代码操作浏览器
目录
今日内容
1 selenium基本使用
# 由于requests不能执行js，有的页面内容，我们在浏览器中可以看到，但是请求下来没有---》selenium模块：模拟操作浏览器，完成人的行为
# 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
# 安装
pip3.8 install selenium
# 使用
-由于是驱动浏览器：需要确定好驱动哪个浏览器(ie,火狐，谷歌(推荐))
-下载相应的驱动
# 1 基本使用
from selenium import webdriver
import time
# # 驱动谷歌浏览器----》下载谷歌驱动---》谷歌官网访问不到---》访问淘宝镜像站下载：https://registry.npmmirror.com/binary.html?path=chromedriver/
# # ###### 浏览器版本要和驱动对应好 103.0.5060.134
# # 放到项目路径下
#
# #第一步： 等同于你双击谷歌浏览器，打开了浏览器
# # bro=webdriver.Chrome(executable_path='./chromedriver.exe')
# bro=webdriver.Chrome() # 不写路径，要放到项目路径或环境变量中
# # 第二步：在地址栏输入地址
# bro.get('http://www.baidu.com')
#
# time.sleep(2)
# # 第三步：关闭浏览器
# bro.close() # 关闭标签
#
# # bro.quit() # 关闭浏览器
# 2 模拟登录百度
from selenium.webdriver.common.by import By
# bro = webdriver.Chrome()
# bro.implicitly_wait(10) # 隐士等待，无论找页面中那个标签，如果找不到，会等待最多10s钟
# bro.get('https://www.baidu.com/')
# # 1 根据标签id号，获取标签
# # btn=bro.find_element_by_id('s-top-loginbtn') # 老版本
# # btn=bro.find_element(by=By.ID, value='s-top-loginbtn') # 新版本
# # 2 根据文字找标签：a标签的文字
# btn = bro.find_element(by=By.LINK_TEXT, value='登录')
# print(btn)
#
# # 点击一下按钮
# btn.click()
# # 用户名，密码输入框
# username = bro.find_element(by=By.ID, value='TANGRAM__PSP_11__userName')
# password = bro.find_element(by=By.ID, value='TANGRAM__PSP_11__password')
# # 写入文字
# username.send_keys('616564099@qq.com')
# time.sleep(1)
# password.send_keys('lqz123')
#
# btn_login=bro.find_element(by=By.ID,value='TANGRAM__PSP_11__submit')
# btn_login.click()
# time.sleep(8)
#
#
# bro.close() # 关闭标签
#1 查找控件：bro.find_element(by=By.ID,value='TANGRAM__PSP_11__submit')
# 1、find_element_by_id # 根据id
# 2、find_element_by_link_text # 根据a标签的文字
# 3、find_element_by_partial_link_text # 根据a标签的文字模糊匹配
# 4、find_element_by_tag_name # 根据标签名
# 5、find_element_by_class_name # 根据类名
# 6、find_element_by_name # 根据name属性
# 7、find_element_by_css_selector # css选择器
# 8、find_element_by_xpath # xpath
# 2 点击某个按钮
# 标签对象.click()
# 3 向输入框中写内容
# 标签对象.send_keys(内容)
# 打开百度，搜索美女
bro=webdriver.Chrome()
bro.implicitly_wait(10)
bro.get('https://www.baidu.com/')
input_a=bro.find_element(By.NAME,value='wd')
input_a.send_keys('美女')
btn=bro.find_element(By.ID,'su')
time.sleep(1)
btn.click()
time.sleep(3)
bro.close()
2 无界面浏览器
# 不显示的打开浏览器的图形化界面，还能获取数据
import time
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
chrome_options = Options()
chrome_options.add_argument('window-size=1920x3000') #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
driver=webdriver.Chrome(options=chrome_options)
driver.get('https://www.cnblogs.com/')
print(driver.page_source) # 当前页面的内容(html内容)
time.sleep(2)
driver.close()
3 selenium其它用法
3.1 获取位置属性大小，文本
# import time
# import base64
# from selenium import webdriver
# from selenium.webdriver.common.by import By
# bro=webdriver.Chrome()
# bro.get('https://kyfw.12306.cn/otn/resources/login.html')
# bro.implicitly_wait(10)
# btn=bro.find_element(By.LINK_TEXT,'扫码登录')
#
# btn.click()
# time.sleep(1)
# img=bro.find_element(By.ID,'J-qrImg')
# print(img.location)
# print(img.size)
# print(img.id) # 不是标签的id号
# print(img.tag_name) # 是标签的名字
# # print(img.get_attribute('src'))
# s=img.get_attribute('src')
# with open('code.png','wb') as f:
# res=base64.b64decode(s.split(',')[-1])
# f.write(res)
#
#
# bro.close()
3.2 等待元素被加载
# 程序操作页面非常快，所以在取每个标签的时候，标签可能没有加载号，需要设置等待
-显示等待：不需要了解
-隐士等待：bro.implicitly_wait(10)
3.3 元素操作
# 1 搜索标签：find_element：找第一个 find_elements：找所有
# 1、find_element_by_id # 根据id
# 2、find_element_by_link_text # 根据a标签的文字
# 3、find_element_by_partial_link_text # 根据a标签的文字模糊匹配
# 4、find_element_by_tag_name # 根据标签名
# 5、find_element_by_class_name # 根据类名
# 6、find_element_by_name # 根据name属性
# 7、find_element_by_css_selector # css选择器
# 8、find_element_by_xpath # xpath
# 2 点击
标签.click()
# 3 写入文字
标签.send_keys()
# 4 清空
标签.clear()
# 5 滑动屏幕到最底部（滑动加载）
bro.execute_script('scrollTo(0,document.body.scrollHeight)')
3.4 执行js代码
import time
from selenium import webdriver
from selenium.webdriver.common.by import By
