selenium模块

一介绍
二安装
三基本使用
四选择器
五等待元素被夹在
元素交互操作
其他
项目联

一介绍

selenium最初是一个自动化测试的工具，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，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()

二安装

1、有界面浏览器

#安装：selenium+chromedriver

pip3 install selenium

chromedriver下载地址：http://chromedriver.storage.googleapis.com/index.html

浏览器版本和驱动版本的对应关系表： https://blog.csdn.net/huilan_same/article/details/51896672

2、无界面浏览器

PhantomJS不再更新

#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. (v3.6.1:69c0db5, Mar  , ::) [MSC v.  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

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

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

chrome_options.binary_location = r"C:\Program Files (x86)\Google\Chrome\Application\chrome.exe" #手动指定使用的浏览器位置

driver=webdriver.Chrome(chrome_options=chrome_options)

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

print('hao123' in driver.page_source)

driver.close() #切记关闭浏览器，回收资源

selenium+谷歌浏览器headless模式

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,)

    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,)

try:

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

    # 、find_element_by_id

    # 、find_element_by_link_text

    # 、find_element_by_partial_link_text

    # 、find_element_by_tag_name

    # 、find_element_by_class_name

    # 、find_element_by_name

    # 、find_element_by_css_selector

    # 、find_element_by_xpath

    # 强调：

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

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

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

    # 、find_element_by_id

    print(driver.find_element_by_id('kw'))

    # 、find_element_by_link_text

    # login=driver.find_element_by_link_text('登录')

    # login.click()

    # 、find_element_by_partial_link_text

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

    login.click()

    # 、find_element_by_tag_name

    print(driver.find_element_by_tag_name('a'))

    # 、find_element_by_class_name

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

    button.click()

    # 、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('xxxxxx')

    commit.click()

    # 、find_element_by_css_selector

    driver.find_element_by_css_selector('#kw')

    # 、find_element_by_xpath

    time.sleep()

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,)

driver.implicitly_wait() #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[].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()

finally:

    driver.close()

三、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,)

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()

五、等待元素被加载

#、selenium只是模拟浏览器行为，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。

#、等待的方式分两种：

隐式等待：在browser.get('xxx')前设置，针对所有元素有效

显式等待：在browser.get('xxx')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()

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

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,)

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

六元素交互操作

import time

from selenium import  webdriver

from selenium.webdriver.common.keys import Keys

tiga=webdriver.Chrome()

tiga.get('https://www.jd.com/')

tiga.implicitly_wait()

try:

    key=tiga.find_element_by_id('key')

    key.send_keys('iphone')

    key.send_keys(Keys.ENTER)

    time.sleep()

    d=tiga.find_element_by_id('key')

    d.clear()

    d.send_keys('电脑')

    d.send_keys(Keys.ENTER)

    time.sleep()

except Exception:

    pass

finally:

    tiga.close()

点击、清空

import time

from selenium import webdriver

from selenium.webdriver import ActionChains

tiga=webdriver.Chrome()

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

tiga.implicitly_wait()

try:

    tiga.switch_to.frame('iframeResult')

    source=tiga.find_element_by_id('draggable')

    target=tiga.find_element_by_id('droppable')

    #方法一

    # chain=ActionChains(tiga)

    # chain.drag_and_drop(source,target)

    # chain.perform()

    #方法二

    ActionChains(tiga).click_and_hold(source).perform()

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

    track =

    while track < distance:

        ActionChains(tiga).move_by_offset(xoffset=, yoffset=).perform()

        track += 

    ActionChains(tiga).release().perform()

    time.sleep()

except Exception:

    pass

finally:

    tiga.close()

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）

# frame相当于一个单独的网页，在父frame里无法直接查看到自frame的元素，必须switch_to_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()

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()

browser.forward()

browser.close()

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()

#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[])

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

time.sleep()

browser.switch_to_window(browser.window_handles[])

browser.get('https://www.sina.com.cn')

browser.close()

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

八练习

from selenium import webdriver

from time import sleep

#创建一个浏览器对象executable_path驱动的路径

bro = webdriver.Chrome(executable_path='./chromedriver.exe')

#get方法可以指定一个url，让浏览器进行请求

bro.implicitly_wait()

bro.get('https://mail.163.com/')

try:

    # 切换到登陆的iframe

    sle = bro.find_element_by_xpath('//*[@id="loginDiv"]/iframe').get_attribute("id")

    bro.switch_to.frame(sle)

    # 输入账号密码登陆

    user = bro.find_element_by_name('email')

    pwd = bro.find_element_by_name('password')

    user.send_keys('xuchaoqiang')

    pwd.send_keys('...')

    button = bro.find_element_by_id('dologin')

    button.click()#click表示的是点击操作

    # 点击写信按钮发邮件

    write_btn = bro.find_element_by_id("_mail_component_24_24")

    write_btn.click()

    # 输入收信人

    recipient = bro.find_element_by_class_name("nui-editableAddr-ipt")

    recipient.send_keys("825645848@qq.com")

