阅读目录

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 webdriverbrowser=webdriver.Chrome()browser=webdriver.Firefox()browser=webdriver.PhantomJS()browser=webdriver.Safari()browser=webdriver.Edge() 

二 安装

1、有界面浏览器

#安装：selenium+chromedriverpip3 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2.38，并非2.9国内镜像网站地址：http://npm.taobao.org/mirrors/chromedriver/2.38/最新的版本去官网找:https://sites.google.com/a/chromium.org/chromedriver/downloads#验证安装C:\Users\Administrator>python3Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32Type "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

2、无界面浏览器

PhantomJS不再更新

#安装：selenium+phantomjspip3 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>phantomjsphantomjs> console.log('egon gaga')egon gagaundefinedphantomjs> ^CC:\Users\Administrator>python3Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32Type "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

在 PhantomJS 年久失修, 后继无人的节骨眼 

Chrome 出来救场, 再次成为了反爬虫 Team 的噩梦

自Google 发布 chrome 59 / 60 正式版 开始便支持Headless mode 

这意味着在无 GUI 环境下, PhantomJS 不再是唯一选择 

#selenium:3.12.0#webdriver:2.38#chrome.exe: 65.0.3325.181（正式版本） （32 位）from selenium import webdriverfrom selenium.webdriver.chrome.options import Optionschrome_options = Options()chrome_options.add_argument('window-size=1920x3000') #指定浏览器分辨率chrome_options.add_argument('--disable-gpu') #谷歌文档提到需要加上这个属性来规避bugchrome_options.add_argument('--hide-scrollbars') #隐藏滚动条, 应对一些特殊页面chrome_options.add_argument('blink-settings=imagesEnabled=false') #不加载图片, 提升速度chrome_options.add_argument('--headless') #浏览器不提供可视化页面. linux下如果系统不支持可视化不加这条会启动失败chrome_options.binary_location = r"C:\Program Files (x86)\Google\Chrome\Application\chrome.exe" #手动指定使用的浏览器位置driver=webdriver.Chrome(chrome_options=chrome_options)driver.get('https://www.baidu.com')print('hao123' in driver.page_source)driver.close() #切记关闭浏览器，回收资源

三 基本使用

from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom 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 选择器

一 基本用法

#官网链接：http://selenium-python.readthedocs.io/locating-elements.htmlfrom selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素import timedriver=webdriver.Chrome()driver.get('https://www.baidu.com')wait=WebDriverWait(driver,10)try:    #===============所有方法===================    # 1、find_element_by_id    # 2、find_element_by_link_text    # 3、find_element_by_partial_link_text    # 4、find_element_by_tag_name    # 5、find_element_by_class_name    # 6、find_element_by_name    # 7、find_element_by_css_selector    # 8、find_element_by_xpath    # 强调：    # 1、上述均可以改写成find_element(By.ID,'kw')的形式    # 2、find_elements_by_xxx的形式是查找到多个元素，结果为列表    #===============示范用法===================    # 1、find_element_by_id    print(driver.find_element_by_id('kw'))    # 2、find_element_by_link_text    # login=driver.find_element_by_link_text('登录')    # login.click()    # 3、find_element_by_partial_link_text    login=driver.find_elements_by_partial_link_text('录')[0]    login.click()    # 4、find_element_by_tag_name    print(driver.find_element_by_tag_name('a'))    # 5、find_element_by_class_name    button=wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'tang-pass-footerBarULogin')))    button.click()    # 6、find_element_by_name    input_user=wait.until(EC.presence_of_element_located((By.NAME,'userName')))    input_pwd=wait.until(EC.presence_of_element_located((By.NAME,'password')))    commit=wait.until(EC.element_to_be_clickable((By.ID,'TANGRAM__PSP_10__submit')))    input_user.send_keys('18611453110')    input_pwd.send_keys('xxxxxx')    commit.click()    # 7、find_element_by_css_selector    driver.find_element_by_css_selector('#kw')    # 8、find_element_by_xpath    time.sleep(5)finally:    driver.close()

