selenium模块 phantomJs 谷歌无可视界面

参考微博:

什么是selenium

　　一款基于浏览器自动化的模块

什么是浏览器自动化

　　通过脚本程序或者python代码,这组程序或者代码表示一些行为动作,selenium可以让这些行为动作映射到浏览器中,根据设定好的行为动作完成自动化的操作

和爬虫的关联

　　模拟登陆

　　获取动态数据

#演示程序

from selenium import webdriver
from time import sleep

# 后面是你的浏览器驱动位置，记得前面加r'','r'是防止字符转义的
driver = webdriver.Chrome(r'./chromedriver.exe')
# 用get打开百度页面
driver.get("http://www.baidu.com")
# 查找页面的“设置”选项，并进行点击
driver.find_elements_by_link_text('设置')[0].click()
sleep(2)
# # 打开设置后找到“搜索设置”选项，设置为每页显示50条
driver.find_elements_by_link_text('搜索设置')[0].click()
sleep(2)

# 选中每页显示50条
m = driver.find_element_by_id('nr')
sleep(2)
m.find_element_by_xpath('//*[@id="nr"]/option[3]').click()
m.find_element_by_xpath('.//option[3]').click()
sleep(2)

# 点击保存设置
driver.find_elements_by_class_name("prefpanelgo")[0].click()
sleep(2)

# 处理弹出的警告页面   确定accept() 和 取消dismiss()
driver.switch_to_alert().accept()
sleep(2)
# 找到百度的输入框，并输入 美女
driver.find_element_by_id('kw').send_keys('美女')
sleep(2)
# 点击搜索按钮
driver.find_element_by_id('su').click()
sleep(2)
# 在打开的页面中找到“Selenium - 开源中国社区”，并打开这个页面
driver.find_elements_by_link_text('美女_百度图片')[0].click()
sleep(3)

# 关闭浏览器
driver.quit()

selenium如何获取动态加载数据

　　环境的安装:pip install selenium

　　基本使用流程

　　　　1.from selenium import webdriver

　　　　2.结合着某一款浏览器驱动程序实例化一个浏览器对象  bro=webdriver.Chrome(executable_path='./chromedriver.exe')

　　　　3.下载浏览器驱动:http://chromedriver.storage.googleapis.com/index.html   将下载的驱动放在对应爬虫项目的文件夹里面

　　　　　　3.1查看驱动和浏览器版本的映射系:http://blog.csdn.net/huilan_same/article/details/51896672

　　　　4.通过get发起请求: bro.get(url='http://125.35.6.84:81/xk/')

　　　　5.通过xpath或者bs4  获取当前页面的源码数据

page_text=bro.page_source

soup=BeautifulSoup(page_text,'lxml')

dl_list=soup.select('#gzlist > li > dl')

for dl in dl_list:
    print(dl.string)

　　　　编写自动化操作代码

#low版爬取药监局的数据
from bs4 import BeautifulSoup
#引入webdriver
from selenium import webdriver
#实例化浏览器对象,参数executable_path
bro=webdriver.Chrome(executable_path='./chromedriver.exe')
#发起一个请求
bro.get(url='http://125.35.6.84:81/xk/')
#获取当前浏览器页面的源码数据
page_text=bro.page_source

soup=BeautifulSoup(page_text,'lxml')

dl_list=soup.select('#gzlist > li > dl')

for dl in dl_list:
    print(dl.string)

selenium的详细用法

　　1.实例化浏览器(参数为浏览器的驱动) bro = webdriver.Chrome(executable_path='./chromedriver.exe')

　　2.通过get发起请求 bro.get('https://www.taobao.com/')

　　3.通过find系列定位标签 search_input = bro.find_element_by_id('q')

　　　　find_element_by_id

　　　　find_element_by_xpath

　　4.执行js代码execute_script,滚动刷新 bro.execute_script('window.scrollTo(0,document.body.scrollHeight)')

　　5.点击按钮事件 btn.click()

