Python爬虫学习（9）：Selenium的使用

1 简介以及安装

　　Selenium 是什么？一句话，自动化测试工具。它支持各种浏览器，包括 Chrome，Safari，Firefox 等主流界面式浏览器，如果你在这些浏览器里面安装一个 Selenium 的插件，那么便可以方便地实现Web界面的测试。换句话说叫 Selenium 支持这些浏览器驱动。Selenium支持多种语言开发，比如 Java，C，Ruby等等，有 Python 吗？那是必须的！哦这可真是天大的好消息啊。

　　Selenium 2，又名 WebDriver，它的主要新功能是集成了 Selenium 1.0 以及 WebDriver（WebDriver 曾经是 Selenium 的竞争对手）。也就是说 Selenium 2 是 Selenium 和 WebDriver 两个项目的合并，即 Selenium 2 兼容 Selenium，它既支持 Selenium API 也支持 WebDriver API。

　　安装：如果已经安装了pip，则可以直接通过它安装:

 pip install selenium

　　文档： http://selenium-python.readthedocs.io/

2. 简单使用

　　2.1 打开浏览器

#!/usr/bin/python

from selenium import webdriver

browser=webdriver.Firefox()
browser.get("http://www.baidu.com")

　　报错:

selenium.common.exceptions.WebDriverException: Message: 'geckodriver' executable may have wrong permissions. 

　　程序执行错误，浏览器没有打开，那么应该是没有把 Firefox 驱动没有配置在环境变量里。下载驱动，然后将驱动文件路径配置在环境变量即可。

　　下载地址：https://github.com/mozilla/geckodriver/releases/

　　下载完成后将其加压到/usr/local/bin目录中,然后再在执行,我们看到直接就弹出浏览器并且其页面是百度。

　　2.2 发送数据

　　为了交互方便，就直接用ipython来进行下边的操作.。(如果没有，在centos7中可以直接安装：sudo yum install ipython)。
　　安装完成后就可以直接在命令中输入ipython启动ipython，然后就可以在其中输入python语句，并且带有tab补全功能。下边示例就是打开firefox

　　

　　依次执行以下语：

In [1]: from selenium import webdriver

In [2]: from selenium.webdriver.common.keys import Keys
# 打开浏览器
In [3]: browser = webdriver.Firefox()
# 其中 driver.get 方法会打开请求的URL，WebDriver 会等待页面完全加载完成之后才会返回，
# 即程序会等待页面的所有内容加载完成，JS渲染完毕之后才继续往下执行。
# 注意：如果这里用到了特别多的 Ajax 的话，程序可能不知道是否已经完全加载完毕。
In [4]: browser.get("http://www.baidu.com")

　　然后我们通过firebug（firefox 中按F12）,找出百度的输入框的名称。发现输入框的名称为: wd

　　

　　接下来，我们通过selenium在这个输入框中输入值：

#通过元素名称找到页面输入框
In [5]: elem = browser.find_element_by_name("wd")
#在输入框中输入查询内容
In [6]: elem.send_keys("selenium")

　　这时我们发现在页面中已经出现了查询值：

　　

　　接着可以通过发送向下箭头指示让其在上述的选项中选择：

　　

elem.send_keys(Keys.ARROW_DOWN)

　　然后我们可以通过selenium输入一个回车进行查询,结果可以直接在浏览器中查看。（是不是感觉很强大，通过语句操作浏览器）

In [7]: elem.send_keys(Keys.RETURN)

　　之后我们可以通过browser.page_source获得渲染后的页面

3. 交互

　　在前边的2.2部分已经说明一部分关于交互的使用。这里将更进一步说明。

　　3.1 元素的获取（详情请点这里： http://selenium-python.readthedocs.io/locating-elements.html）

　　当有如下定义的元素的时候：

<input type="text" name="passwd" id="passwd-id" />

　　我们可以通过以下几种方式定位到这个元素：

# 通过元素ID获取此元素
element = driver.find_element_by_id("passwd-id")
# 通过元素的名称获取元素
element = driver.find_element_by_name("passwd")
# 通过xpath获取元素
element = driver.find_element_by_xpath("//input[@id='passwd-id']")

# 下边是其它的方法
find_element_by_tag_name
find_element_by_link_text
find_element_by_partial_link_text
find_element_by_tag_name
find_element_by_class_name
find_element_by_css_selector

　　可以通过以下方法找到多个元素：

    find_elements_by_name
    find_elements_by_xpath
    find_elements_by_link_text
    find_elements_by_partial_link_text
    find_elements_by_tag_name
    find_elements_by_class_name
    find_elements_by_css_selector