    # 输入写信内容(切换frame)//*[@id="_mail_editor_0_212"]/div[1]/div[2]/iframe

    fx = bro.find_element_by_xpath('//iframe[@class="APP-editor-iframe"]')

    bro.switch_to.frame(fx)

    send_text = bro.find_element_by_class_name("nui-scroll")

    send_text.send_keys('test1')

    #切换到父frame

    bro.switch_to.parent_frame()

    # 点击发送邮件

    send_btn = bro.find_element_by_xpath('//div[@class="nui-toolbar-item"]/div[1]')

    send_btn.click()

except Exception:

    pass

finally:

    bro.quit()#关闭浏览器

自动登录163邮箱并发送邮件

from selenium import webdriver

from selenium.webdriver.common.keys import Keys

import time

def get_goods(driver):

    try:

        goods_list = driver.find_elements_by_class_name("gl-item")

        for good in goods_list:

            p_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", " ")

            p_price = good.find_element_by_css_selector(".p-price i").text

            p_comment = good.find_element_by_css_selector(".p-commit").text

            msg = '''

            商品 : %s

            链接 : %s

            价钱 ：%s

            评论 ：%s

            ''' % (p_name,p_url,p_price,p_comment)

            print(msg, end='\n')

        button=driver.find_element_by_partial_link_text('下一页')

        button.click()

        time.sleep()

        get_goods(driver)

    except Exception:

        pass

def spider(url, keyword):

    driver = webdriver.Chrome(executable_path='./chromedriver.exe')

    driver.get(url)

    driver.implicitly_wait()

    try:

        key = driver.find_element_by_id("key")

        key.send_keys(keyword)

        key.send_keys(Keys.ENTER)

        get_goods(driver)

    finally:

        bro.close()

if __name__ == '__main__':

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

爬取京东商品信息

补充

driver对象用xpath筛选出元素的selenium对象，使用get_attribute("##")来获取属性值

selenium模块的更多相关文章

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 ...
使用Selenium模块报错的解决办法 (FileNotFound,WebDriverException)
添加Chrome浏览器程序的目录到系统Path变量中: C:\Users\%USERNAME%\AppData\Local\Google\Chrome\Application ,使用pip3 inst ...
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 ...
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, ...
7 selenium 模块
selenium 模块一.简介 1.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. 2.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 ...
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 ...
浏览器行为模拟之requests、selenium模块
requests模块前言: 通常我们利用Python写一些WEB程序.webAPI部署在服务端,让客户端request,我们作为服务器端response数据: 但也可以反主为客利用Python的re ...
爬虫模块之selenium模块
一模块的介绍 selenium模块最开始是一个自动化测试的工具,驱动浏览器完全模拟浏览器自动测试. from selenium import webdriver # 驱动浏览器 browser=we ...

随机推荐

类StringBuilder
StringBuilder概述因为字符串的底层是一个被final修饰的数组,不能改变,是一个常量.所以每当进行字符串拼接时,总是会在内存中创建一个新的对象.由此可知,如果对字符串进行拼接操作,每次拼 ...
day12（表达式，推导式，名称空间与作用域，函数的嵌套定义）
一,复习 # 字符串的比较 # -- 按照从左往右比较每一个字符,通过字符对应的ascll进行比较 # print('a' > 'A') #True # print('ac' > 'ab' ...
菜鸟学IT-分布式版本控制系统Git的安装与使用
分布式版本控制系统Git的安装与使用本次作业要求来于:https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/2103 一.首先在window ...
软工+C(5): 工具和结构化（重构中, part 1...)
// 上一篇:Alpha/Beta换人 // 下一篇:最近发展区/脚手架目录: ** 0x01 讨论:工具/轮子 ** 0x02 讨论:结构/演进 ** 0x03 讨论:行为/活动 ** 0x04 ...
[转帖]Oracle 各个版本的升级路线图
从oracle 7开始(甚至更早版本)到oracle 9iR2. 来源: https://blog.csdn.net/cymm_liu/article/details/11647533 http:// ...
router-link RangeError: Maximum call stack size exceeded
报错的原因是路由不能写外部链接写成<a href=""></a>
HDU 4547 CD操作
传送门没啥好说的.就是一个LCA. 不过就是有从根到子树里任意一个节点只需要一次操作,特判一下LCA是不是等于v.相等的话不用走.否则就是1次操作. 主要是想写一下倍增的板子. 倍增基于二进制.暴力 ...
Spring MVC 使用介绍（十二）控制器返回结果统一处理
一.概述在为前端提供http接口时,通常返回的数据需要统一的json格式,如包含错误码和错误信息等字段. 该功能的实现有四种可能的方式: AOP 利用环绕通知,对包含@RequestMapping注 ...
python面试题整合
面试题整合面试题—并发编程部分
「快速傅里叶变换(FFT)」学习笔记
FFT即快速傅里叶变换,离散傅里叶变换及其逆变换的快速算法.在OI中用来优化多项式乘法. 本文主要目的是便于自己整理.复习 FFT的算法思路已知两个多项式的系数表达式,要求其卷积的系数表达式. 先将 ...

selenium模块

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 练习

补充

selenium模块的更多相关文章

随机推荐

热门专题

一介绍

二安装

六元素交互操作

七其他

八练习