　　6.退出浏览器 bro.quit()

from selenium import webdriver
from time import sleep
#实例化一个浏览器对象
bro = webdriver.Chrome(executable_path='./chromedriver.exe')
bro.get('https://www.taobao.com/')
#在淘宝首页搜索框中录入一个商品名称
search_input = bro.find_element_by_id('q') #find系列的函数是用作于定位标签
#向定位到的标签中录入一个商品名称
search_input.send_keys('华为')
sleep(2)

#如何执行js代码,滚动刷新
bro.execute_script('window.scrollTo(0,document.body.scrollHeight)')
sleep(2)
bro.execute_script('window.scrollTo(0,document.body.scrollHeight)')
sleep(2)

btn = bro.find_element_by_xpath('//*[@id="J_TSearchForm"]/div[1]/button')
btn.click()
sleep(2)

bro.quit()

执行动作链 from selenium.webdriver import ActionChains

1.实例化一个动作连对象,且将浏览器对象作为参数传递到该对象的构造方法中 action = ActionChains(bro)

2.action.click_and_hold, action.click_and_hold(div_tag)

3.action.move_by_offset(x,y).perform() action.move_by_offset(17,0).perform()

4.action.release action.release()

from selenium import webdriver
from selenium.webdriver import ActionChains
from time import sleep
#实例化浏览器
bro = webdriver.Chrome(executable_path='./chromedriver.exe')
#发起请求
bro.get('https://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')

bro.switch_to.frame('iframeResult')#如果定位的标签存在于iframe标签之下,则必须执行该操作后,在进行标签定位
div_tag = bro.find_element_by_id('draggable')

#如何使用动作连
#实例化一个动作连对象,且将浏览器对象作为参数传递到该对象的构造方法中
action = ActionChains(bro)
#
action.click_and_hold(div_tag)

for i in range(5):
    #偏移的大小
    action.move_by_offset(17,0).perform()
    sleep(0.5)
动作释放
action.release()
#退出浏览器
bro.quit()

模拟登陆qq空间

1.bro.switch_to.frame('iframe_id') bro.switch_to.frame('login_frame')

2.send_keys('input标签里面添加数据') bro.find_element_by_id('u').send_keys('用户名')

3.page_source  获取页面数据 page_text=bro.page_source

#模拟登陆qq空间
from selenium import webdriver
from lxml import etree
from time import sleep
#实例化浏览器
bro=webdriver.Chrome(executable_path='./chromedriver.exe')
#发起请求
bro.get('https://qzone.qq.com/')
#定位标签,并点击
bro.switch_to.frame('login_frame')
bro.find_element_by_id('switcher_plogin').click()
#定位标签,添加数据seed_keys
bro.find_element_by_id('u').send_keys('用户名')
bro.find_element_by_id('p').send_keys('密码')
bro.find_element_by_id('login_button').click()

sleep(2)
#获取页面数据
page_text=bro.page_source
#使用etree获取数据
tree=etree.HTML(page_text)
data= tree.xpath('//*[@id="feed_478881649_311_0_1560636904_0_1"]/div[1]//text()')

print(data)
sleep(3)
#退出浏览器
bro.quit()

selenium的识别与规避　　

　　识别:现在不少大网站有对selenium采取了监测机制,window.navigator.webdriver的值为 undefined。而使用selenium访问则该值为true

　　规避:在启动Chromedrever之前,为Chrome开启实验性功能参数,完整代码如下

1.#Chrome开启实验性功能参数
from selenium.webdriver import ChromeOptions
option = ChromeOptions()
option.add_experimental_option('excludeSwitches', ['enable-automation'])

2.#浏览器实例化后,需要添加参数options

bro=webdriver.Chrome(executable_path='./chromedriver.exe',options=option)

谷歌无头浏览器操作:代码如下

1.

from selenium.webdriver.chrome.options import Options
# 创建一个参数对象，用来控制chrome以无界面模式打开
chrome_options = Options()
chrome_options.add_argument('--headless')
chrome_options.add_argument('--disable-gpu')

2.

