爬蟲—Selenium使用

時間  2019-12-04
標籤 爬蟲 selenium 使用 欄目 網絡爬蟲 简体版
原文   原文鏈接

Selenium使用

　　Selenium是一個自動化測試工具，能夠驅動瀏覽器器執行特定的動做，如點擊，下拉等。同時還能夠獲取瀏覽器當前呈現頁面的源代碼，可見便可爬。php

1.準備

　　咱們使用谷歌Chrome瀏覽器爲例子，在開始以前須要安裝Chrome瀏覽器並配置ChromeDriver。並且還須要安裝Python的Selenium庫。css

2.基本使用

from selenium import webdriver
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

# 聲明瀏覽器對象，將chromedriver驅動放在chrome瀏覽器安裝目錄下，指定驅動的絕對路徑
browser = webdriver.Chrome(executable_path=r'D:\Google\Chrome\Application\chromedriver')
try:
    browser.get('http://www.baidu.com')　　　　　　
    keyword = browser.find_element_by_id('kw')
    keyword.send_keys('Python')
    keyword.send_keys(Keys.ENTER)
    wait = WebDriverWait(browser, 10)
    wait.until(EC.presence_of_element_located((By.ID, 'content_left')))
    print(browser.current_url)
    print(browser.get_cookies())
    print(browser.page_source)
finally:
    browser.close()

　　運行結果：html

https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=1&rsv_idx=1&tn=baidu&wd=Python&rsv_pq=962442bf0007ea18&rsv_t=753aQptBMQwu82UDxwDFL9MEWvHNLNqjPznV4pNUSDP%2Bimq4HPgY91krrlM&rqlang=cn&rsv_enter=1&rsv_sug3=6&rsv_sug2=0&inputT=125&rsv_sug4=125
[{'domain': '.baidu.com', 'httpOnly': False, 'name': 'H_PS_PSSID', 'path': '/', 'secure': False, 'value': '1465_21104_29135_28518_29098_28831_28585_26350_29133'}, {'domain': '.baidu.com', 'httpOnly': False, 'name': 'delPer', 'path': '/', 'secure': False, 'value': '0'}, {'domain': '.baidu.com', 'expiry': 3707115919.146628, 'httpOnly': False, 'name': 'BAIDUID', 'path': '/', 'secure': False, 'value': '3A3A4CD3F97428EF73BA5E8B09ECB3C3:FG=1'}, {'domain': '.baidu.com', 'expiry': 3707115919.14668, 'httpOnly': False, 'name': 'PSTM', 'path': '/', 'secure': False, 'value': '1559632270'}, {'domain': '.baidu.com', 'expiry': 3707115919.146663, 'httpOnly': False, 'name': 'BIDUPSID', 'path': '/', 'secure': False, 'value': '3A3A4CD3F97428EF73BA5E8B09ECB3C3'}, {'domain': 'www.baidu.com', 'httpOnly': False, 'name': 'BD_HOME', 'path': '/', 'secure': False, 'value': '0'}, {'domain': '.baidu.com', 'expiry': 1559718674.348966, 'httpOnly': False, 'name': 'BDORZ', 'path': '/', 'secure': False, 'value': 'B490B5EBF6F3CD402E515D22BCDA1598'}, {'domain': 'www.baidu.com', 'expiry': 1560496273, 'httpOnly': False, 'name': 'BD_UPN', 'path': '/', 'secure': False, 'value': '12314753'}, {'domain': 'www.baidu.com', 'httpOnly': False, 'name': 'BD_CK_SAM', 'path': '/', 'secure': False, 'value': '1'}, {'domain': 'www.baidu.com', 'expiry': 1559634866, 'httpOnly': False, 'name': 'H_PS_645EC', 'path': '/', 'secure': False, 'value': '1058c7aSaGElrxQn6SZOATLVXWtCzFAGCMEiW5OevaJTsJ938%2BGyVo1%2B72k'}, {'domain': '.baidu.com', 'httpOnly': False, 'name': 'PSINO', 'path': '/', 'secure': False, 'value': '5'}, {'domain': 'www.baidu.com', 'httpOnly': False, 'name': 'BDSVRTM', 'path': '/', 'secure': False, 'value': '173'}]
<!DOCTYPE html><!--STATUS OK--><html xmlns="http://www.w3.org/1999/xhtml"><head><script charset="utf-8" async="" src="https://ss0.bdstatic.com/-0U0bnSm1A5BphGlnYG/tam-ogel/5d4e9b24-dcc5-483a-b6da-be1e9e621891.js"></script>
    
