]') #取第一个a标签
25     print(res1[0].text)
26 
27     #按照属性查找,下述三者查找效果一样
28     res1=driver.find_element_by_xpath('//a[5]')
29     res2=driver.find_element_by_xpath('//a[@href="image5.html"]')
30     res3=driver.find_element_by_xpath('//a[contains(@href,"image5")]') #模糊查找
31     print('==>', res1.text)
32     print('==>',res2.text)
33     print('==>',res3.text)
34 
35 
36     #其他
37     res1=driver.find_element_by_xpath('/html/body/div/a')
38     print(res1.text)
39 
40     res2=driver.find_element_by_xpath('//a[img/@src="image3_thumb.jpg"]') #找到子标签img的src属性为image3_thumb.jpg的a标签
41     print(res2.tag_name,res2.text)
42 
43     res3 = driver.find_element_by_xpath("//input[@name='continue'][@type='button']") #查看属性name为continue且属性type为button的input标签
44     res4 = driver.find_element_by_xpath("//*[@name='continue'][@type='button']") #查看属性name为continue且属性type为button的所有标签
45     
46     
47     time.sleep(5)
48 
49 finally:
50     driver.close()
51 
52 #xpath可以直接用页面的检查元素copy到
    Xpath用法

     3.获取标签属性

     1 from selenium import webdriver
 2 from selenium.webdriver import ActionChains
 3 from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
 4 from selenium.webdriver.common.keys import Keys #键盘按键操作
 5 from selenium.webdriver.support import expected_conditions as EC
 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
 7 
 8 browser=webdriver.Chrome()
 9 
10 browser.get('https://www.amazon.cn/')
11 
12 wait=WebDriverWait(browser,10)
13 wait.until(EC.presence_of_element_located((By.ID,'cc-lm-tcgShowImgContainer')))
14 
15 tag=browser.find_element(By.CSS_SELECTOR,'#cc-lm-tcgShowImgContainer img')
16 
17 #获取标签属性，
18 print(tag.get_attribute('src'))
19 
20 
21 #获取标签ID，位置，名称，大小（了解）
22 print(tag.id)
23 print(tag.location)
24 print(tag.tag_name)
25 print(tag.size)
26 
27 
28 browser.close()
    获取标签属性

    五.等待元素被加载

    1 #1、selenium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
2 
3 #2、等待的方式分两种：
4 隐式等待：在browser.get（'xxx'）前就设置，针对所有元素有效
5 显式等待：在browser.get（'xxx'）之后设置，只针对某个元素有效
     1 from selenium import webdriver
 2 from selenium.webdriver import ActionChains
 3 from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
 4 from selenium.webdriver.common.keys import Keys #键盘按键操作
 5 from selenium.webdriver.support import expected_conditions as EC
 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
 7 
 8 browser=webdriver.Chrome()
 9 
10 #隐式等待:在查找所有元素时，如果尚未被加载，则等10秒
11 browser.implicitly_wait(10)
12 
13 browser.get('https://www.baidu.com')
14 
15 
16 input_tag=browser.find_element_by_id('kw')
17 input_tag.send_keys('美女')
18 input_tag.send_keys(Keys.ENTER)
19 
20 contents=browser.find_element_by_id('content_left') #没有等待环节而直接查找，找不到则会报错
21 print(contents)
22 
23 browser.close()
    隐式等待
     1 from selenium import webdriver
 2 from selenium.webdriver import ActionChains
 3 from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
 4 from selenium.webdriver.common.keys import Keys #键盘按键操作
 5 from selenium.webdriver.support import expected_conditions as EC
 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
 7 
 8 browser=webdriver.Chrome()
 9 browser.get('https://www.baidu.com')
10 
11 
12 input_tag=browser.find_element_by_id('kw')
13 input_tag.send_keys('美女')
14 input_tag.send_keys(Keys.ENTER)
15 
16 
17 #显式等待：显式地等待某个元素被加载
18 wait=WebDriverWait(browser,10)
19 wait.until(EC.presence_of_element_located((By.ID,'content_left')))
20 
21 contents=browser.find_element(By.CSS_SELECTOR,'#content_left')
22 print(contents)
23 
24 
25 browser.close()
    显式等待

