selenium 模块
- chromedriver 浏览器驱动下载与存放
- PhantomJS 无界面浏览器

声明：本文转载自小猿取经，在排版和内容上做了点小改动

selenium 模块

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 模块无法直接执行 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，下不同的浏览器驱动即可）

但相对 request 模块而言，性能不是很高（但它可以和 request 合用，用 selenium 来模拟登录，然后再拿着 cookie 用 request 来接着操作）（可以用这个模块来绕过禁掉 request 模块的那部分）

安装 selenium：pip3 install selenium
下载对应版本的浏览器驱动（可参照下面的这张长截图，写的比较通俗易懂（原文地址：https://www.cnblogs.com/babycomeon/p/11909567.html ））

以谷歌浏览器为例：

	下载与电脑上谷歌浏览器对应版本的浏览器驱动 chromdriver.exe，并把它放到 python 安装路径的 scripts 目录下（其实也可以放在）

    	对应版本可以在网上搜对照表（其实差几个小版本问题不大）

chromedriver 浏览器驱动下载与存放

原文地址：https://www.cnblogs.com/babycomeon/p/11909567.html

淘宝的镜像源： http://npm.taobao.org/mirrors/chromedriver

下图链接：https://sites.google.com/a/chromium.org/chromedriver/downloads

# 验证安装

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

PhantomJS 无界面浏览器

PhantomJS 已经不再更新了， chrome 从 59 / 60 正式版开始后便支持 Headless mode 了，即支持无界面，故已经不需要用 PhantomJS 了

标签元素查找方法

#官网链接：http://selenium-python.readthedocs.io/locating-elements.html

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://www.baidu.com')

wait=WebDriverWait(driver,10)

try:

    #===============所有方法===================

    # 1、find_element_by_id

    # 2、find_element_by_link_text

    # 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

    # 强调：

    # 1、上述均可以改写成find_element(By.ID,'kw')的形式

    # 2、find_elements_by_xxx的形式是查找到多个元素，结果为列表

```

#===============示范用法===================

# 1、find_element_by_id

print(driver.find_element_by_id('kw'))

# 2、find_element_by_link_text

# login=driver.find_element_by_link_text('登录')

# login.click()

# 3、find_element_by_partial_link_text

login=driver.find_elements_by_partial_link_text('录')[0]

login.click()

# 4、find_element_by_tag_name

print(driver.find_element_by_tag_name('a'))

# 5、find_element_by_class_name

button=wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'tang-pass-footerBarULogin')))

button.click()

# 6、find_element_by_name

input_user=wait.until(EC.presence_of_element_located((By.NAME,'userName')))

input_pwd=wait.until(EC.presence_of_element_located((By.NAME,'password')))

commit=wait.until(EC.element_to_be_clickable((By.ID,'TANGRAM__PSP_10__submit')))

input_user.send_keys('18611453110')

input_pwd.send_keys('xxxxxx')

commit.click()

# 7、find_element_by_css_selector

driver.find_element_by_css_selector('#kw')

# 8、find_element_by_xpath

```

    time.sleep(5)

finally:

    driver.close()

xpath 格式用法

#官网链接：http://selenium-python.readthedocs.io/locating-elements.html

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.PhantomJS()

driver.get('https://doc.scrapy.org/en/latest/_static/selectors-sample1.html')

# wait=WebDriverWait(driver,3)

driver.implicitly_wait(3) #使用隐式等待

try:

    # find_element_by_xpath

    #//与/

    # 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

    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

    driver.find_element_by_css_selector('body a')

```

#取第n个

res1=driver.find_elements_by_xpath('//body//a[1]') #取第一个a标签

print(res1[0].text)

#按照属性查找,下述三者查找效果一样

res1=driver.find_element_by_xpath('//a[5]')

res2=driver.find_element_by_xpath('//a[@href="image5.html"]')

res3=driver.find_element_by_xpath('//a[contains(@href,"image5")]') #模糊查找

print('==>', res1.text)

print('==>',res2.text)

print('==>',res3.text)

```

```

#其他

res1=driver.find_element_by_xpath('/html/body/div/a')

print(res1.text)

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

print(res2.tag_name,res2.text)

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

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

```

```

time.sleep(5)

```

finally:

    driver.close()

获取标签属性

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()

等待元素被加载

# 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

# -------------隐式等待-------------

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()

# -------------显式等待-------------

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()

显式等待

元素交互操作

点击清空

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()

ActionChains

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('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')

wait=WebDriverWait(driver,3)