    <meta http-equiv="content-type" content="text/html;charset=utf-8" /><style data-for="result" id="css_result" type="text/css">body{color:#333;background:#fff;padding:6px 0 0;margin:0;position:relative;min-width:900px}body,th,td,.p1,.p2{font-family:arial}p,form,ol,ul,li,dl,dt,dd,h3{margin:0;padding:0;list-style:none}input{padding-top:0;padding-bottom:0;-moz-box-sizing:border-box;-webkit-box-sizing:border-box;box-sizing:border-box}table,img{border:0}td{font-size:9pt;line-height:18px}em{font-style:normal;color:#c00}a em{text-decoration:underline}cite{font-style:normal;......

　　運行代碼後發現，會自動彈出一個Chrome瀏覽器，首先跳轉到百度，而後輸入Python，接着跳轉到搜索結果。結果加載出來後，控制檯會打印當前url，Cookies和網頁源碼。能夠看到咱們獲得的都是瀏覽器中真實顯示的內容。這樣使用Selenium驅動瀏覽器加載網頁能夠直接獲取到動態渲染的結果。jquery

3.查找節點

　　Selenium能夠驅動瀏覽器完成各類操做，好比點擊模擬，表單填寫。例如，咱們若是想要在某一輸入框內輸入文本，首先須要找到這個輸入框的位置，也就是在網頁中的所在節點的位置。web

　　♦單個節點

　　

　　想要在百度搜索框中輸入文本，首先觀察它的源碼。咱們能夠發它的name屬性爲wd，id爲kw，還有一些其餘屬性。此時咱們能夠用多種方式來獲取它。chrome

# 單個節點
browser.get('http://www.baidu.com')
input1 = browser.find_element_by_id('kw')                   # 使用屬性選擇
input2 = browser.find_element_by_css_selector('#kw')        # 使用css選擇
input3 = browser.find_element_by_xpath('//*[@id="kw"]')     # 使用xpath選擇
print(input1)
print(input2)
print(input3)
browser.close()

　　　運行結果:api

<selenium.webdriver.remote.webelement.WebElement (session="77121972a5b1ff253e30e6912a609acc", element="0.1322124037138812-1")>
<selenium.webdriver.remote.webelement.WebElement (session="77121972a5b1ff253e30e6912a609acc", element="0.1322124037138812-1")>
<selenium.webdriver.remote.webelement.WebElement (session="77121972a5b1ff253e30e6912a609acc", element="0.1322124037138812-1")>

　　能夠看到三個方式返回的結果是徹底一致的。固然還有其餘不少方法可使用。瀏覽器

　　♦多個節點

　　　　若是查找的目標只有一個，那麼徹底可使用find_element()方法，若是有個多目標，find_element()方法只能查找到第一個，要想所有查找到，須要使用find_elements()方法。方法名後面多了一個s。cookie

　　　　好比，想要查找淘寶網左側導航欄上面的全部條目：session

　　　　　　　　　　　　　　　　　　　　　　

　　

# 多個節點，淘寶導航欄條目爲例
browser.get('https://www.taobao.com')
items = browser.find_elements_by_css_selector('.service-bd li')
print(items)
browser.close()

　　　　運行結果：

selenium.webdriver.remote.webelement.WebElement (session="d0d87044954d7497862d2f93b0480667", element="0.5258543885521916-1")>, <selenium.webdriver.remote.webelement.WebElement (session="d0d87044954d7497862d2f93b0480667", element="0.5258543885521916-2")>, <selenium.webdriver.remote.webelement.WebElement (session="d0d87044954d7497862d2f93b0480667", element="0.5258543885521916-3")>, <selenium.webdriver.remote.webelement.WebElement ......