    六.元素交互操作

     1 from selenium import webdriver
 2 from selenium.webdriver import ActionChains
 3 from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
 4 from selenium.webdriver.common.keys import Keys #键盘按键操作
 5 from selenium.webdriver.support import expected_conditions as EC
 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
 7 
 8 browser=webdriver.Chrome()
 9 browser.get('https://www.amazon.cn/')
10 wait=WebDriverWait(browser,10)
11 
12 
13 input_tag=wait.until(EC.presence_of_element_located((By.ID,'twotabsearchtextbox')))
14 input_tag.send_keys('iphone 8')
15 button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
16 button.click()
17 
18 
19 import time
20 time.sleep(3)
21 
22 input_tag=browser.find_element_by_id('twotabsearchtextbox')
23 input_tag.clear() #清空输入框
24 input_tag.send_keys('iphone7plus')
25 button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
26 button.click()
27 
28 
29 
30 # browser.close()
    点击,清空
     1 from selenium import webdriver
 2 from selenium.webdriver import ActionChains
 3 from selenium.webdriver.common.by import By  # 按照什么方式查找，By.ID,By.CSS_SELECTOR
 4 from selenium.webdriver.common.keys import Keys  # 键盘按键操作
 5 from selenium.webdriver.support import expected_conditions as EC
 6 from selenium.webdriver.support.wait import WebDriverWait  # 等待页面加载某些元素
 7 import time
 8 
 9 driver = webdriver.Chrome()
10 driver.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
11 wait=WebDriverWait(driver,3)
12 # driver.implicitly_wait(3)  # 使用隐式等待
13 
14 try:
15     driver.switch_to.frame('iframeResult') ##切换到iframeResult
16     sourse=driver.find_element_by_id('draggable')
17     target=driver.find_element_by_id('droppable')
18 
19     #方式一：基于同一个动作链串行执行
20     # actions=ActionChains(driver) #拿到动作链对象
21     # actions.drag_and_drop(sourse,target) #把动作放到动作链中，准备串行执行
22     # actions.perform()
23 
24     #方式二：不同的动作链，每次移动的位移都不同
25     ActionChains(driver).click_and_hold(sourse).perform()
26     distance=target.location['x']-sourse.location['x']
27 
28     track=0
29     while track < distance:
30         ActionChains(driver).move_by_offset(xoffset=2,yoffset=0).perform()
31         track+=2
32 
33     ActionChains(driver).release().perform()
34 
35     time.sleep(10)
36 
37 finally:
38     driver.close()
    ActionChains->可延伸到滑动验证码
     1 from selenium import webdriver
 2 from selenium.webdriver import ActionChains
 3 from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
 4 from selenium.webdriver.common.keys import Keys #键盘按键操作
 5 from selenium.webdriver.support import expected_conditions as EC
 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
 7 
 8 
 9 try:
10     browser=webdriver.Chrome()
11     browser.get('https://www.baidu.com')
12     browser.execute_script('alert("hello world")') #打印警告
13 finally:
14     browser.close()
    在交互动作比较难实现的时候可以自己写JS（万能方法）
     1 #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
 2 
 3 from selenium import webdriver
 4 from selenium.webdriver import ActionChains
 5 from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
 6 from selenium.webdriver.common.keys import Keys #键盘按键操作
 7 from selenium.webdriver.support import expected_conditions as EC
 8 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
 9 
10 
11 try:
12     browser=webdriver.Chrome()
13     browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
14 
15     browser.switch_to.frame('iframeResult') #切换到id为iframeResult的frame
16 
17     tag1=browser.find_element_by_id('droppable')
18     print(tag1)
19 
20     # tag2=browser.find_element_by_id('textareaCode') #报错，在子frame里无法查看到父frame的元素
21     browser.switch_to.parent_frame() #切回父frame,就可以查找到了
22     tag2=browser.find_element_by_id('textareaCode')
23     print(tag2)
24 
25 finally:
26     browser.close()
    补充:frame的切换

