selenium

一 介绍

复制代码
# 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。

from selenium import webdriver

# 谷歌浏览器
browser=webdriver.Chrome()
# 火狐浏览器
browser=webdriver.Firefox()
# 无界面浏览器
browser=webdriver.PhantomJS()
# 苹果浏览器
browser=webdriver.Safari()
# IE浏览器
browser=webdriver.Edge() 
复制代码

官网:http://selenium-python.readthedocs.io

二 安装

1、有界面浏览器

复制代码
 
# 安装:selenium+chromedriver
pip3 install selenium
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2.38,并非2.9
国内镜像网站地址:http://npm.taobao.org/mirrors/chromedriver/2.38/
最新的版本去官网找:https://sites.google.com/a/chromium.org/chromedriver/downloads

#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

#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
 
复制代码

2、无界面浏览器

PhantomJS不再更新

 selenium+phantomjs

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+谷歌浏览器headless模式

三 基本使用

复制代码
from selenium import webdriver  # 用来驱动浏览器的
from selenium.webdriver import ActionChains  # 破解滑动验证码的时候用的 可以拖动图片
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  # 和下面WebDriverWait一起用的
from selenium.webdriver.support.wait import WebDriverWait  # 等待页面加载某些元素
import time

try:
    driver = webdriver.Chrome()

    driver.get('https://www.baidu.com')

    wait = WebDriverWait(driver, 10)

    input_tag = wait.until(EC.presence_of_element_located((By.ID, 'kw')))

    input_tag.send_keys('美女')

    input_tag.send_keys(Keys.ENTER)

    time.sleep(5)

finally:

    driver.close()
复制代码

 

四 选择器

1. 基本用法

复制代码
官网链接:http://selenium-python.readthedocs.io/locating-elements.html

from selenium import webdriver # 用来驱动浏览器的 from selenium.webdriver import ActionChains # 破解滑动验证码的时候用的 可以拖动图片 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 # 和下面WebDriverWait一起用的 from selenium.webdriver.support.wait import WebDriverWait # 等待页面加载某些元素 import time driver = webdriver.Chrome() # 打开谷歌驱动浏览器 driver.get('https://www.baidu.com/') # 向百度发送一个get请求
driver.implicitly_wait(5) # 隐式等待如果所有元素未被加载则等待5秒 在get前设置 针对所有元素 等待所有标签加载完成后再查找标签 # selenium自带的解析功能 try: # ===============所有方法=================== # element是查找一个标签 # elements是查找所有标签 # 1、find_element_by_id 通过id去找 # 2、find_element_by_link_text 通过链接文本去找 # 3、find_element_by_partial_link_text # 4、find_element_by_tag_name # 5、find_element_by_class_name # 6、find_element_by_name # 7、find_element_by_css_selector # 8、find_element_by_xpath # 1、find_element_by_id 根据id元素查找 # input_tag = driver.find_element_by_id('kw') # 查找到kw元素的标签 # # input_tag.send_keys('kermit大宝贝') # 输入kermit大宝贝 # # input_tag.send_keys(Keys.ENTER) # 按回车按钮 # 2、find_element_by_link_text 根据精确文本匹配内容 # login_button = driver.find_element_by_link_text('登录') # 找到登陆文本标签 # login_button = driver.find_element_by_link_text(' 登录') # 因为是精确查找所以找不到' 登陆' # # login_button.click() # 点击登陆按钮 # 3、find_element_by_partial_link_text # 根据文本局部匹配去查找标签 # login = driver.find_element_by_partial_link_text('登') # 局部匹配有登字的标签 # login.click() # 点击事件 # 4、find_element_by_tag_name # 根据标签名查找 # a = driver.find_element_by_tag_name('a') # print(a) # 5、find_element_by_class_name 根据类元素查找 # login_tag = driver.find_element_by_class_name('tang-pass-footerBarULogin') # 根据类元素查找登陆按钮 # login_tag.click() # 点击登陆事件 # 6、find_element_by_name 根据name属性去查找 # username = driver.find_element_by_name('userName') # # password = driver.find_element_by_name('password') # # username.send_keys('15622792660') # password.send_keys('k46709394') # # login_button = driver.find_element_by_id('TANGRAM__PSP_10__submit') # login_button.click() # 7、find_element_by_css_selector 根据属性选择器查找 search = driver.find_element_by_css_selector('.s_ipt') search.send_keys('帅哥') # 往百度输入框添加帅哥 search.send_keys(Keys.ENTER) # 点击回车 # 8、find_element_by_xpath # 根据xpath查找 # 等待5秒 time.sleep(5) finally: driver.close()
复制代码

 

2. xpath

复制代码
from selenium import webdriver
from selenium.webdriver import ActionChains
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
import time

driver=webdriver.Chrome()
driver.get('https://doc.scrapy.org/en/latest/_static/selectors-sample1.html')
driver.implicitly_wait(3)

try:

    # tags=driver.find_elements_by_xpath('//a')
    # print(tags[1].get_attribute('href'))
    # print(tags[1].tag_name)
    # print(tags[1].text)

    # tags=driver.find_elements_by_xpath('//div/a')
    # tags=driver.find_elements_by_xpath('//div//img')
    # print(tags[3].get_attribute('src'))

    # tags=driver.find_element_by_xpath('//div/a[3]')
    # print(tags.get_attribute('href'))

    # //*[@id = "images"]/a[4]/img
    # tag=driver.find_elements_by_xpath('//*[@id = "images"]/a[4]/img')
    # # print(tag.get_attribute('src'))
    # print(tag)

    # tag=driver.find_element_by_xpath('//a[@href="image3.html"]')
    # tags=driver.find_elements_by_xpath('//a[contains(@href,"image")]')
    # for tag in tags:
    #     print(tag.get_attribute('href'))

    # tag=driver.find_element_by_xpath('//a[img/@src="image1_thumb.jpg"]')
    # print(tag.tag_name,tag.get_attribute('href'))

    # tag=driver.find_element_by_xpath('//a[img/@src="image1_thumb.jpg"]')
    # print(tag)
    
    # print(tag.location) 返回tag相对于html的坐标
    # print(tag.size)  返回标签元素的大小


    time.sleep(5)
finally:
    driver.close()
复制代码

 

3. 获取标签属性

复制代码
from selenium import webdriver
from selenium.webdriver import ActionChains
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()

browser.get('https://www.amazon.cn/')

wait=WebDriverWait(browser,10)
wait.until(EC.presence_of_element_located((By.ID,'cc-lm-tcgShowImgContainer')))

tag=browser.find_element(By.CSS_SELECTOR,'#cc-lm-tcgShowImgContainer img')

#获取标签属性,
print(tag.get_attribute('src'))


#获取标签ID,位置,名称,大小(了解)
print(tag.id)
print(tag.location)
print(tag.tag_name)
print(tag.size)

browser.close()
复制代码

五 等待元素被加载

复制代码
#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、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
显式等待:在browser.get('xxx')之后设置,只针对某个元素有效
复制代码
复制代码
 
from selenium import webdriver
from selenium.webdriver import ActionChains
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()

#隐式等待:在查找所有元素时,如果尚未被加载,则等10秒
browser.implicitly_wait(10)

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)

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
print(contents)

browser.close()
 
复制代码
复制代码
from selenium import webdriver
from selenium.webdriver import ActionChains
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()
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)


browser.close()
复制代码

六 元素交互操作

复制代码
from selenium import webdriver
from selenium.webdriver import ActionChains
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()
browser.get('https://www.amazon.cn/')
wait=WebDriverWait(browser,10)


input_tag=wait.until(EC.presence_of_element_located((By.ID,'twotabsearchtextbox')))
input_tag.send_keys('iphone 8')
button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
button.click()


import time
time.sleep(3)

input_tag=browser.find_element_by_id('twotabsearchtextbox')
input_tag.clear() #清空输入框
input_tag.send_keys('iphone7plus')
button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
button.click()



# browser.close()
复制代码
 Action Chains
复制代码
from selenium import webdriver
from selenium.webdriver import ActionChains
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


try:
    browser=webdriver.Chrome()
    browser.get('https://www.baidu.com')
    browser.execute_script('alert("hello world")') #打印警告
finally:
    browser.close()
复制代码
复制代码
#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

from selenium import webdriver
from selenium.webdriver import ActionChains
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


try:
    browser=webdriver.Chrome()
    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()
复制代码

https://www.cnblogs.com/rianley/p/9173963.html
https://www.cnblogs.com/kermitjam/articles/9692585.html#_label9

键盘操作

https://www.cnblogs.com/mengyu/p/6942584.html

七 其他

复制代码
#模拟浏览器的前进后退
import time
from selenium import webdriver

browser=webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.get('https://www.taobao.com')
browser.get('http://www.sina.com.cn/')

browser.back()
time.sleep(10)
browser.forward()
browser.close()
复制代码
复制代码
#cookies
from selenium import webdriver

browser=webdriver.Chrome()
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()
复制代码
复制代码
#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')
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])
browser.get('https://www.taobao.com')
time.sleep(10)
browser.switch_to_window(browser.window_handles[0])
browser.get('https://www.sina.com.cn')
browser.close()
复制代码
复制代码
from selenium import webdriver
from selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameException

try:
    browser=webdriver.Chrome()
    browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
    browser.switch_to.frame('iframssseResult')

except TimeoutException as e:
    print(e)
except NoSuchFrameException as e:
    print(e)
finally:
    browser.close()
复制代码
posted @ 2019-02-19 20:31  逐梦~前行  阅读(287)  评论(0编辑  收藏  举报