一 介绍

  1. 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
  2.  
  3. 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
  4.  
  5. from selenium import webdriver
  6. browser=webdriver.Chrome()
  7. browser=webdriver.Firefox()
  8. browser=webdriver.PhantomJS()
  9. browser=webdriver.Safari()
  10. browser=webdriver.Edge() 

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

二 安装

  1. #安装:selenium+chromedriver
  2. pip3 install selenium
  3. 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
  4. 下载链接:http://npm.taobao.org/mirrors/chromedriver/2.29/
  5.  
  6. #验证安装
  7. C:\Users\Administrator>python3
  8. Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
  9. Type "help", "copyright", "credits" or "license" for more information.
  10. >>> from selenium import webdriver
  11. >>> driver=webdriver.Chrome() #弹出浏览器
  12. >>> driver.get('https://www.baidu.com')
  13. >>> driver.page_source
  14.  
  15. #注意:
  16. selenium3默认支持的webdriverFirfox,而Firefox需要安装geckodriver
  17. 下载链接:https://github.com/mozilla/geckodriver/releases

selenium+chromedriver

  1. #安装:selenium+phantomjs
  2. pip3 install selenium
  3. 下载phantomjs,解压后把phantomjs.exe所在的bin目录放到环境变量
  4. 下载链接:http://phantomjs.org/download.html
  5.  
  6. #验证安装
  7. C:\Users\Administrator>phantomjs
  8. phantomjs> console.log('egon gaga')
  9. egon gaga
  10. undefined
  11. phantomjs> ^C
  12. C:\Users\Administrator>python3
  13. Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
  14. Type "help", "copyright", "credits" or "license" for more information.
  15. >>> from selenium import webdriver
  16. >>> driver=webdriver.PhantomJS() #无界面浏览器
  17. >>> driver.get('https://www.baidu.com')
  18. >>> driver.page_source

selenium+phantomjs

三 基本使用

  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  7.  
  8. browser=webdriver.Chrome()
  9. try:
  10. browser.get('https://www.baidu.com')
  11.  
  12. input_tag=browser.find_element_by_id('kw')
  13. input_tag.send_keys('美女') #python2中输入中文错误,字符串前加个u
  14. input_tag.send_keys(Keys.ENTER) #输入回车
  15.  
  16. wait=WebDriverWait(browser,10)
  17. 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
  18.  
  19. print(browser.page_source)
  20. print(browser.current_url)
  21. print(browser.get_cookies())
  22.  
  23. finally:
  24. browser.close()

四 三种选择器

  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  7.  
  8. browser=webdriver.Chrome()
  9.  
  10. browser.get('https://www.baidu.com')
  11.  
  12. #以下三种方式达到的都是同一种效果:查找id为kw的标签
  13. input_tag1=browser.find_element(By.ID,'kw') #等同于:input_tag1=browser.find_element_by_id('kw')
  14.  
  15. input_tag2=browser.find_element(By.CSS_SELECTOR,'#kw') #等同于:input_tag2=browser.find_element_by_css_selector('#kw')
  16.  
  17. input_tag3=browser.find_element(By.XPATH,'//*[@id="kw"]') #等同于:input_tag3=browser.find_element_by_xpath('//*[@id="kw"]')
  18.  
  19. #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
  20. div1=browser.find_element(By.CSS_SELECTOR,'div') #找到第一个div标签
  21. div2=browser.find_elements(By.CSS_SELECTOR,'div') #找到所有的div标签,放到列表里
  22.  
  23. browser.close()

三种查找元素方式

  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  7.  
  8. browser=webdriver.Chrome()
  9.  
  10. browser.get('https://www.amazon.cn/')
  11.  
  12. wait=WebDriverWait(browser,10)
  13. wait.until(EC.presence_of_element_located((By.ID,'cc-lm-tcgShowImgContainer')))
  14.  
  15. tag=browser.find_element(By.CSS_SELECTOR,'#cc-lm-tcgShowImgContainer img')
  16.  
  17. #获取标签属性,
  18. print(tag.get_attribute('src'))
  19.  
  20. #获取标签ID,位置,名称,大小(了解)
  21. print(tag.id)
  22. print(tag.location)
  23. print(tag.tag_name)
  24. print(tag.size)
  25.  
  26. browser.close()