　　　　這裏能夠看到，獲取的內容爲一個列表類型，列表中的每一個元素都是WebElement類型。

4.節點操做

　　Selenium提供了一些方法來模擬瀏覽器的動做，輸入文字使用send_key()方法，清空使用clear()方法，點擊按鈕方使用click()方法。 

# 2.節點交互
import time

browser = webdriver.Chrome(executable_path=r'D:\Google\Chrome\Application\chromedriver')
browser.get('http://www.baidu.com')
input_word = browser.find_element_by_id('kw')
input_word.send_keys('apple')
time.sleep(2)
input_word.clear()
input_word.send_keys('cherry')
button = browser.find_element_by_id('su')
time.sleep(3)
button.click()
browser.close()

5.動做鏈操做　　　　

　　鼠標拖拽，鍵盤按鍵等等，這些動做是使用動做鏈操做來完成的。下面以菜鳥教程的網站爲例：

# 5.動做鏈操做
from selenium import webdriver
from selenium.webdriver import ActionChains
import time

browser = webdriver.Chrome(executable_path=r'D:\Google\Chrome\Application\chromedriver')
url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'
browser.get(url)
browser.switch_to.frame('iframeResult')
s1 = browser.find_element_by_css_selector('#draggable')
s2 = browser.find_element_by_css_selector('#droppable')
actions = ActionChains(browser)
actions.drag_and_drop(s1, s2)
actions.perform()
time.sleep(2)
browser.close()

　　執行代碼，會打開網站頁面，而後自動拖動其中一個拖拽示例拖拽到目標位置。

6.操做JavaScript

　　Selenium中模擬操做JavaScript使用execute_script()方法來實現。訪問網站，滑動到底部，最後彈出「OK」。　

# 6.模擬JavaScript操做
from selenium import webdriver
import time

browser = webdriver.Chrome(executable_path=r'D:\Google\Chrome\Application\chromedriver')
browser.get('https://www.zhihu.com/explore')
browser.execute_script('window.scrollTo(0,document.body.scrollHeight)')
browser.execute_script('alert("OK")')
time.sleep(3)
browser.close()

7.獲取節點信息

　　♦獲取屬性

　　使用get_attribute()方法來獲取節點屬性，先選中這個節點：　

# 7.1獲取屬性
browser = webdriver.Chrome(executable_path=r'D:\Google\Chrome\Application\chromedriver')
browser.get('https://www.zhihu.com/explore')
logo = browser.find_element_by_id('zh-top-link-logo')
print(logo)
print(logo.get_attribute('class'))
browser.close()

　　運行結果：

<selenium.webdriver.remote.webelement.WebElement (session="13c1e08b7569415b9027cdfec9703a0e", element="0.2490095895940252-1")>
zu-top-link-logo
　　♦獲取文本

　　每一個WebElement節點都有其text屬性，直接調用這個屬性就獲得其內部的文本信息。 獲取百度首頁新聞的文本內容。　　

# 7.2獲取文本信息
browser = webdriver.Chrome(executable_path=r'D:\Google\Chrome\Application\chromedriver')
browser.get('http://www.baidu.com')
icons = browser.find_element_by_name('tj_trnews')
print(icons.text)

　　運行結果：

新聞
　　♦獲取id，位置，標籤名，大小
# 7.3獲取id，位置，標籤名，大小
browser = webdriver.Chrome(executable_path=r'D:\Google\Chrome\Application\chromedriver')
browser.get('http://www.baidu.com')
icons = browser.find_element_by_name('tj_trnews')
print(icons.id)
print(icons.location)
print(icons.tag_name)
print(icons.size)

　　運行結果：

0.4808968979713124-1
{'x': 557, 'y': 19}
a
{'height': 24, 'width': 26}

8.切換Frame

　　網頁中有一種節點叫作iframe，也就是子Frame，至關於頁面的子頁面，它的結構和外部網頁一致。Selenium默認是在父級Frame裏面操做，若是頁面中還有子Frame，不能直接獲取到子頁面的數據，須要使用switch_to.frame()切換Frame。

