selenium 教程

selenium 本身是一套web自动化测试工具，但其经常被用于爬虫，解决一些复杂爬虫的问题。

selenium 用于爬虫时，相当于模拟人操作浏览器。

浏览器驱动

使用 selenium 需要先安装 浏览器驱动，selenium 支持多种浏览器

可以看到支持的浏览器类型有十几种，其中常用的有

chrome　谷歌，驱动下载地址，注意浏览器与驱动的版本要匹配，下面的浏览器也一样

firefox，火狐，驱动下载地址

ie，ie不好用，驱动下载地址

phantomjs，这是一个无界面的浏览器，特点是高效，后面我会有一篇博客专门介绍它。

safari，手机浏览器

驱动要放到环境变量的地址里，如 c://python2，或者把驱动的地址放到环境变量里

具体安装请百度，搜索 “selenium 浏览器驱动下载” 即可

注意，linux 中浏览器驱动要安装对应的 linux 版本

基础使用方法

1. 声明浏览对象

from selenium import webdriver

#构造模拟浏览器
# firefox_login=webdriver.Ie()   # Firefox()
firefox_login=webdriver.Chrome()

这一步可设定无界面模式，即操作浏览器时，隐层浏览器

options = webdriver.ChromeOptions()
options.add_argument('--headless')      # 设置无界面  可选

firefox_login=webdriver.Chrome(chrome_options=options)

2. 访问页面

firefox_login.get('http://www.renren.com/')
# firefox_login.maximize_window()　　# 窗口最大化，可有可无，看情况
firefox_login.minimize_window()

3. 查找元素并交互

firefox_login.find_element_by_id('email').clear()
firefox_login.find_element_by_id('email').send_keys('xxx@sina.com')

元素查找方法汇总

find_element_by_name
find_element_by_id
find_element_by_xpath
find_element_by_link_text
find_element_by_partial_link_text
find_element_by_tag_name
find_element_by_class_name
find_element_by_css_selector

以上是单元素查找，多元素把 element 变成 elements 即可。

还有一种较通用的方法

from selenium.webdriver.common.by import By    注意这里要导入

browser = webdriver.Chrome()
browser.get("http://www.taobao.com")

input_first = browser.find_element(By.ID,"q")    ID可以换成其他

4. 操作浏览器

firefox_login.find_element_by_id('login').click()

可将操作放入动作链中串行执行

from selenium import webdriver
from selenium.webdriver import ActionChains

browser = webdriver.Chrome()
url = "http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable"
browser.get(url)
# 
browser.switch_to.frame('iframeResult')
source = browser.find_element_by_css_selector('#draggable')
target = browser.find_element_by_css_selector('#droppable')
actions = ActionChains(browser)
actions.drag_and_drop(source, target)
actions.perform()

上面实现了一个元素拖拽的功能

执行 js 命令

直接用js命令操作浏览器

from selenium import webdriver
browser = webdriver.Chrome()
browser.get("http://www.zhihu.com/explore")
browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')
browser.execute_script('alert("To Bottom")')

5. 输出并关闭

print(firefox_login.current_url)
print(firefox_login.page_source)

#浏览器退出
# firefox_login.close()
firefox_login.quit()

获取元素属性

get_attribute('class')

logo = browser.find_element_by_id('zh-top-link-logo')
print(logo.get_attribute('class'))

获取文本  logo.text

获取id       logo.id

获取位置   logo.location

获取标签名logo.tag_name

获取size    logo.size

方法进阶

除了基础的操作外，还有很多特殊的应用场景需要处理。

frame 标签

很多网页中存在 frame 标签，要处理frame里面的数据，首先要切入frame，处理完了还要切出来。 

切入 用 switch_to.frame，切出 用 switch_to.parent_frame

示例

# encoding:utf-8

import time
from selenium import webdriver
from selenium.common.exceptions import NoSuchElementException

browser = webdriver.Chrome()
url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'
browser.get(url)
browser.switch_to.frame('iframeResult')     # iframeResult 是 iframe 的 id       进入frame
source = browser.find_element_by_css_selector('#draggable')
print(source)
try:
    logo = browser.find_element_by_class_name('logo')
except NoSuchElementException:
    print('NO LOGO')
browser.switch_to.parent_frame()        # 退出 frame
logo = browser.find_element_by_class_name('logo')
print(logo)
print(logo.text)

