selenium

一 介紹

# selenium最初是一個自動化測試工具,而爬蟲中使用它主要是爲了解決requests沒法直接執行JavaScript代碼的問題。

# selenium本質是經過驅動瀏覽器，徹底模擬瀏覽器的操做，好比跳轉、輸入、點擊、下拉等，來拿到網頁渲染以後的結果，可支持多種瀏覽器。

from selenium import webdriver

# 谷歌瀏覽器
browser=webdriver.Chrome()
# 火狐瀏覽器
browser=webdriver.Firefox()
# 無界面瀏覽器
browser=webdriver.PhantomJS()
# 蘋果瀏覽器
browser=webdriver.Safari()
# IE瀏覽器
browser=webdriver.Edge() 

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

二 安裝

一、有界面瀏覽器

 

# 安裝：selenium+chromedriver
pip3 install selenium
下載chromdriver.exe放到python安裝路徑的scripts目錄中便可，注意最新版本是2.38，並不是2.9
國內鏡像網站地址：http://npm.taobao.org/mirrors/chromedriver/2.38/
最新的版本去官網找:https://sites.google.com/a/chromium.org/chromedriver/downloads

#驗證安裝
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() #彈出瀏覽器
>>> driver.get('https://www.baidu.com')
>>> driver.page_source

#注意：
selenium3默認支持的webdriver是Firfox，而Firefox須要安裝geckodriver
下載連接：https://github.com/mozilla/geckodriver/releases

 

二、無界面瀏覽器

PhantomJS再也不更新

  selenium+phantomjs

在 PhantomJS 年久失修, 後繼無人的節骨眼 
Chrome 出來救場, 再次成爲了反爬蟲 Team 的噩夢

自Google 發佈 chrome 59 / 60 正式版 開始便支持Headless mode 

這意味着在無 GUI 環境下, PhantomJS 再也不是惟一選擇 

  selenium+谷歌瀏覽器headless模式

三 基本使用

from selenium import webdriver  # 用來驅動瀏覽器的
from selenium.webdriver import ActionChains  # 破解滑動驗證碼的時候用的 能夠拖動圖片
from selenium.webdriver.common.by import By  # 按照什麼方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys  # 鍵盤按鍵操做
from selenium.webdriver.support import expected_conditions as EC  # 和下面WebDriverWait一塊兒用的
from selenium.webdriver.support.wait import WebDriverWait  # 等待頁面加載某些元素
import time

try:
    driver = webdriver.Chrome()

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

    wait = WebDriverWait(driver, 10)

    input_tag = wait.until(EC.presence_of_element_located((By.ID, 'kw')))

    input_tag.send_keys('美女')

    input_tag.send_keys(Keys.ENTER)

    time.sleep(5)

finally:

    driver.close()

 

四 選擇器

1. 基本用法

官網連接：http://selenium-python.readthedocs.io/locating-elements.html

from selenium import webdriver  # 用來驅動瀏覽器的
from selenium.webdriver import ActionChains  # 破解滑動驗證碼的時候用的 能夠拖動圖片
from selenium.webdriver.common.by import By  # 按照什麼方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys  # 鍵盤按鍵操做
from selenium.webdriver.support import expected_conditions as EC  # 和下面WebDriverWait一塊兒用的
from selenium.webdriver.support.wait import WebDriverWait  # 等待頁面加載某些元素
import time
driver = webdriver.Chrome()  # 打開谷歌驅動瀏覽器

driver.get('https://www.baidu.com/')  # 向百度發送一個get請求

driver.implicitly_wait(5)  # 隱式等待若是全部元素未被加載則等待5秒  在get前設置 針對全部元素 等待全部標籤加載完成後再查找標籤
# selenium自帶的解析功能
try:
    # ===============全部方法===================
    # element是查找一個標籤
    # elements是查找全部標籤

    # 一、find_element_by_id 經過id去找
    # 二、find_element_by_link_text  經過連接文本去找
    # 三、find_element_by_partial_link_text
    # 四、find_element_by_tag_name
    # 五、find_element_by_class_name
    # 六、find_element_by_name
    # 七、find_element_by_css_selector
    # 八、find_element_by_xpath


    # 一、find_element_by_id  根據id元素查找
    # input_tag = driver.find_element_by_id('kw')  # 查找到kw元素的標籤
    #
    # input_tag.send_keys('kermit大寶貝')  # 輸入kermit大寶貝
    #
    # input_tag.send_keys(Keys.ENTER)  # 按回車按鈕

    # 二、find_element_by_link_text  根據精確文本匹配內容
    # login_button = driver.find_element_by_link_text('登陸')  # 找到登錄文本標籤
    # login_button = driver.find_element_by_link_text('  登陸')  # 由於是精確查找因此找不到'  登錄'
    #
    # login_button.click()  # 點擊登錄按鈕

    # 三、find_element_by_partial_link_text  # 根據文本局部匹配去查找標籤
    # login = driver.find_element_by_partial_link_text('登')  # 局部匹配有登字的標籤
    # login.click()  # 點擊事件

    # 四、find_element_by_tag_name  # 根據標籤名查找
    # a = driver.find_element_by_tag_name('a')
    # print(a)

    # 五、find_element_by_class_name  根據類元素查找
    # login_tag = driver.find_element_by_class_name('tang-pass-footerBarULogin')  # 根據類元素查找登錄按鈕
    # login_tag.click()  # 點擊登錄事件