获取标签属性

五 等待元素被加载

  1. #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.  
  3. #2、等待的方式分两种:
  4. 隐式等待:在browser.get'xxx')前就设置,针对所有元素有效
  5. 显式等待:在browser.get'xxx')之后设置,只针对某个元素有效
  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  7.  
  8. browser=webdriver.Chrome()
  9.  
  10. #隐式等待:在查找所有元素时,如果尚未被加载,则等10秒
  11. browser.implicitly_wait(10)
  12.  
  13. browser.get('https://www.baidu.com')
  14.  
  15. input_tag=browser.find_element_by_id('kw')
  16. input_tag.send_keys('美女')
  17. input_tag.send_keys(Keys.ENTER)
  18.  
  19. 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
  20. print(contents)
  21.  
  22. browser.close()

隐式等待

  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  7.  
  8. browser=webdriver.Chrome()
  9. browser.get('https://www.baidu.com')
  10.  
  11. input_tag=browser.find_element_by_id('kw')
  12. input_tag.send_keys('美女')
  13. input_tag.send_keys(Keys.ENTER)
  14.  
  15. #显式等待:显式地等待某个元素被加载
  16. wait=WebDriverWait(browser,10)
  17. wait.until(EC.presence_of_element_located((By.ID,'content_left')))
  18.  
  19. contents=browser.find_element(By.CSS_SELECTOR,'#content_left')
  20. print(contents)
  21.  
  22. browser.close()

显式等待

六 元素交互操作

  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  7.  
  8. browser=webdriver.Chrome()
  9. browser.get('https://www.amazon.cn/')
  10. wait=WebDriverWait(browser,10)
  11.  
  12. input_tag=wait.until(EC.presence_of_element_located((By.ID,'twotabsearchtextbox')))
  13. input_tag.send_keys('iphone 8')
  14. button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
  15. button.click()
  16.  
  17. import time
  18. time.sleep(3)
  19.  
  20. input_tag=browser.find_element_by_id('twotabsearchtextbox')
  21. input_tag.clear() #清空输入框
  22. input_tag.send_keys('iphone7plus')
  23. button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
  24. button.click()
  25.  
  26. # browser.close()

点击,清空

  1. #http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains
  2.  
  3. from selenium import webdriver
  4. from selenium.webdriver import ActionChains
  5. from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
  6. from selenium.webdriver.common.keys import Keys #键盘按键操作
  7. from selenium.webdriver.support import expected_conditions as EC
  8. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  9.  
  10. browser=webdriver.Chrome()
  11. browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
  12. browser.switch_to.frame('iframeResult') #切换到iframeResult
  13.  
  14. source=browser.find_element_by_id('draggable')
  15. target=browser.find_element_by_id('droppable')
  16.  
  17. actions=ActionChains(browser) #拿到动作链对象
  18. actions.drag_and_drop(source,target) #把动作放到动作链中,准备串行执行
  19. actions.perform() #执行

Action Chains

  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  7.  
  8. try:
  9. browser=webdriver.Chrome()
  10. browser.get('https://www.baidu.com')
  11. browser.execute_script('alert("hello world")') #打印警告
  12. finally:
  13. 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)

  1. #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
  2.  
  3. from selenium import webdriver
  4. from selenium.webdriver import ActionChains
  5. from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
  6. from selenium.webdriver.common.keys import Keys #键盘按键操作
  7. from selenium.webdriver.support import expected_conditions as EC
  8. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  9.  
  10. try:
  11. browser=webdriver.Chrome()
  12. browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
  13.  
  14. browser.switch_to.frame('iframeResult') #切换到id为iframeResult的frame
  15.  
  16. tag1=browser.find_element_by_id('droppable')
  17. print(tag1)
  18.  
  19. # tag2=browser.find_element_by_id('textareaCode') #报错,在子frame里无法查看到父frame的元素
  20. browser.switch_to.parent_frame() #切回父frame,就可以查找到了
  21. tag2=browser.find_element_by_id('textareaCode')
  22. print(tag2)
  23.  
  24. finally:
  25. browser.close()

