爬蟲（六）：Selenium庫使用

一：Selenium簡介

selenium 是一套完整的web應用程序測試系統，包含了測試的錄製（selenium IDE）,編寫及運行（Selenium Remote Control）和測試的並行處理（Selenium Grid）。Selenium的核心Selenium Core基於JsUnit，徹底由JavaScript編寫，所以能夠用於任何支持JavaScript的瀏覽器上。

selenium能夠模擬真實瀏覽器，自動化測試工具，支持多種瀏覽器，爬蟲中主要用來解決JavaScript渲染問題。

二：Selenium基本使用

用python寫爬蟲的時候，主要用的是selenium的Webdriver。（我的主要使用Chrome瀏覽器）

（1）：聲明瀏覽器對象

selenium支持不少的瀏覽器，可是若是想要聲明並調用瀏覽器則須要：

from selenium import webdriver browser = webdriver.Chrome() browser = webdriver.Firefox()

（2）：訪問頁面

from selenium import webdriver browser = webdriver.Chrome() browser.get("http://www.baidu.com") print(browser.page_source) browser.close() # 運行後，會自動打開Chrome瀏覽器，並登錄百度打印百度首頁的源代碼，而後關閉瀏覽器

（3）：查找元素

單個元素查找：

from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.taobao.com') input_first = browser.find_element_by_id('q') # 用id來尋找元素
input_second = browser.find_element_by_css_selector('#q') # 用css選擇器
input_third = browser.find_element_by_xpath('//*[@id="q"]') # 用xpath來選擇
print(input_first, input_second, input_third) browser.close() # 關閉瀏覽器

####################### 經常使用的查找元素的方法
find_element_by_name
find_element_by_id
find_element_by_xpath
find_element_by_link_text
find_element_by_partial_link_text
find_element_by_tag_name
find_element_by_class_name
find_element_by_css_selector
########################

通用的查找方式：By模塊

from selenium import webdriver from selenium.webdriver.common.by import By browser = webdriver.Chrome() browser.get("http://www.taobao.com") input_first = browser.find_element(By.ID,"q") print(input_first) browser.close() #固然這種方法和上述的方式是通用的，browser.find_element(By.ID,"q")這裏By.ID中的ID能夠替換爲其餘幾個

多個元素查找

# 其實多個元素和單個元素的區別，舉個例子：find_elements,單個元素是find_element,其餘使用上沒什麼區別

from selenium import webdriver browser = webdriver.Chrome() browser.get("http://www.taobao.com") lis = browser.find_elements_by_css_selector('.service-bd li') # 得到的是列表
print(lis) browser.close() # 上面這種也能夠用By來實現 # lis = browser.find_elements(By.CSS_SELECTOR,'.service-bd li')

###########################
find_elements_by_name find_elements_by_id find_elements_by_xpath find_elements_by_link_text find_elements_by_partial_link_text find_elements_by_tag_name find_elements_by_class_name find_elements_by_css_selector ###########################

元素交互操做

from selenium import webdriver import time browser = webdriver.Chrome() browser.get("http://www.taobao.com") input_str = browser.find_element_by_id('q') # 找到搜索框 input_str.send_keys("手機") # 輸入手機
time.sleep(1) input_str.clear() # 清除搜索框
input_str.send_keys("電腦") # 輸入電腦
button = browser.find_element_by_class_name('btn-search') button.click() # 點擊按鈕

# 運行的結果能夠看出程序會自動打開Chrome瀏覽器並打開淘寶輸入手機,而後刪除，從新輸入電腦，並點擊搜索

Selenium的api文檔--》查看

交互動做

--》詳情

# 交互動做，驅動瀏覽器進行動做，模擬拖拽動做，將動做附加到動做鏈中串行執行
from selenium import webdriver from selenium.webdriver import ActionChains#引入動做鏈
 browser = webdriver.Chrome() url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable' browser.get(url) browser.switch_to.frame('iframeResult')#切換到iframeResult框架
source = browser.find_element_by_css_selector('#draggable')#找到被拖拽對象
target = browser.find_element_by_css_selector('#droppable')#找到目標
actions = ActionChains(browser)#聲明actions對象
actions.drag_and_drop(source, target) actions.perform()#執行動做

執行JavaScript

# 有些動做可能沒有提供api，好比進度條下拉，這時，咱們能夠經過代碼執行JavaScript
from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.zhihu.com/explore') browser.execute_script('window.scrollTo(0, document.body.scrollHeight)') browser.execute_script('alert("To Bottom")')

獲取元素屬性

# 獲取屬性 get_attribute('class')
from selenium import webdriver from selenium.webdriver import ActionChains browser = webdriver.Chrome() url = 'https://www.zhihu.com/explore' browser.get(url) logo = browser.find_element_by_id('zh-top-link-logo')#獲取網站logo
print(logo) print(logo.get_attribute('class')) browser.close()