    七.其他

     1 #模拟浏览器的前进后退
 2 import time
 3 from selenium import webdriver
 4 
 5 browser=webdriver.Chrome()
 6 browser.get('https://www.baidu.com')
 7 browser.get('https://www.taobao.com')
 8 browser.get('http://www.sina.com.cn/')
 9 
10 browser.back()
11 time.sleep(10)
12 browser.forward()
13 browser.close()
    模拟浏览器的前进后退
     1 #cookies
 2 from selenium import webdriver
 3 
 4 browser=webdriver.Chrome()
 5 browser.get('https://www.zhihu.com/explore')
 6 print(browser.get_cookies())
 7 browser.add_cookie({'k1':'xxx','k2':'yyy'})
 8 print(browser.get_cookies())
 9 
10 # browser.delete_all_cookies()
    cookies
     1 #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
 2 import time
 3 from selenium import webdriver
 4 
 5 browser=webdriver.Chrome()
 6 browser.get('https://www.baidu.com')
 7 browser.execute_script('window.open()')
 8 
 9 print(browser.window_handles) #获取所有的选项卡
10 browser.switch_to_window(browser.window_handles[1])
11 browser.get('https://www.taobao.com')
12 time.sleep(10)
13 browser.switch_to_window(browser.window_handles[0])
14 browser.get('https://www.sina.com.cn')
15 browser.close()
    选项卡管理
     1 from selenium import webdriver
 2 from selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameException
 3 
 4 try:
 5     browser=webdriver.Chrome()
 6     browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
 7     browser.switch_to.frame('iframssseResult')
 8 
 9 except TimeoutException as e:
10     print(e)
11 except NoSuchFrameException as e:
12     print(e)
13 finally:
14     browser.close()
    异常处理
     1 #注意：网站都策略都是在不断变化的，精髓在于学习流程。下述代码生效与2017-11-7，不能保证永久有效
 2 from selenium import webdriver
 3 from selenium.webdriver import ActionChains
 4 from selenium.webdriver.common.by import By
 5 from selenium.webdriver.common.keys import Keys
 6 from selenium.webdriver.support import expected_conditions as EC
 7 from selenium.webdriver.support.wait import WebDriverWait
 8 
 9 browser=webdriver.Chrome()
10 
11 try:
12     browser.get('http://mail.163.com/')
13 
14     wait=WebDriverWait(browser,5)
15 
16     frame=wait.until(EC.presence_of_element_located((By.ID,'x-URS-iframe')))
17     browser.switch_to.frame(frame)
18 
19     wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'.m-container')))
20 
21     inp_user=browser.find_element_by_name('email')
22     inp_pwd=browser.find_element_by_name('password')
23     button=browser.find_element_by_id('dologin')
24     inp_user.send_keys('18611453110')
25     inp_pwd.send_keys('xxxx')
26     button.click()
27 
28     #如果遇到验证码，可以把下面一小段打开注释
29     # import time
30     # time.sleep(10)
31     # button = browser.find_element_by_id('dologin')
32     # button.click()
33 
34     wait.until(EC.presence_of_element_located((By.ID,'dvNavTop')))
35     write_msg=browser.find_elements_by_css_selector('#dvNavTop li')[1] #获取第二个li标签就是“写信”了
36     write_msg.click()
37 
38 
39     wait.until(EC.presence_of_element_located((By.CLASS_NAME,'tH0')))
40     recv_man=browser.find_element_by_class_name('nui-editableAddr-ipt')
41     title=browser.find_element_by_css_selector('.dG0 .nui-ipt-input')
42     recv_man.send_keys('378533872@qq.com')
43     title.send_keys('圣旨')
44     print(title.tag_name)
45 
46 
47     frame=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'APP-editor-iframe')))
48     browser.switch_to.frame(frame)
49     body=browser.find_element(By.CSS_SELECTOR,'body')
50     body.send_keys('egon很帅，可以加工资了')
51 
52     browser.switch_to.parent_frame() #切回他爹
53     send_button=browser.find_element_by_class_name('nui-toolbar-item')
54     send_button.click()
55 
56     #可以睡时间久一点别让浏览器关掉，看看发送成功没有
57     import time
58     time.sleep(10000)
59 
60 except Exception as e:
61     print(e)
62 finally:
63     browser.close()
    自动登录163邮箱并发送邮件
     1 from selenium import webdriver
 2 from selenium.webdriver import ActionChains
 3 from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
 4 from selenium.webdriver.common.keys import Keys #键盘按键操作
 5 from selenium.webdriver.support import expected_conditions as EC
 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
 7 import time
 8 
 9 
10 def get_goods(driver):
11     try:
12         goods=driver.find_elements_by_class_name('gl-item')
13 
14         for good in goods:
15             detail_url=good.find_element_by_tag_name('a').get_attribute('href')
16 
17             p_name=good.find_element_by_css_selector('.p-name em').text.replace('
','')
18             price=good.find_element_by_css_selector('.p-price i').text
19             p_commit=good.find_element_by_css_selector('.p-commit a').text
20 
21             msg = '''
22             商品 : %s
23             链接 : %s
24             价钱 ：%s
25             评论 ：%s
26             ''' % (p_name,detail_url,price,p_commit)
27 
28             print(msg,end='

')
29 
30 
31         button=driver.find_element_by_partial_link_text('下一页')
32         button.click()
33         time.sleep(1)
34         get_goods(driver)
35     except Exception:
36         pass
37 
38 def spider(url,keyword):
39     driver = webdriver.Chrome()
40     driver.get(url)
41     driver.implicitly_wait(3)  # 使用隐式等待
42     try:
43         input_tag=driver.find_element_by_id('key')
44         input_tag.send_keys(keyword)
45         input_tag.send_keys(Keys.ENTER)
46         get_goods(driver)
47     finally:
48         driver.close()
49 
50 
51 if __name__ == '__main__':
52     spider('https://www.jd.com/',keyword='iPhone8手机')
    爬取京东商城商品信息
  • 相关阅读:
    树莓派上跑.NET的segment fault错误
    WiFi、ZigBee、BLE用哪个？
    SQL Server 的字段不为NULL时唯一
    Asp.net 子web application的Session共享
    Gnucash数据库结构
    sql server中的merge
    禁止使用的极限用语
    Git 操作指南
    Excel VBA保护工作表
    WPF多语言化的实现
  • 原文地址：https://www.cnblogs.com/bingpan/p/8917435.html
Copyright © 2020-2023  润新知