# 8.切換Frame
from selenium import webdriver
from selenium.common.exceptions import NoSuchElementException

browser = webdriver.Chrome(executable_path=r'D:\Google\Chrome\Application\chromedriver')
url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'
browser.get(url)
browser.switch_to.frame('iframeResult')　　
try:
    logo_first = browser.find_element_by_class_name('logo')
except NoSuchElementException:
    print("Failed")
browser.switch_to.parent_frame()  # 切換到父級Frame
logo = browser.find_element_by_class_name('logo')
print(logo)
print(logo.text)

　　運行結果：

Failed
<selenium.webdriver.remote.webelement.WebElement (session="497ccfe660416ed053ba4b08b5c7351f", element="0.03506166807633293-2")>
RUNOOB.COM

9.延時等待

　　在Selenium中，get（）方法會在網頁加載結束後執行，此時獲取page_source可能並非瀏覽器徹底加載的數據。若是有額外的Ajax請求，不必定能獲取成功。全部須要延時等待必定時間，確保數據已經加載出來。

　　♦隱式等待

　　若是Selenium沒有在DOM中找到節點，將繼續等待，超出設定時間後就會拋出沒有節點的異常。

# 9.延時等待
# 9.1隱式等待：沒有找到繼續等待，超時拋出異常
browser = webdriver.Chrome(executable_path=r'D:\Google\Chrome\Application\chromedriver')
browser.implicitly_wait(10)
browser.get('https://www.zhihu.com/explore')
que = browser.find_element_by_class_name('zu-top-add-question')
print(que)
　　♦顯式等待

　　指定一個節點，設置最長等待時間。若是規定的時間內加載出來了，就返回要查找的節點；超出時間則拋出異常。　　

# 9.2顯式等待
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait


browser = webdriver.Chrome(executable_path=r'D:\Google\Chrome\Application\chromedriver')
browser.get('https://www.taobao.com/')
wait = WebDriverWait(browser, 10)
su = wait.until(EC.presence_of_element_located((By.ID, 'q')))  # 等待條件，節點出現
button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '.btn-search')))  # 等待條件，按鈕能夠點擊
print(su, button)

　　運行結果：

<selenium.webdriver.remote.webelement.WebElement (session="69f58b354be01e63e367e29756e64f18", element="0.005030458042517338-1")> <selenium.webdriver.remote.webelement.WebElement (session="69f58b354be01e63e367e29756e64f18", element="0.005030458042517338-2")>

　　若是10秒內沒有加載成功，就會拋出TimeoutException異常。

10.窗口管理

　　瀏覽器訪問網頁時會開啓一個個窗口，咱們也可使用Selenium對多個窗口進行操做。

# 10.窗口管理
import time
from selenium import webdriver


browser = webdriver.Chrome(executable_path=r'D:\Google\Chrome\Application\chromedriver')
browser.get('http://www.baidu.com')
browser.execute_script('window.open()')
print(browser.window_handles)
browser.switch_to.window(browser.window_handles[1])
browser.get('https://www.taobao.com')
time.sleep(2)
browser.switch_to.window(browser.window_handles[0])
browser.get('https://www.zhihu.com/explore')

　　window.open（）開啓新窗口，windo_handlers獲取當前開啓的全部窗口，返回的是窗口代號的列表。使用switch_to.window()切換窗口。

　　先訪問百度，而後打開新窗口，再訪問淘寶，最後切換回正在訪問百度的第一個窗口，接着訪問知乎。

11.異常處理

　　使用Selenium過程不免會出現異常，例如超時，節點爲找到等。一旦出現異常，程序便不會運行了。使用try except語句來捕獲異常：

# 11.異常處理
from selenium import webdriver
from selenium.common.exceptions import TimeoutException, NoSuchElementException


browser = webdriver.Chrome(executable_path=r'D:\Google\Chrome\Application\chromedriver')
browser.get('http://www.baidu.com')
try:
    browser.find_element_by_class_name('hello')
except TimeoutException:
    print('Time out')
try:
    browser.find_element_by_class_name('hello')
except NoSuchElementException:
    print('No Element')
finally:
    browser.close()
相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程