上面url的部分源码

等待

在操作浏览器时经常要等待，selenium 也有等待方法，分为显式等待和隐式等待

隐式等待

from selenium import webdriver

browser = webdriver.Chrome()
browser.implicitly_wait(100)　　　　# 
browser.get('https://www.zhihu.com/explore')
input = browser.find_element_by_class_name('zu-top-add-question')
print(input)

显式等待

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

browser = webdriver.Chrome()
browser.get('https://www.taobao.com/')
wait = WebDriverWait(browser, 100)　　　　# 
input = wait.until(EC.presence_of_element_located((By.ID, 'q')))
button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '.btn-search')))
print(input, button)

显式等待和隐式等待都是无阻塞的，即响应就继续，不同的是，显示等待需要设定响应条件，如获取某元素。

常用判断条件

title_is：判断当前页面的title是否等于预期
title_contains：判断当前页面的title是否包含预期字符串
presence_of_element_located：判断某个元素是否被加到了dom树里，并不代表该元素一定可见
visibility_of_element_located：判断某个元素是否可见. 可见代表元素非隐藏，并且元素的宽和高都不等于0
visibility_of：跟上面的方法做一样的事情，只是上面的方法要传入locator，这个方法直接传定位到的element就好了
presence_of_all_elements_located：判断是否至少有1个元素存在于dom树中。举个例子，如果页面上有n个元素的class都是'column-md-3'，那么只要有1个元素存在，这个方法就返回True
text_to_be_present_in_element：判断某个元素中的text是否 包含 了预期的字符串
text_to_be_present_in_element_value：判断某个元素中的value属性是否包含了预期的字符串
frame_to_be_available_and_switch_to_it：判断该frame是否可以switch进去，如果可以的话，返回True并且switch进去，否则返回False
invisibility_of_element_located：判断某个元素中是否不存在于dom树或不可见
element_to_be_clickable - it is Displayed and Enabled：判断某个元素中是否可见并且是enable的，这样的话才叫clickable
staleness_of：等某个元素从dom树中移除，注意，这个方法也是返回True或False
element_to_be_selected：判断某个元素是否被选中了,一般用在下拉列表
element_located_to_be_selected
element_selection_state_to_be：判断某个元素的选中状态是否符合预期
element_located_selection_state_to_be：跟上面的方法作用一样，只是上面的方法传入定位到的element，而这个方法传入locator
alert_is_present：判断页面上是否存在alert

更多参考：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.expected_conditions

wait.until(EC.text_to_be_present_in_element_value(('id', 'inputSearchCity'), u'西安'))

浏览器的前进后退

forward/back

import time
from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.baidu.com/')
browser.get('https://www.taobao.com/')
browser.back()
time.sleep(1)
browser.forward()
browser.close()

cookie 操作

get_cookies()

delete_all_cookies()

add_cookie()

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.zhihu.com/explore')
print(browser.get_cookies())
browser.add_cookie({'name': 'name', 'domain': 'www.zhihu.com', 'value': 'zhaofan'})
print(browser.get_cookies())
browser.delete_all_cookies()
print(browser.get_cookies())

选项卡管理

暂略

异常处理

暂略

  

参考资料：

https://selenium-python.readthedocs.io/　　英文官方教程

https://selenium-python.readthedocs.io/api.html　　webdriver API

《Python爬虫开发与项目实战》　　　　pdf电子书

http://www.cnblogs.com/zhaof/p/6953241.html　　　　很好的教程

https://www.jianshu.com/p/47853fdb613b　　等待 

https://blog.csdn.net/qq_38316655/article/details/81989232    等待实例