獲取文本值

from selenium import webdriver browser = webdriver.Chrome() url = 'https://www.zhihu.com/explore' browser.get(url) input = browser.find_element_by_class_name('zu-top-add-question') print(input.text)#input.text文本值
browser.close() # 獲取Id，位置，標籤名，大小
from selenium import webdriver browser = webdriver.Chrome() url = 'https://www.zhihu.com/explore' browser.get(url) input = browser.find_element_by_class_name('zu-top-add-question') print(input.id)#獲取id
print(input.location)#獲取位置
print(input.tag_name)#獲取標籤名
print(input.size)#獲取大小
browser.close()

Frame操做

# frame至關於獨立的網頁，若是在父類網frame查找子類的，則必須切換到子類的frame，子類若是查找父類也須要先切換
# 經常使用的是switch_to.from()和switch_to.parent_frame()

from selenium import webdriver from selenium.common.exceptions import NoSuchElementException browser = webdriver.Chrome() url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable' browser.get(url) browser.switch_to.frame('iframeResult') source = browser.find_element_by_css_selector('#draggable') print(source) try: logo = browser.find_element_by_class_name('logo') except NoSuchElementException: print('NO LOGO') browser.switch_to.parent_frame() logo = browser.find_element_by_class_name('logo') print(logo) print(logo.text)

等待 --》詳細內容

隱式等待

到了必定的時間發現元素尚未加載，則繼續等待咱們指定的時間，若是超過了咱們指定的時間尚未加載就會拋出異常，若是沒有須要等待的時候就已經加載完畢就會當即執行

當使用了隱式等待執行測試的時候，若是 WebDriver沒有在 DOM中找到元素，將繼續等待，超出設定時間後則拋出找不到元素的異常,換句話說，當查找元素或元素並無當即出現的時候，隱式等待將等待一段時間再查找 DOM，默認的時間是0

from selenium import webdriver browser = webdriver.Chrome() browser.implicitly_wait(10) # 等待十秒加載不出來就會拋出異常，10秒內加載出來正常返回
browser.get('https://www.zhihu.com/explore') input = browser.find_element_by_class_name('zu-top-add-question') print(input)

顯示等待 

指定一個等待條件，和一個最長等待時間，程序會判斷在等待時間內條件是否知足，若是知足則返回，若是不知足會繼續等待，超過期間就會拋出異常

from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC browser = webdriver.Chrome() browser.get('https://www.taobao.com/') wait = WebDriverWait(browser, 10) input = wait.until(EC.presence_of_element_located((By.ID, 'q'))) button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '.btn-search'))) print(input, button) ######################
title_is 標題是某內容 title_contains 標題包含某內容 presence_of_element_located 元素加載出，傳入定位元組，如(By.ID, 'p') visibility_of_element_located 元素可見，傳入定位元組 visibility_of 可見，傳入元素對象 presence_of_all_elements_located 全部元素加載出 text_to_be_present_in_element 某個元素文本包含某文字 text_to_be_present_in_element_value 某個元素值包含某文字 frame_to_be_available_and_switch_to_it frame加載並切換 invisibility_of_element_located 元素不可見 element_to_be_clickable 元素可點擊 staleness_of 判斷一個元素是否仍在DOM，可判斷頁面是否已經刷新 element_to_be_selected 元素可選擇，傳元素對象 element_located_to_be_selected 元素可選擇，傳入定位元組 element_selection_state_to_be 傳入元素對象以及狀態，相等返回True，不然返回False element_located_selection_state_to_be 傳入定位元組以及狀態，相等返回True，不然返回False alert_is_present 是否出現Alert #######################

前進後退-實現瀏覽器的前進後退以瀏覽不一樣的網頁

import time from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.baidu.com/') browser.get('https://www.taobao.com/') browser.get('https://www.python.org/') browser.back() # 後退
time.sleep(1) browser.forward() # 前進
browser.close()

Cookies

from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.zhihu.com/explore') print(browser.get_cookies()) browser.add_cookie({'name': 'name', 'domain': 'www.zhihu.com', 'value': 'germey'}) # 添加Cookies
print(browser.get_cookies()) # 獲取cookies
browser.delete_all_cookies() # 刪除所有cookie
print(browser.get_cookies())

選項卡管理 增長瀏覽器窗口

import time from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.baidu.com') browser.execute_script('window.open()') # 執行js命令打開新的選項卡
print(browser.window_handles) # 不一樣的選項卡存在列表裏
browser.switch_to_window(browser.window_handles[1]) # 能夠操做的第二個選項卡
browser.get('https://www.taobao.com') time.sleep(1) browser.switch_to_window(browser.window_handles[0]) browser.get('http://www.fishc.com')

異常處理--》詳情內容

from selenium import webdriver from selenium.common.exceptions import TimeoutException, NoSuchElementException browser = webdriver.Chrome() try: browser.get('https://www.baidu.com') except TimeoutException: print('Time Out') try: browser.find_element_by_id('hello') except NoSuchElementException: print('No Element') finally: browser.close()