bro=webdriver.Chrome()
bro.get('https://www.pearvideo.com/category_8')
time.sleep(1)
# 这里面写js代码
# bro.execute_script('scrollTo(0,document.body.scrollHeight)')
# bro.execute_script('alert(md5_vm_test)')
bro.execute_script('alert(md5_vm_test())')
time.sleep(1)
bro.close()
# 执行js用途：1 普通滑屏，打开新标签 2 可以执行js代码，别人网站的变量，函数，都可以拿到并执行的
3.5 切换选项卡
import time
from selenium import webdriver
from selenium.webdriver.common.by import By
bro=webdriver.Chrome()
bro.get('https://www.pearvideo.com/category_8')
# 打开新的选项卡
bro.execute_script('window.open()')
# bro.switch_to_window(bro.window_handles[1]) # 老版本，弃用了
bro.switch_to.window(bro.window_handles[1])
bro.get('http://www.baidu.com')
time.sleep(2)
bro.switch_to.window(bro.window_handles[0])
time.sleep(2)
# bro.close()
bro.quit()
3.6 浏览器前进后退
import time
from selenium import webdriver
from selenium.webdriver.common.by import By
bro=webdriver.Chrome()
bro.get('https://www.pearvideo.com/category_8')
time.sleep(1)
bro.get('https://www.baidu.com')
bro.back() # 后退
time.sleep(1)
bro.forward()
bro.quit()
3.7 异常处理
import time
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameException
bro=webdriver.Chrome()
try:
bro.get('https://www.pearvideo.com/category_8')
time.sleep(1)
bro.get('https://www.baidu.com')
bro.back() # 后退
raise Exception('报错了')
time.sleep(1)
bro.forward()
except Exception as e:
print(e)
finally:
bro.quit()
4 selenium登录cnblogs获取cookie
import time
import json
from selenium import webdriver
from selenium.webdriver.common.by import By
bro=webdriver.Chrome()
bro.implicitly_wait(10)
####1 登录成功
# try:
# bro.get('https://www.cnblogs.com/')
# time.sleep(1)
# btn=bro.find_element(By.LINK_TEXT,'登录')
# btn.click()
# time.sleep(3)
# username=bro.find_element(By.ID,'mat-input-0')
# password=bro.find_element(By.ID,'mat-input-1')
# username.send_keys('616564099@qq.com')
# time.sleep(1)
# password.send_keys('lqz')
#
# btn_login=bro.find_element(By.CSS_SELECTOR,'body > app-root > app-sign-in-layout > div > div > app-sign-in > app-content-container > div > div > div > form > div > button')
# btn_login.click()
# # time.sleep(20) # 人工破解验证码，登录成功
# input()
# cookies=bro.get_cookies()
# print(cookies)
# with open('cnblgos.json','w',encoding='utf-8') as f:
# json.dump(cookies,f)
#
# time.sleep(2)
#
# except Exception as e:
# print(e)
#
# finally:
# bro.quit()
### 2 打开页面
try:
bro.get('https://www.cnblogs.com/')
time.sleep(2)
# 把cookie写入浏览器，刷新一下，就登录了
with open('cnblgos.json','r',encoding='utf-8') as f:
res=json.load(f)
for item in res:
bro.add_cookie(item)
# 刷新浏览器
bro.refresh()
time.sleep(2)
except Exception as e:
print(e)
finally:
bro.quit()
5 抽屉半自动点赞
# selenium的cookie和requests用的cookie格式不太一样
[{},{}]--->{'key':'value'}
name,value--->{name:value,name:value}
7 几个爬虫案例
# 2 爬红楼梦小说
#http://www.shicimingju.com/book/hongloumeng.html
# import requests
#
# from bs4 import BeautifulSoup
# ret=requests.get('https://www.shicimingju.com/book/hongloumeng.html')
# ret.encoding='utf-8'
#
# soup=BeautifulSoup(ret.text,'lxml')
# li_list=soup.find(class_='book-mulu').find('ul').find_all('li')
# with open('hlm.txt','w',encoding='utf-8') as f:
# for li in li_list:
# content=li.find('a').text
# url='https://www.shicimingju.com'+li.find('a').get('href')
# f.write(content)
# f.write('\n')
# res_content=requests.get(url)
# res_content.encoding = 'utf-8'
# res_content.encoding=res_content.apparent_encoding
# soup2=BeautifulSoup(res_content.text,'lxml')
# content_detail=soup2.find(class_='chapter_content').text
# f.write(content_detail)
# f.write('\n')
# print(content,'写入了')
# 3 爬肯德基门店
# http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=keyword
import requests
header = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36'
}
data = {
'cname': '',
'pid': 20,
'keyword': '浦东',
'pageIndex': 1,
'pageSize': 10
}
ret = requests.post('http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=keyword', data=data, headers=header)
print(ret.json())
浙公网安备 33010602011771号