爬虫----爬虫请求库selenium

一介绍

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

browser=webdriver.Chrome()

browser=webdriver.Firefox()

browser=webdriver.PhantomJS()

browser=webdriver.Safari()

browser=webdriver.Edge()

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

二安装

#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2.29，并非2.9

国内镜像网站地址：http://npm.taobao.org/mirrors/chromedriver/2.29/

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

selenium+chromedriver

selenium+chromedriver

#安装：selenium+phantomjs

pip3 install selenium

下载phantomjs，解压后把phantomjs.exe所在的bin目录放到环境变量

下载链接：http://phantomjs.org/download.html

#验证安装

C:\Users\Administrator>phantomjs

phantomjs> console.log('egon gaga')

egon gaga

undefined

phantomjs> ^C

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.PhantomJS() #无界面浏览器

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

>>> driver.page_source

selenium+phantomjs

selenium+phantomjs

三基本使用

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()

try:

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

    input_tag=browser.find_element_by_id('kw')

    input_tag.send_keys('美女') #python2中输入中文错误，字符串前加个u

    input_tag.send_keys(Keys.ENTER) #输入回车

    wait=WebDriverWait(browser,10)

    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

    print(browser.page_source)

    print(browser.current_url)

    print(browser.get_cookies())

finally:

    browser.close()

四选择器

　　一基本用法

#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.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('')

    input_pwd.send_keys('lhf@094573')

    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()

　　二 xpath

#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="data: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()

　　三获取标签属性

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

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()

隐式等待

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()

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

显式等待

六元素交互操作

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()

点击，清空

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

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()

Action Chains

Action Chains

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()

在交互动作比较难实现的时候可以自己写JS（万能方法）

在交互动作比较难实现的时候可以自己写JS（万能方法）

#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()

补充:frame的切换

补充:frame的切换

七其他

#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

模拟浏览器的前进后退

#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()

cookies

#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()

选项卡管理

选项卡管理

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()

异常处理

异常处理

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')

爬取京东商城商品信息

爬虫----爬虫请求库selenium的更多相关文章

爬虫、请求库selenium
阅读目录一介绍二安装三基本使用四选择器五等待元素被加载六元素交互操作七其他八项目练习一介绍 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r ...
Python3 网络爬虫（请求库的安装）
Python3 网络爬虫(请求库的安装) 爬虫可以简单分为几步:抓取页面,分析页面和存储数据在页面爬取的过程中我们需要模拟浏览器向服务器发送请求,所以需要用到一些python库来实现HTTP的请求操 ...
关于python请求库Selenium安装所遇到的问题
今天,初次接触python,在网上买了一本关于爬虫的书,因为之前电脑上存在python,所以就对着书直接进行的请求库的安装,安装的时候,主要遇到了下边一个问题,在安装Selenium的时候,出现以下提 ...
爬虫请求库——selenium
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无法直接执行JavaScript代码的问题.selenium的缺点是效率会变得很慢. sel ...
爬虫、请求库requests
阅读目录一介绍二基于GET请求三基于POST请求四响应Response 五高级用法一介绍 #介绍:使用requests可以模拟浏览器的请求,比起之前用到的urllib,req ...
Python爬虫requests请求库
requests:pip install request 安装实例: import requestsurl = 'http://www.baidu.com'response = requests. ...
请求库-selenium 模块
# -*- coding: utf-8 -*- # 安装: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 ...
爬虫（二）—— 请求库（二）selenium请求库
目录 selenium请求库一.什么是selenium 二.环境搭建三.使用selenium模块 1.使用chrome并设置为无GUI模式 2.使用chrome有GUI模式 3.显示等待与隐式等待 ...
爬虫请求库——requests
请求库,即可以模仿浏览器对网站发起请求的模块(库). requests模块使用requests可以模拟浏览器的请求,requests模块的本质是封装了urllib3模块的功能,比起之前用到的urll ...

随机推荐

添加JavaDoc
使用javadoc比较容易生成文档,命令如下: javadoc -d doc -sourcepath src/main/java/ -subpackages com -encoding UTF-8 - ...
Python机器学习(1)：KMeans聚类
Python进行KMeans聚类是比较简单的,首先需要import numpy,从sklearn.cluster中import KMeans模块: import numpy as np from sk ...
同一个脚本在SQLPLUS和SQLDEV上的不同
前几天收集了信息给Oracle.oracle那边表示格式不正确.让我又一次收集.我非常费解,我是依照官方文档做的呀,怎么会? 于是我果断自己搭了一个环境:RHEL5.8+10.2.0.5 客户那边没法 ...
Unity的Attribute（特性）还算多吧
属性 (Attribute) 使用 Unity 的C#语言 ,利用属性(Attribute)来类定义和变量定义或区分其他的变量,您可以设置一种特殊行为.* 1 例如,您添加[SerializeFiel ...
④NuPlayer播放框架之Renderer源码分析
[时间:2016-11] [状态:Open] [关键词:android,nuplayer,开源播放器,播放框架,渲染器,render] 0 导读之前我们分析了NuPlayer的实现代码,本文将重点聚 ...
lsb隐写
所使用工具:wbs43open-win32 案例文件:https://files.cnblogs.com/files/xishaonian/lsb.rar 直接图片加载进去next即可. 使用工具处理 ...
cocos2d-x 重力感应
本文没你想象的那么,,复杂.事实上就是通过重力感应控制个小球移动而已. 先看头文件: #ifndef __HELLOWORLD_SCENE_H__ #define __HELLOWORLD_SCENE ...
Java多线程系列——信号量：Semaphore
简介信号量为多线程协作提供了更为强大的控制方法.也可以说,信号量是对锁的扩展.无论是内部锁 synchronized 还是重入锁 ReentrantLock,一次都只允许一个线程访问一个资源,而信号 ...
JS封装动画框架,网易轮播图,旋转轮播图
JS封装动画框架,网易轮播图,旋转轮播图 1. JS封装运动框架 // 多个属性运动框架添加回调函数 function animate(obj,json,fn) { clearInterval(ob ...
大数据基础篇----jvm的知识点归纳-5个区和垃圾回收机制
一直对jvm看了又忘,忘了又看的.今天做一个笔记整理存放在这里. 我们先看一下JVM的内存模型图: 上面有5个区,这5个区干嘛用的呢? 我们想象一个场景: 我们有一个class文件,里面有很多的类的定 ...

爬虫----爬虫请求库selenium

一 介绍

二 安装

三 基本使用

六 元素交互操作

七 其他

爬虫----爬虫请求库selenium的更多相关文章

随机推荐

热门专题

一介绍

二安装

三基本使用

六元素交互操作

七其他