#添加参数chrome_options
bro=webdriver.Chrome(executable_path='./chromedriver.exe',chrome_options=chrome_options)

3.截屏操作: bro.save_screenshot('1.png')

#如何设置浏览器无可视化界面
from selenium.webdriver.chrome.options import Options
# 创建一个参数对象，用来控制chrome以无界面模式打开
chrome_options = Options()
chrome_options.add_argument('--headless')
chrome_options.add_argument('--disable-gpu')

url = 'https://bj.meituan.com/'

#添加参数chrome_options
bro=webdriver.Chrome(executable_path='./chromedriver.exe',chrome_options=chrome_options)

bro.get(url)
sleep(2)
bro.get(url)
sleep(2)
#截屏操作
bro.save_screenshot('1.png')
print(bro.page_source)

phantomJs:就是一款无可视化界面的浏览器,现在也无人维护,一般都使用谷歌无头浏览器

1.实例化phantomJs

from selenium import webdriver
# phantomjs路径
path = r'PhantomJS驱动路径'
browser = webdriver.PhantomJS(path)

2.其他操作和谷歌浏览器都一样

3.截屏操作 browser.save_screenshot(r'phantomjs\show.png')

from selenium import webdriver
import time

# phantomjs路径
path = r'PhantomJS驱动路径'
browser = webdriver.PhantomJS(path)

# 打开百度
url = 'http://www.baidu.com/'
browser.get(url)

time.sleep(3)

browser.save_screenshot(r'phantomjs\baidu.png')

# 查找input输入框
my_input = browser.find_element_by_id('kw')
# 往框里面写文字
my_input.send_keys('美女')
time.sleep(3)
#截屏
browser.save_screenshot(r'phantomjs\meinv.png')

# 查找搜索按钮
button = browser.find_elements_by_class_name('s_btn')[0]
button.click()

time.sleep(3)

browser.save_screenshot(r'phantomjs\show.png')

time.sleep(3)

browser.quit()

总结:

- selenium:基于浏览器自动化的模块.
-浏览器自动化操作:通过脚本程序或者python代码,这组程序或者代码表示一些行为动作,selenium可以让这些行为动作映射到浏览器中,根据设定好的行为动作完成自动化的操作.
- phantomJs:一款无头浏览器,由于现在已经停止维护,所以使用谷歌无头浏览器代替
- selenium和爬虫之间的关联:
    - 便捷的获取动态加载的数据
    - 实现模拟登录
- 缺点:
    - 爬取数据的效率低
    - 环境部署繁琐
        - 部署selenium环境
　　　　　　- pip install selenium
        - 部署浏览器的环境
　　　　　　- 下载安装对应的浏览器
- 编码流程:
    - 导包
　　　　-  from selenium import webdriver 

    - 创建一个浏览器对象,且在创建的过程中需要使用浏览器的驱动程序
　　　　-  bro=webdriver.Chrome(executable_path='./chromedriver.exe') 

    - 使用get方法进行请求发送
　　　　-  bro.get('https://qzone.qq.com/') 

    - 指定其他的行为动作对应的代码

    - 关闭浏览器
　　　　-  bro.quit() 

- 行为动作:
    - 标签定位:find系列的函数
　　　　-  bro.switch_to.frame('iframeResult')#如果定位的标签存在于iframe标签之下,则必须执行该操作后,在进行标签定位 
    - 节点交互:
        - 点击:click()
        - send_keys('xxx')
    - 执行js:
        - excute_script('jsCode')
    - 动作链:
        - 导包:from selemium.webdriver import ActionChians
        - 创建一个动作链对象:action = ActionChians(bro)
        - 调用动作链对象中封装的属性和方法:
            - action.click_and_hold(ele)
            - move_by_offset(x,y)
            - perform():立即执行动作链
            - release()
    - page_source:返回当前浏览器显示页面的全部页面源码数据
- 无头的设置 phantomJs  谷歌无头浏览器

- selenium规避监测

- 截图:save_screenshot('./1.png')