请求库之selenium

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 webdriver

browser=webdriver.Chrome()

browser=webdriver.Firefox()

browser=webdriver.PhantomJS()

browser=webdriver.Safari()

browser=webdriver.Edge()

二安装

安装：selenium+chromedriver

pip3 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2.29，并非2.9

国内镜像网站地址：http://npm.taobao.org/mirrors/chromedriver/2.29/

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>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() #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

selenium+chromedriver

#安装：selenium+phantomjs

pip3 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>phantomjs

phantomjs> console.log('egon gaga')

egon gaga

undefined

phantomjs> ^C

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.PhantomJS() #无界面浏览器

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

>>> driver.page_source

selenium+phantomjs

三基本使用

from selenium import webdriver

from selenium.webdriver import ActionChains

from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR

from selenium.webdriver.common.keys import Keys #键盘按键操作

from selenium.webdriver.support import expected_conditions as EC

from 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.html

from selenium import webdriver

from selenium.webdriver import ActionChains

from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR

from selenium.webdriver.common.keys import Keys #键盘按键操作

from selenium.webdriver.support import expected_conditions as EC

from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素

import time

driver=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('')

    input_pwd.send_keys('lhf@094573')

    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.html

from selenium import webdriver

from selenium.webdriver import ActionChains

from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR

from selenium.webdriver.common.keys import Keys #键盘按键操作

from selenium.webdriver.support import expected_conditions as EC

from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素

import time

driver=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="data: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 webdriver

from selenium.webdriver import ActionChains

from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR

from selenium.webdriver.common.keys import Keys #键盘按键操作

from selenium.webdriver.support import expected_conditions as EC

from 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()

获取标签属性

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 webdriver

from selenium.webdriver import ActionChains

from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR

from selenium.webdriver.common.keys import Keys #键盘按键操作

from selenium.webdriver.support import expected_conditions as EC

from 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()

隐式等待

from selenium import webdriver

from selenium.webdriver import ActionChains

from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR

from selenium.webdriver.common.keys import Keys #键盘按键操作

from selenium.webdriver.support import expected_conditions as EC

from 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()

显式等待

六元素交互操作

from selenium import webdriver

from selenium.webdriver import ActionChains

from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR

from selenium.webdriver.common.keys import Keys #键盘按键操作

from selenium.webdriver.support import expected_conditions as EC

from 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 time

time.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()

点击，清空

from selenium import webdriver

from selenium.webdriver import ActionChains

from selenium.webdriver.common.by import By  # 按照什么方式查找，By.ID,By.CSS_SELECTOR

from selenium.webdriver.common.keys import Keys  # 键盘按键操作

from selenium.webdriver.support import expected_conditions as EC

from selenium.webdriver.support.wait import WebDriverWait  # 等待页面加载某些元素

import time

driver = 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()

Action Chains

from selenium import webdriver

from selenium.webdriver import ActionChains

from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR

from selenium.webdriver.common.keys import Keys #键盘按键操作

from selenium.webdriver.support import expected_conditions as EC

from 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()

在交互动作比较难实现的时候可以自己写JS（万能方法）

#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 webdriver

from selenium.webdriver import ActionChains

from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR

from selenium.webdriver.common.keys import Keys #键盘按键操作

from selenium.webdriver.support import expected_conditions as EC

from 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()

补充:frame的切换

七其他

#模拟浏览器的前进后退

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()

模拟浏览器的前进后退

#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()

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()

异常处理

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 webdriver

from selenium.webdriver import ActionChains

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

browser=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('')

    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()

自动登录163邮箱并发送邮件

from selenium import webdriver

from selenium.webdriver import ActionChains

from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR

from selenium.webdriver.common.keys import Keys #键盘按键操作

from selenium.webdriver.support import expected_conditions as EC

from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素

import time

def 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:

        pass

def 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')

爬取京东商城商品信息

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

请求库之selenium的更多相关文章

爬虫 - 请求库之selenium
介绍官方文档 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 ...
python爬虫请求库之selenium模块
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 ...
爬虫请求库之selenium
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, ...
爬虫请求库之selenium模块
一安装 #安装:selenium+chromedriver pip3 install selenium 下载chromdriver.exe放到python安装路径的scripts目录中即可,注意最新 ...
请求库之selenium模块
本片导航: 介绍及安装基本使用选择器等待元素被加载元素交互操作其他及练习一.介绍 1.简单概述 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 ...
02 请求库之 selenium模块
selenium模块一介绍 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 ...
爬虫——请求库之selenium模块
阅读目录一介绍二安装三基本使用四选择器五等待元素被加载六元素交互操作七其他八项目练习一介绍 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 ...
爬虫（二）—— 请求库（二）selenium请求库
目录 selenium请求库一.什么是selenium 二.环境搭建三.使用selenium模块 1.使用chrome并设置为无GUI模式 2.使用chrome有GUI模式 3.显示等待与隐式等待 ...
Selenium请求库
阅读目录一介绍二安装三基本使用四等待元素被加载五选择器六元素交互操作七其他八项目练习九破解登录验证一介绍 1.selenium是什么? selenium最初是一 ...

随机推荐

how to identify your .NET Framework version
scenario: when I try to install github-windows on my PC, got such error "lower .NET Framework V ...
MFC编程之创建Ribbon样式的应用程序框架
Ribbon界面就是微软从Office2007開始引入的一种为了使应用程序的功能更加易于发现和使用.降低了点击鼠标的次数的新型界面.从实际效果来看,不仅外观美丽,并且功能直观,用户操作简洁方便. 利用 ...
thinkphp5 No input file specified.
.htaccess文件中的 RewriteRule ^(.*)$ index.php/$1 [QSA,PT,L] 在默认情况下会导致No input file specified. 修改成 Rewri ...
成功抓取douban 所有电影
之前爬了250,想爬所有的电影 Rule(LinkExtractor(allow=(r'https://movie.douban.com/subject/\d+')), callback=" ...
运动规划(Motion Planning)
相关介绍: https://mp.weixin.qq.com/s?__biz=MzA5MDE2MjQ0OQ==&mid=2652786406&idx=1&sn=f937dd6a ...
设置EntityFramework中decimal类型数据精度
EF中默认的decimal数据精度为两位数,当我们数据库设置的精度大于2时,EF将只会保留到2为精度. e.g. 2.1999将会被保存为2.20 网上找到常见的方法为重写DbContext的OnMo ...
ProtocolBuffer在Android端的解析
开题篇近期公司在使用Protocol Buffer替代原先的json作为移动端的数据交互格式.虽然服务端和CTO把这项新技术吹的天花乱坠,说什么体积小,不易被破解乱七八糟的.可是作为Android端 ...
Cross compile perl
Alex Suykov had do some work for this purpose, and my compile script is based on her patch. Steps St ...
虚拟机（VMware Workstation）安装Ubuntu简易安装
1.安装虚拟机这里我安装的是:VMware Workstation v12.1.0 官方简体中文版地址:http://www.3987.com/xiazai/1/12/37116.html#dow ...
Appcompat实现Action Bar的兼容性处理
Appcompat实现Action Bar时,如果使用到split action bar或者Navigating Up with the App Icon需要考虑兼容性.下面介绍下split acti ...

请求库之selenium

一 介绍

二 安装

三 基本使用

四 选择器

五 等待元素被加载

六 元素交互操作

七 其他

八 项目练习

请求库之selenium的更多相关文章

随机推荐

热门专题

一介绍

二安装

三基本使用

四选择器

五等待元素被加载

六元素交互操作

七其他

八项目练习