补充:frame的切换

七 其他

  1. #模拟浏览器的前进后退
  2. import time
  3. from selenium import webdriver
  4.  
  5. browser=webdriver.Chrome()
  6. browser.get('https://www.baidu.com')
  7. browser.get('https://www.taobao.com')
  8. browser.get('http://www.sina.com.cn/')
  9.  
  10. browser.back()
  11. time.sleep(10)
  12. browser.forward()
  13. browser.close()

模拟浏览器的前进后退

  1. #cookies
  2. from selenium import webdriver
  3.  
  4. browser=webdriver.Chrome()
  5. browser.get('https://www.zhihu.com/explore')
  6. print(browser.get_cookies())
  7. browser.add_cookie({'k1':'xxx','k2':'yyy'})
  8. print(browser.get_cookies())
  9.  
  10. # browser.delete_all_cookies()

cookies

  1. #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
  2. import time
  3. from selenium import webdriver
  4.  
  5. browser=webdriver.Chrome()
  6. browser.get('https://www.baidu.com')
  7. browser.execute_script('window.open()')
  8.  
  9. print(browser.window_handles) #获取所有的选项卡
  10. browser.switch_to_window(browser.window_handles[1])
  11. browser.get('https://www.taobao.com')
  12. time.sleep(10)
  13. browser.switch_to_window(browser.window_handles[0])
  14. browser.get('https://www.sina.com.cn')
  15. browser.close()

选项卡管理

  1. from selenium import webdriver
  2. from selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameException
  3.  
  4. try:
  5. browser=webdriver.Chrome()
  6. browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
  7. browser.switch_to.frame('iframssseResult')
  8.  
  9. except TimeoutException as e:
  10. print(e)
  11. except NoSuchFrameException as e:
  12. print(e)
  13. finally:
  14. browser.close()

异常处理

八 项目练习

  1. #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
  2. from selenium import webdriver
  3. from selenium.webdriver import ActionChains
  4. from selenium.webdriver.common.by import By
  5. from selenium.webdriver.common.keys import Keys
  6. from selenium.webdriver.support import expected_conditions as EC
  7. from selenium.webdriver.support.wait import WebDriverWait
  8.  
  9. browser=webdriver.Chrome()
  10.  
  11. try:
  12. browser.get('http://mail.163.com/')
  13.  
  14. wait=WebDriverWait(browser,5)
  15.  
  16. frame=wait.until(EC.presence_of_element_located((By.ID,'x-URS-iframe')))
  17. browser.switch_to.frame(frame)
  18.  
  19. wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'.m-container')))
  20.  
  21. inp_user=browser.find_element_by_name('email')
  22. inp_pwd=browser.find_element_by_name('password')
  23. button=browser.find_element_by_id('dologin')
  24. inp_user.send_keys('')
  25. inp_pwd.send_keys('xxxx')
  26. button.click()
  27.  
  28. #如果遇到验证码,可以把下面一小段打开注释
  29. # import time
  30. # time.sleep(10)
  31. # button = browser.find_element_by_id('dologin')
  32. # button.click()
  33.  
  34. wait.until(EC.presence_of_element_located((By.ID,'dvNavTop')))
  35. write_msg=browser.find_elements_by_css_selector('#dvNavTop li')[1] #获取第二个li标签就是“写信”了
  36. write_msg.click()
  37.  
  38. wait.until(EC.presence_of_element_located((By.CLASS_NAME,'tH0')))
  39. recv_man=browser.find_element_by_class_name('nui-editableAddr-ipt')
  40. title=browser.find_element_by_css_selector('.dG0 .nui-ipt-input')
  41. recv_man.send_keys('378533872@qq.com')
  42. title.send_keys('圣旨')
  43. print(title.tag_name)
  44.  
  45. frame=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'APP-editor-iframe')))
  46. browser.switch_to.frame(frame)
  47. body=browser.find_element(By.CSS_SELECTOR,'body')
  48. body.send_keys('egon很帅,可以加工资了')
  49.  
  50. browser.switch_to.parent_frame() #切回他爹
  51. send_button=browser.find_element_by_class_name('nui-toolbar-item')
  52. send_button.click()
  53.  
  54. #可以睡时间久一点别让浏览器关掉,看看发送成功没有
  55. import time
  56. time.sleep(10000)
  57.  
  58. except Exception as e:
  59. print(e)
  60. finally:
  61. 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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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: ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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. ...

  9. 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

  1. 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, ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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 ...

  10. 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 ...