二 xpath

#官网链接：http://selenium-python.readthedocs.io/locating-elements.htmlfrom selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素import timedriver=webdriver.PhantomJS()driver.get('https://doc.scrapy.org/en/latest/_static/selectors-sample1.html')# wait=WebDriverWait(driver,3)driver.implicitly_wait(3) #使用隐式等待try:    # find_element_by_xpath    #//与/    # driver.find_element_by_xpath('//body/a')  # 开头的//代表从整篇文档中寻找,body之后的/代表body的儿子，这一行找不到就会报错了    driver.find_element_by_xpath('//body//a')  # 开头的//代表从整篇文档中寻找,body之后的//代表body的子子孙孙    driver.find_element_by_css_selector('body a')    #取第n个    res1=driver.find_elements_by_xpath('//body//a[1]') #取第一个a标签    print(res1[0].text)    #按照属性查找,下述三者查找效果一样    res1=driver.find_element_by_xpath('//a[5]')    res2=driver.find_element_by_xpath('//a[@href="image5.html"]')    res3=driver.find_element_by_xpath('//a[contains(@href,"image5")]') #模糊查找    print('==>', res1.text)    print('==>',res2.text)    print('==>',res3.text)    #其他    res1=driver.find_element_by_xpath('/html/body/div/a')    print(res1.text)    res2=driver.find_element_by_xpath('//a[img/@src="image3_thumb.jpg"]') #找到子标签img的src属性为image3_thumb.jpg的a标签    print(res2.tag_name,res2.text)    res3 = driver.find_element_by_xpath("//input[@name='continue'][@type='button']") #查看属性name为continue且属性type为button的input标签    res4 = driver.find_element_by_xpath("//*[@name='continue'][@type='button']") #查看属性name为continue且属性type为button的所有标签            time.sleep(5)finally:    driver.close()

三 获取标签属性

from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom 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()

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 webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom 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()

from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom 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()

六 元素交互操作

from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom 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 timetime.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()

from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By  # 按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys  # 键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait  # 等待页面加载某些元素import timedriver = webdriver.Chrome()driver.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')wait=WebDriverWait(driver,3)# driver.implicitly_wait(3)  # 使用隐式等待try:    driver.switch_to.frame('iframeResult') ##切换到iframeResult    sourse=driver.find_element_by_id('draggable')    target=driver.find_element_by_id('droppable')    #方式一：基于同一个动作链串行执行    # actions=ActionChains(driver) #拿到动作链对象    # actions.drag_and_drop(sourse,target) #把动作放到动作链中，准备串行执行    # actions.perform()    #方式二：不同的动作链，每次移动的位移都不同    ActionChains(driver).click_and_hold(sourse).perform()    distance=target.location['x']-sourse.location['x']    track=0    while track < distance:        ActionChains(driver).move_by_offset(xoffset=2,yoffset=0).perform()        track+=2    ActionChains(driver).release().perform()    time.sleep(10)finally:    driver.close()

from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom 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()

#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 webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom 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()

七 其他

#模拟浏览器的前进后退import timefrom selenium import webdriverbrowser=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()

#cookiesfrom selenium import webdriverbrowser=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()

#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 timefrom selenium import webdriverbrowser=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()

from selenium import webdriverfrom selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameExceptiontry:    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()

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 webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.common.keys import Keysfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWaitbrowser=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('18611453110')    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()

from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素import timedef get_goods(driver):    try:        goods=driver.find_elements_by_class_name('gl-item')        for good in goods:            detail_url=good.find_element_by_tag_name('a').get_attribute('href')            p_name=good.find_element_by_css_selector('.p-name em').text.replace('\n','')            price=good.find_element_by_css_selector('.p-price i').text            p_commit=good.find_element_by_css_selector('.p-commit a').text            msg = '''            商品 : %s            链接 : %s            价钱 ：%s            评论 ：%s            ''' % (p_name,detail_url,price,p_commit)            print(msg,end='\n\n')        button=driver.find_element_by_partial_link_text('下一页')        button.click()        time.sleep(1)        get_goods(driver)    except Exception:        passdef spider(url,keyword):    driver = webdriver.Chrome()    driver.get(url)    driver.implicitly_wait(3)  # 使用隐式等待    try:        input_tag=driver.find_element_by_id('key')        input_tag.send_keys(keyword)        input_tag.send_keys(Keys.ENTER)        get_goods(driver)    finally:        driver.close()if __name__ == '__main__':    spider('https://www.jd.com/',keyword='iPhone8手机')

作业：    爬取亚马逊iphone手机的商品信息    爬取天猫python书籍的商品信息    爬取京东小米手机的商品信息

 

 

 

 

 

 

 

我在关注他 取消关注

0

0

 

 

 

上一篇：

下一篇：

posted @

2017-11-04 16:01 阅读(

2990) 评论(

0)