[爬虫]2.2.1 使用Selenium库模拟浏览器操作

Selenium是一个非常强大的工具，用于自动化Web浏览器的操作。它可以模拟真实用户的行为，如点击按钮，填写表单，滚动页面等。由于Selenium可以直接与浏览器交互，所以它可以处理那些需要JavaScript运行的动态网页。

安装Selenium

首先，我们需要安装Selenium库。你可以使用pip命令来安装：

pip install selenium

然后，你需要下载一个WebDriver。WebDriver是一个特殊的浏览器驱动程序，Selenium通过它来控制浏览器。对于不同的浏览器，有不同的WebDriver。最常用的WebDriver包括ChromeDriver（用于Google Chrome）和GeckoDriver（用于Firefox）。你可以从它们的官方网站下载对应的WebDriver。

打开和关闭浏览器

在Selenium中，我们使用webdriver模块来控制浏览器。以下是一个打开Google主页的例子：

from selenium import webdriver

driver = webdriver.Chrome('/path/to/chromedriver')
driver.get('https://www.google.com')

driver.quit()

请注意，你需要替换'/path/to/chromedriver'为你电脑上的实际路径。

get方法用于打开一个网页，quit方法用于关闭浏览器。

找到元素

Selenium提供了多种方式来找到页面上的元素，如通过元素的ID，类名，标签名，CSS选择器，XPath等。

例如，我们可以找到Google主页上的搜索框：

search_box = driver.find_element_by_name('q')

操作元素

找到元素后，我们可以对它进行各种操作。

例如，我们可以向搜索框输入文字：

search_box.send_keys('Hello, Selenium!')

然后，我们可以提交表单：

search_box.submit()

等待

由于网页的加载可能需要一些时间，Selenium提供了等待（wait）功能。有两种等待方式：显式等待和隐式等待。

显式等待是指等待某个条件成立，然后再进行下一步。例如，等待一个元素变得可点击：

from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

wait = WebDriverWait(driver, 10)
submit_button = wait.until(EC.element_to_be_clickable((By.ID, 'submit')))

隐式等待是指设置一个最长等待时间，如果在这个时间内网页加载完成，则立即进行下一步：

driver.implicitly_wait(10)

这就是Selenium的基本用法。通过使用Selenium，你可以模拟几乎所有的用户行为，这使得它在处理动态网页时非常有用。

推荐阅读：

https://mp.weixin.qq.com/s/dV2JzXfgjDdCmWRmE0glDA

https://mp.weixin.qq.com/s/an83QZOWXHqll3SGPYTL5g