# driver.implicitly_wait(3)  # 使用隐式等待

try:

    driver.switch_to.frame('iframeResult') ##切换到iframeResult

    sourse=driver.find_element_by_id('draggable')

    target=driver.find_element_by_id('droppable')

```

#方式一：基于同一个动作链串行执行

# actions=ActionChains(driver) #拿到动作链对象

# actions.drag_and_drop(sourse,target) #把动作放到动作链中，准备串行执行

# actions.perform()

#方式二：不同的动作链，每次移动的位移都不同

```

    ActionChains(driver).click_and_hold(sourse).perform()

    distance=target.location['x']-sourse.location['x']

```

track=0

while track < distance:

    ActionChains(driver).move_by_offset(xoffset=2,yoffset=0).perform()

    track+=2

ActionChains(driver).release().perform()

time.sleep(10)

```

finally:

    driver.close()

在交互动作比较难实现的时候可以自己写 JS（万能方法）

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()

补充：frame 的切换

#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()

其他交互

模拟浏览器的前进后退

#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()

模拟浏览器的前进后退

cookies 操作

#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()

选项卡（标签页）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')

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()

异常处理

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()

小练习

自动登录 163 邮箱并发送邮件

#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

from selenium import webdriver

from selenium.webdriver import ActionChains

from selenium.webdriver.common.by import By

from selenium.webdriver.common.keys import Keys

from selenium.webdriver.support import expected_conditions as EC

from selenium.webdriver.support.wait import WebDriverWait

browser=webdriver.Chrome()

try:

    browser.get('http://mail.163.com/')

```

wait=WebDriverWait(browser,5)

frame=wait.until(EC.presence_of_element_located((By.ID,'x-URS-iframe')))

browser.switch_to.frame(frame)

wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'.m-container')))

inp_user=browser.find_element_by_name('email')

inp_pwd=browser.find_element_by_name('password')

button=browser.find_element_by_id('dologin')

inp_user.send_keys('18611453110')

inp_pwd.send_keys('xxxx')

button.click()

#如果遇到验证码，可以把下面一小段打开注释

# import time

# time.sleep(10)

# button = browser.find_element_by_id('dologin')

# button.click()

```

    wait.until(EC.presence_of_element_located((By.ID,'dvNavTop')))

    write_msg=browser.find_elements_by_css_selector('#dvNavTop li')[1] #获取第二个li标签就是“写信”了

    write_msg.click()

```

wait.until(EC.presence_of_element_located((By.CLASS_NAME,'tH0')))

recv_man=browser.find_element_by_class_name('nui-editableAddr-ipt')

title=browser.find_element_by_css_selector('.dG0 .nui-ipt-input')

recv_man.send_keys('378533872@qq.com')

title.send_keys('圣旨')

print(title.tag_name)

```

```

frame=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'APP-editor-iframe')))

browser.switch_to.frame(frame)

body=browser.find_element(By.CSS_SELECTOR,'body')

body.send_keys('egon很帅，可以加工资了')

browser.switch_to.parent_frame() #切回他爹

send_button=browser.find_element_by_class_name('nui-toolbar-item')

send_button.click()

#可以睡时间久一点别让浏览器关掉，看看发送成功没有

import time

time.sleep(10000)

```

except Exception as e:

    print(e)

finally:

    browser.close()

自动登录163邮箱并发送邮件

爬取京东商城商品信息

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

def get_goods(driver):

    try:

        goods=driver.find_elements_by_class_name('gl-item')

```

    for good in goods:

        detail_url=good.find_element_by_tag_name('a').get_attribute('href')

        p_name=good.find_element_by_css_selector('.p-name em').text.replace('\n','')

        price=good.find_element_by_css_selector('.p-price i').text

        p_commit=good.find_element_by_css_selector('.p-commit a').text

        msg = '''

        商品 : %s

        链接 : %s

        价钱 ：%s

        评论 ：%s

        ''' % (p_name,detail_url,price,p_commit)

        print(msg,end='\n\n')

```

```

    button=driver.find_element_by_partial_link_text('下一页')

    button.click()

    time.sleep(1)

    get_goods(driver)

except Exception:

    pass

```

def spider(url,keyword):

    driver = webdriver.Chrome()

    driver.get(url)

    driver.implicitly_wait(3)  # 使用隐式等待

    try:

        input_tag=driver.find_element_by_id('key')

        input_tag.send_keys(keyword)

        input_tag.send_keys(Keys.ENTER)

        get_goods(driver)

    finally:

        driver.close()

if __name__ == '__main__':

    spider('https://www.jd.com/',keyword='iPhone8手机')