　　注意：如果没有找到相应的元素的时候，会抛出NoSuchElementException异常。获取到的元素都用一个类表示，这就意味着，如果你用IDE的时候，给你自动提示很多的方法中不是每一个都能调用的。

　　XPath 是一门在 XML 文档中查找信息的语言。XPath 可用来在 XML 文档中对元素和属性进行遍历，也可以在HTML中使用，xpath的知识点不多，如果要学习，请点击下边的地址：

　　XPath 教程

　　3.2 选择

　　 前边我们已经成功获取并进入到文本框中，现在我们来操作以下其它的元素。比如我们要出发下拉框，我们可以这样做：

# 获取下拉的元素
element = driver.find_element_by_xpath("//select[@name='name']")
# 获取下拉中的所有选项
all_options = element.find_elements_by_tag_name("option")
# 便利所有的选项，输出其值，并点击每一个选项
for option in all_options:
    print("Value is: %s" % option.get_attribute("value"))
    option.click()

　　当然上述不是最有效的方式，selenium提供一个类用于处理这种Slelect元素。以下方法可以凭借其方法名理解其有何用。也可以借助ipython中的help()来查看某个方法的作用以及其详细使用方法。

from selenium.webdriver.support.ui import Select
select = Select(driver.find_element_by_name('name'))
select.select_by_index(index)
select.select_by_visible_text("text")
select.select_by_value(value)

　　　试想以下，我们可能拿selenium来做测试，可能需要对所有的选项都要测试，下边就可以获取素有的选项：

select = Select(driver.find_element_by_xpath("xpath"))
all_selected_options = select.all_selected_options

　　3.3 提交

　　当你填写完成form表单之后，你会通过submit来提交表单。其中的一种方法是通过找到submit按钮，然后让你响应点击。

# 假设你的submit的id为ok
driver.find_element_by_id("ok").click()

　　selenium提供了一个方便的submit()方法，当你通过表单元素调用submit()方法的时候就可以完成提交。

element.submit()

　　3.4 拖拽

　　你可以移动某个元素一定的距离，也可以将一个元素移动到另一个元素中去。

from selenium.webdriver import ActionChains
element = driver.find_element_by_name("source")
target = driver.find_element_by_name("target")
action_chains = ActionChains(driver)
action_chains.drag_and_drop(element, target).perform()

　　3.5 历史记录

　　在历史记录中前进或者后退

# 前进到前边的页面
driver.forward()
# 后退到以前的一个页面
driver.back()

　　3.6 Cookies

　　可以通过以下方法来获取Cookies

# Go to the correct domain
driver.get("http://www.example.com")# And now output all the available cookies for the current URL
driver.get_cookies()

4. 等待

　　这是非常重要的一部分，现在的网页越来越多采用了 Ajax 技术，这样程序便不能确定何时某个元素完全加载出来了。这会让元素定位困难而且会提高产生 ElementNotVisibleException 的概率。

　　所以 Selenium 提供了两种等待方式，一种是隐式等待，一种是显式等待。

　　显式等待是指定某一条件直到这个条件成立时继续执行，隐式等待是等待特定的时间。

　　显式等待：

　　　　显示等待是设定一个时间段和一个条件，当超过这个时间段而设定的条件没有发生则会抛出异常，只有在规定的时间段内条件发生才算正常

　　

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

driver = webdriver.Firefox()
driver.get("http://somedomain/url_that_delays_loading")
try:
    element = WebDriverWait(driver, 10).until(
        EC.presence_of_element_located((By.ID, "myDynamicElement"))
    )
finally:
    driver.quit()

　　上诉例子说明在10秒时间内还没有发现ID为myDynamicElement的元素，则会抛出TimeoutException异常。实际上会每过500ms去执行条件，当发现了元素后就正确返回。

　　下边是可能用到的条件：

　　

    title_is
    title_contains
    presence_of_element_located
    visibility_of_element_located
    visibility_of
    presence_of_all_elements_located
    text_to_be_present_in_element
    text_to_be_present_in_element_value
    frame_to_be_available_and_switch_to_it
    invisibility_of_element_located
    element_to_be_clickable - it is Displayed and Enabled.
    staleness_of
    element_to_be_selected
    element_located_to_be_selected
    element_selection_state_to_be
    element_located_selection_state_to_be
    alert_is_present

　　隐藏等待：

　　　　当需要的元素当前不存在的时候需要等待多长时间。默认的设置时间为0。如果设置了隐式等待，则其在整个WebDriver的实例生存周期类有效。

from selenium import webdriver

driver = webdriver.Firefox()
driver.implicitly_wait(10) # seconds
driver.get("http://somedomain/url_that_delays_loading")
myDynamicElement = driver.find_element_by_id("myDynamicElement")

　　　　API 地址