selenium 模块
- chromedriver 浏览器驱动下载与存放
- PhantomJS 无界面浏览器

声明：本文转载自小猿取经，在排版和内容上做了点小改动

selenium 模块

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 模块无法直接执行 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，下不同的浏览器驱动即可）

但相对 request 模块而言，性能不是很高（但它可以和 request 合用，用 selenium 来模拟登录，然后再拿着 cookie 用 request 来接着操作）（可以用这个模块来绕过禁掉 request 模块的那部分）

安装 selenium：pip3 install selenium
下载对应版本的浏览器驱动（可参照下面的这张长截图，写的比较通俗易懂（原文地址：https://www.cnblogs.com/babycomeon/p/11909567.html ））

以谷歌浏览器为例：

	下载与电脑上谷歌浏览器对应版本的浏览器驱动 chromdriver.exe，并把它放到 python 安装路径的 scripts 目录下（其实也可以放在）

    	对应版本可以在网上搜对照表（其实差几个小版本问题不大）

chromedriver 浏览器驱动下载与存放

原文地址：https://www.cnblogs.com/babycomeon/p/11909567.html

淘宝的镜像源： http://npm.taobao.org/mirrors/chromedriver

下图链接：https://sites.google.com/a/chromium.org/chromedriver/downloads

# 验证安装

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

PhantomJS 无界面浏览器

PhantomJS 已经不再更新了， chrome 从 59 / 60 正式版开始后便支持 Headless mode 了，即支持无界面，故已经不需要用 PhantomJS 了

标签元素查找方法

#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('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()

xpath 格式用法

#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.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()

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()

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

# -------------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()

#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()

# -------------显式等待-------------

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

元素交互操作

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

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()

ActionChains

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()

在交互动作比较难实现的时候可以自己写 JS（万能方法）

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()

补充：frame 的切换

#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()

其他交互

模拟浏览器的前进后退

#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 操作

#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()

选项卡（标签页）管理

#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 time

from selenium import webdriver

browser=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()

异常处理

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()

小练习

自动登录 163 邮箱并发送邮件

#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('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()

自动登录163邮箱并发送邮件

爬取京东商城商品信息

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')

其余练习

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

爬虫-selenium 模块-02的更多相关文章

Python爬虫——selenium模块
selenium模块介绍 selenium最初是一个测试工具,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 ...
爬虫-----selenium模块自动爬取网页资源
selenium介绍与使用 1 selenium介绍什么是selenium?selenium是Python的一个第三方库,对外提供的接口可以操作浏览器,然后让浏览器完成自动化的操作. sel ...
python爬虫--selenium模块.上来自己动!
selenium 基本操作 from selenium import webdriver from time import sleep #实例化一个浏览器对象 bro = webdriver.Chro ...
爬虫----selenium模块
一.介绍 selenium最初是一个测试工具,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 ...
爬虫基础(三)-----selenium模块应用程序
摆脱穷人思维 <三> : 培养"目标导向"的思维: 好项目永远比钱少,只要目标正确,钱总有办法解决. 一 selenium模块什么是selenium?seleni ...
爬虫之selenium模块
Selenium 简介 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 ...
python 全栈开发，Day136(爬虫系列之第3章-Selenium模块)
一.Selenium 简介 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 ...
三: 爬虫之selenium模块
一 selenium模块什么是selenium?selenium是Python的一个第三方库,对外提供的接口可以操作浏览器,然后让浏览器完成自动化的操作. selenium最初是一个自动化测试工具, ...
03 爬虫之selenium模块
selenium模块 1.概念,了解selenium 什么是selenium?selenium是Python的一个第三方库,对外提供的接口可以操作浏览器,然后让浏览器完成自动化的操作. seleniu ...

随机推荐

八、linux文件系统上的特殊权限 SUID 、GUID、Sticky
安全上下文前提:进程有属主和属组,文件有属主和属组任何一个可执行程序文件能不能启动为进程:取决发起者对程序文件是否拥有执行权限启动为进程之后,其进程的属主为发起者:进程的属组为发起者所属的组进 ...
求ascii 然后做运算
介绍 ABC 返回每个字符的ascii A->65 B->66 C->77 组成656667 把所有的7替换成1 然后变成 656667 和 656661 每个数值做加法然后做减法 ...
Java实现单例的5种方式
1. 什么是单例模式单例模式指的是在应用整个生命周期内只能存在一个实例.单例模式是一种被广泛使用的设计模式.他有很多好处,能够避免实例对象的重复创建,减少创建实例的系统开销,节省内存. 2. 单例模 ...
Mac OS 下三种修改Hosts文件的方法
一.系统偏好设置修改 1.打开系统偏好设置,底部有一个Hosts的快捷入口2.输入ip和hostname后,回车确定,勾选改host即可二.终端命令行修改 sudo vi /etc/hosts ...
vagrant box镜像百度下载地址
1.centos7 链接:https://pan.baidu.com/s/1JuIUo4HL0lm1EtUKaoMpaA提取码:w9a8 2.vagrant-ubuntu-server-16.04-x ...
Windows使用Vagrant&VirtualBox搭建虚拟开发环境
Vagrant 是一款用来构建虚拟开发环境的工具 , 我们可以通过 Vagrant 封装一个 Linux 的开发环境 , 分发给团队成员 ; 成员可以在自己喜欢的桌面系统 Mac/Windows/Li ...
python笔记3 闭包装饰器迭代器生成器内置函数初识递归列表推导式字典推导式
闭包 1, 闭包是嵌套在函数中的 2, 闭包是内层函数对外层函数的变量(非全局变量)的引用(改变) 3,闭包需要将其作为一个对象返回,而且必须逐层返回,直至最外层函数的返回值闭包例子: def a1 ...
mac下不允许安装除了app store之外的软件设置：
1.dock栏的系统偏好设置. 2.找到安全性与隐私 3.点击面板中的通用,在点击左小角的锁按钮, 4.选择任何来源,确定就可以了.[如果只有两个选项,而没有任何来源的话,打开终端,执行:sudo s ...
Spring事务管理3----声明式事务管理（1）
声明式事务管理(1)基于基于 tx/aop 这种事务管理相比编程式事务管理来说对业务层基本没有改动,通过 TransactionProxyFactoryBean 创建业务层的代理,通过A ...
Python排序算法之选择排序定义与用法示例
Python排序算法之选择排序定义与用法示例这篇文章主要介绍了Python排序算法之选择排序定义与用法,简单描述了选择排序的功能.原理,并结合实例形式分析了Python定义与使用选择排序的相关操作技 ...

爬虫-selenium 模块-02