其余练习

爬取亚马逊iphone手机的商品信息

爬取天猫python书籍的商品信息

爬取京东小米手机的商品信息

爬虫-selenium 模块-02的更多相关文章

Python爬虫——selenium模块
selenium模块介绍 selenium最初是一个测试工具,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 ...
爬虫-----selenium模块自动爬取网页资源
selenium介绍与使用 1 selenium介绍什么是selenium?selenium是Python的一个第三方库,对外提供的接口可以操作浏览器,然后让浏览器完成自动化的操作. sel ...
python爬虫--selenium模块.上来自己动!
selenium 基本操作 from selenium import webdriver from time import sleep #实例化一个浏览器对象 bro = webdriver.Chro ...
爬虫----selenium模块
一.介绍 selenium最初是一个测试工具,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 ...
爬虫基础(三)-----selenium模块应用程序
摆脱穷人思维 <三> : 培养"目标导向"的思维: 好项目永远比钱少,只要目标正确,钱总有办法解决. 一 selenium模块什么是selenium?seleni ...
爬虫之selenium模块
Selenium 简介 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 ...
python 全栈开发，Day136(爬虫系列之第3章-Selenium模块)
一.Selenium 简介 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 ...
三: 爬虫之selenium模块
一 selenium模块什么是selenium?selenium是Python的一个第三方库,对外提供的接口可以操作浏览器,然后让浏览器完成自动化的操作. selenium最初是一个自动化测试工具, ...
03 爬虫之selenium模块
selenium模块 1.概念,了解selenium 什么是selenium?selenium是Python的一个第三方库,对外提供的接口可以操作浏览器,然后让浏览器完成自动化的操作. seleniu ...

随机推荐

MySQL数据分析－（1）数据库前言
(一)开场白大家好,欢迎大家跟我一起学习<MySQL数据分析实战>这门课程,对于数据分析师来说,数据库是每一个从业者都必须掌握的课程,我们这门课是从实战的角度出发,我会帮助大家梳理MyS ...
scrapy框架之spider
爬取流程 Spider类定义如何爬取指定的一个或多个网站,包括是否要跟进网页里的链接和如何提取网页内容中的数据. 爬取的过程是类似以下步骤的循环: 1.通过指定的初始URL初始化Request,并指定 ...
RabbitMQ 和 Kafka 的消息可靠性对比
RabbitMQ和Kafka都提供持久的消息保证.两者都提供至少一次和至多一次的保证,另外,Kafka在某些限定情况下可以提供精确的一次(exactly-once)保证. 让我们首先理解一下上述术语的 ...
C++常用字符串函数使用整理
strlen(字符数组) 功能:求字符串长度. 说明:该函数的实参可以是字符数组名,也可以是字符串. 使用样例: char s1[80] = "China"; cout<&l ...
Fiddler 安装使用
Fiddler是一个蛮好用的抓包工具,可以将网络传输发送与接受的数据包进行截获.重发.编辑.转存等操作.也可以用来检测网络安全.反正好处多多,举之不尽呀!当年学习的时候也蛮费劲,一些蛮实用隐藏的小功能 ...
JAVA基础知识|类设计技巧
1.一定要保证数据私有 2.一定要对数据初始化 3.不要再类中使用过多的基本类型 4.不是所有的域都需要独立的域访问器和域更改器 5.将职责过多的类进行分解 6.类名和方法名要能够体现它们的职责 7. ...
mysql数据库的还原及常见问题解决
例如:需要还原的数据库脚本文件为test.sql,脚本中已包含数据库的创建,test.sql所在目录为/home 1.常用source命令进入mysql数据库控制台,如mysql -uroot -p ...
pwn学习日记Day8 基础知识积累
知识杂项 aslr:是一种针对缓冲区溢出的安全保护技术,通过对堆.栈.共享库映射等线性区布局的随机化,通过增加攻击者预测目的地址的难度,防止攻击者直接定位攻击代码位置,达到阻止溢出攻击的目的的一种技术 ...
ph：做参考
1 波动学 <伯克利物理学教程>第三卷上.下册2 场论(朗道)3 场论与粒子物理学(上册)(李政道)出国留学必备书之一!4 场论与粒子物理学(下册)(李政道)5 非平衡态热力 ...
ionic serve 报【ionic-app-scripts' 不是内部或外部命令】问题解
Error: Cannot find module 'E:\angular\ionic0515\node_modules\@ionic\app-scripts' at Function.Modu ...

爬虫-selenium 模块-02