【转】Python爬虫(4)_selenium模块
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
- 下载链接:http://npm.taobao.org/mirrors/chromedriver/2.29/
- #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
- #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
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 三种选择器
- 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')
- #以下三种方式达到的都是同一种效果:查找id为kw的标签
- input_tag1=browser.find_element(By.ID,'kw') #等同于:input_tag1=browser.find_element_by_id('kw')
- input_tag2=browser.find_element(By.CSS_SELECTOR,'#kw') #等同于:input_tag2=browser.find_element_by_css_selector('#kw')
- input_tag3=browser.find_element(By.XPATH,'//*[@id="kw"]') #等同于:input_tag3=browser.find_element_by_xpath('//*[@id="kw"]')
- #注意:browser.find_elements系列与browser.find_element的区别就是,前者是查找多个,后者是只找第一个
- div1=browser.find_element(By.CSS_SELECTOR,'div') #找到第一个div标签
- div2=browser.find_elements(By.CSS_SELECTOR,'div') #找到所有的div标签,放到列表里
- browser.close()
三种查找元素方式
- 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()
获取标签属性
五 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
- 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
- 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
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
- #http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.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
- browser=webdriver.Chrome()
- browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
- browser.switch_to.frame('iframeResult') #切换到iframeResult
- source=browser.find_element_by_id('draggable')
- target=browser.find_element_by_id('droppable')
- actions=ActionChains(browser) #拿到动作链对象
- actions.drag_and_drop(source,target) #把动作放到动作链中,准备串行执行
- actions.perform() #执行
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
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
- #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
- 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 项目练习
- #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('')
- 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
【转】Python爬虫(4)_selenium模块的更多相关文章
- Python爬虫之urllib模块2
Python爬虫之urllib模块2 本文来自网友投稿 作者:PG-55,一个待毕业待就业的二流大学生. 看了一下上一节的反馈,有些同学认为这个没什么意义,也有的同学觉得太简单,关于Beautiful ...
- Python爬虫之urllib模块1
Python爬虫之urllib模块1 本文来自网友投稿.作者PG,一个待毕业待就业二流大学生.玄魂工作室未对该文章内容做任何改变. 因为本人一直对推理悬疑比较感兴趣,所以这次爬取的网站也是平时看一些悬 ...
- Python爬虫教程-09-error 模块
Python爬虫教程-09-error模块 今天的主角是error,爬取的时候,很容易出现错,所以我们要在代码里做一些,常见错误的处,关于urllib.error URLError URLError ...
- 孤荷凌寒自学python第六十七天初步了解Python爬虫初识requests模块
孤荷凌寒自学python第六十七天初步了解Python爬虫初识requests模块 (完整学习过程屏幕记录视频地址在文末) 从今天起开始正式学习Python的爬虫. 今天已经初步了解了两个主要的模块: ...
- Python爬虫练习(requests模块)
Python爬虫练习(requests模块) 关注公众号"轻松学编程"了解更多. 一.使用正则表达式解析页面和提取数据 1.爬取动态数据(js格式) 爬取http://fund.e ...
- Python 爬虫二 requests模块
requests模块 Requests模块 get方法请求 整体演示一下: import requests response = requests.get("https://www.baid ...
- Python爬虫之requests模块(1)
一.引入 Requests 唯一的一个非转基因的 Python HTTP 库,人类可以安全享用. 警告:非专业使用其他 HTTP 库会导致危险的副作用,包括:安全缺陷症.冗余代码症.重新发明轮子症.啃 ...
- Python爬虫之requests模块(2)
一.今日内容 session处理cookie proxies参数设置请求代理ip 基于线程池的数据爬取 二.回顾 xpath的解析流程 bs4的解析流程 常用xpath表达式 常用bs4解析方法 三. ...
- python爬虫值requests模块
- 基于如下5点展开requests模块的学习 什么是requests模块 requests模块是python中原生的基于网络请求的模块,其主要作用是用来模拟浏览器发起请求.功能强大,用法简洁高效.在 ...
随机推荐
- Creating Dialogbased Windows Application (1) / 创建基于对话框的Windows应用程序(一)新建窗体 / VC++, Windows
创建基于对话框的Windows应用程序(一) —— 新建窗体 1.新建一个Visual C++的Empty Project. 2.在Solution Explorer中右键Add New Item, ...
- JavaScript之语句
ECMA-262 规定了一组语句(也称为流控制语句).从本质上看,语句定义了 ECMAScript 中的主要语法,语句通常使用一或多个关键字来完成给定任务. if语句 if语句是最常见的一种语句,语法 ...
- eclipse + MinGW调试程序printf输出被buffer的问题
比如说一个 1. int x = 1;2. printf("xxx")3. int y = 2;调试的时候,运行第二行,但是控制台没有输出.必须调试到整个程序都结束的时候才会把所有 ...
- hdu1533 Going Home 最小费用最大流 构造源点和汇点
Going Home Time Limit: 10000/5000 MS (Java/Others) Memory Limit: 65536/32768 K (Java/Others)Total ...
- hdu3208 Power of Integer
/** 题目:H - Power of Integer 链接:https://vjudge.net/contest/152887#problem/H 题意:给出区间[a, b],问你区间[a, b]所 ...
- 配置LANMP环境(3)-- 安装anmp前准备与实用软件安装
一.安装配置vim 1.安装 yum -y install vim* 2.创建文件夹 mkdir -p /etc/vim/ 3.配置 vim ~/.vimrc "插入模式时 光标的上下左右 ...
- samba在linux下的配置
Samba配置过程容易遇到的问题 samba的安装很简单,搜索一下都能找到.我主要是记录一上我碰到的问题及解决的办法 第一个问题 防火墙的问题,粗暴的办法是直接把防火墙关掉,合适的做法是把samba用 ...
- Mybatis 逆向工程 自动生成代码
Mybatis 可以通过一定的代码,自动生成包括mapper.xml.mapper.java.po等文件: 一.环境准备: 用到的JAR包如下: 文件只有两个:GenMain.java和generat ...
- SourceInsight 不断无响应的有关问题
SourceInsight 不断无响应的问题 sourceinsight3使用过程中,如果是大工程,总是出现抽筋的现象,CPU使用.内存占用都很高,阅读android源码不断出现无响应.后发现主要是因 ...
- ORACL EXP导出数据说明
转载自:http://www.jb51.net/article/17358.htm Oracle 数据库导出(exp)导入(imp)说明 exp 将数据库内的各对象以二进制方式下载成dmp文件,方 ...