    # 六、find_element_by_name  根據name屬性去查找
    # username = driver.find_element_by_name('userName')
    #
    # password = driver.find_element_by_name('password')
    #
    # username.send_keys('15622792660')
    # password.send_keys('k46709394')
    #
    # login_button = driver.find_element_by_id('TANGRAM__PSP_10__submit')
    # login_button.click()

    # 七、find_element_by_css_selector  根據屬性選擇器查找
    search = driver.find_element_by_css_selector('.s_ipt')

    search.send_keys('帥哥')  # 往百度輸入框添加帥哥

    search.send_keys(Keys.ENTER)  # 點擊回車
    # 八、find_element_by_xpath  # 根據xpath查找

    # 等待5秒
    time.sleep(5)

finally:
    driver.close()

 

2. xpath

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什麼方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #鍵盤按鍵操做
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待頁面加載某些元素
import time

driver=webdriver.Chrome()
driver.get('https://doc.scrapy.org/en/latest/_static/selectors-sample1.html')
driver.implicitly_wait(3)

try:

    # tags=driver.find_elements_by_xpath('//a')
    # print(tags[1].get_attribute('href'))
    # print(tags[1].tag_name)
    # print(tags[1].text)

    # tags=driver.find_elements_by_xpath('//div/a')
    # tags=driver.find_elements_by_xpath('//div//img')
    # print(tags[3].get_attribute('src'))

    # tags=driver.find_element_by_xpath('//div/a[3]')
    # print(tags.get_attribute('href'))

    # //*[@id = "images"]/a[4]/img
    # tag=driver.find_elements_by_xpath('//*[@id = "images"]/a[4]/img')
    # # print(tag.get_attribute('src'))
    # print(tag)

    # tag=driver.find_element_by_xpath('//a[@href="image3.html"]')
    # tags=driver.find_elements_by_xpath('//a[contains(@href,"image")]')
    # for tag in tags:
    #     print(tag.get_attribute('href'))

    # tag=driver.find_element_by_xpath('//a[img/@src="image1_thumb.jpg"]')
    # print(tag.tag_name,tag.get_attribute('href'))

    # tag=driver.find_element_by_xpath('//a[img/@src="image1_thumb.jpg"]')
    # print(tag)
　　　　
    # print(tag.location) 返回tag相對於html的座標
    # print(tag.size)  返回標籤元素的大小


    time.sleep(5)
finally:
    driver.close()

 

3. 獲取標籤屬性

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什麼方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #鍵盤按鍵操做
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待頁面加載某些元素

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')

#獲取標籤屬性，
print(tag.get_attribute('src'))


#獲取標籤ID，位置，名稱，大小（瞭解）
print(tag.id)
print(tag.location)
print(tag.tag_name)
print(tag.size)

browser.close()

五 等待元素被加載

#一、selenium只是模擬瀏覽器的行爲，而瀏覽器解析頁面是須要時間的（執行css，js），一些元素可能須要過一段時間才能加載出來，爲了保證能查找到元素，必須等待

#二、等待的方式分兩種：
隱式等待：在browser.get（'xxx'）前就設置，針對全部元素有效
顯式等待：在browser.get（'xxx'）以後設置，只針對某個元素有效

 

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什麼方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #鍵盤按鍵操做
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待頁面加載某些元素

browser=webdriver.Chrome()

#隱式等待:在查找全部元素時，若是還沒有被加載，則等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') #沒有等待環節而直接查找，找不到則會報錯
print(contents)

browser.close()

 

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什麼方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #鍵盤按鍵操做
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待頁面加載某些元素

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)


#顯式等待：顯式地等待某個元素被加載
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()

六 元素交互操做

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什麼方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #鍵盤按鍵操做
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待頁面加載某些元素

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() #清空輸入框
input_tag.send_keys('iphone7plus')
button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
button.click()



# browser.close()

  Action Chains

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什麼方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #鍵盤按鍵操做
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待頁面加載某些元素


try:
    browser=webdriver.Chrome()
    browser.get('https://www.baidu.com')
    browser.execute_script('alert("hello world")') #打印警告
finally:
    browser.close()

#frame至關於一個單獨的網頁，在父frame裏是沒法直接查看到子frame的元素的，必須switch_to_frame切到該frame下，才能進一步查找

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什麼方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #鍵盤按鍵操做
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待頁面加載某些元素


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

    browser.switch_to.frame('iframeResult') #切換到id爲iframeResult的frame

    tag1=browser.find_element_by_id('droppable')
    print(tag1)

    # tag2=browser.find_element_by_id('textareaCode') #報錯，在子frame裏沒法查看到父frame的元素
    browser.switch_to.parent_frame() #切回父frame,就能夠查找到了
    tag2=browser.find_element_by_id('textareaCode')
    print(tag2)

finally:
    browser.close()

https://www.cnblogs.com/rianley/p/9173963.html
https://www.cnblogs.com/kermitjam/articles/9692585.html#_label9

鍵盤操做

https://www.cnblogs.com/mengyu/p/6942584.html

七 其餘

#模擬瀏覽器的前進後退
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()

#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()

#選項卡管理：切換選項卡，有js的方式windows.open,有windows快捷鍵：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) #獲取全部的選項卡
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()

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()