selenium模块

• 一 介绍
• 二 安装
• 三 基本使用
• 四 选择器
• 五 等待元素被夹在
• 元素交互操作
• 其他
• 项目联

一 介绍

selenium最初是一个自动化测试的工具，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，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

1、有界面浏览器

#安装：selenium+chromedriver
pip3 install selenium
chromedriver下载地址：http://chromedriver.storage.googleapis.com/index.html
浏览器版本和驱动版本的对应关系表： https://blog.csdn.net/huilan_same/article/details/51896672

2、无界面浏览器

PhantomJS不再更新

#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. (v3.6.1:69c0db5, Mar  , ::) [MSC v.  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

在 PhantomJS 年久失修, 后继无人的节骨眼 
Chrome 出来救场, 再次成为了反爬虫 Team 的噩梦

自Google 发布 chrome 59 / 60 正式版 开始便支持Headless mode

这意味着在无 GUI 环境下, PhantomJS 不再是唯一选择

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
chrome_options = Options()
chrome_options.add_argument('window-size=1920x3000') #指定浏览器分辨率
chrome_options.add_argument('--disable-gpu') #谷歌文档提到需要加上这个属性来规避bug
chrome_options.add_argument('--hide-scrollbars') #隐藏滚动条, 应对一些特殊页面
chrome_options.add_argument('blink-settings=imagesEnabled=false') #不加载图片, 提升速度
chrome_options.add_argument('--headless') #浏览器不提供可视化页面. linux下如果系统不支持可视化不加这条会启动失败
chrome_options.binary_location = r"C:\Program Files (x86)\Google\Chrome\Application\chrome.exe" #手动指定使用的浏览器位置

driver=webdriver.Chrome(chrome_options=chrome_options)
driver.get('https://www.baidu.com')

print('hao123' in driver.page_source)

driver.close() #切记关闭浏览器，回收资源

selenium+谷歌浏览器headless模式

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,)
    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,)

try:
    #===============所有方法===================
    # 、find_element_by_id
    # 、find_element_by_link_text
    # 、find_element_by_partial_link_text
    # 、find_element_by_tag_name
    # 、find_element_by_class_name
    # 、find_element_by_name
    # 、find_element_by_css_selector
    # 、find_element_by_xpath
    # 强调：
    # 、上述均可以改写成find_element(By.ID,'kw')的形式
    # 、find_elements_by_xxx的形式是查找到多个元素，结果为列表

    #===============示范用法===================
    # 、find_element_by_id
    print(driver.find_element_by_id('kw'))

    # 、find_element_by_link_text
    # login=driver.find_element_by_link_text('登录')
    # login.click()

    # 、find_element_by_partial_link_text
    login=driver.find_elements_by_partial_link_text('录')[]
    login.click()

    # 、find_element_by_tag_name
    print(driver.find_element_by_tag_name('a'))

    # 、find_element_by_class_name
    button=wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'tang-pass-footerBarULogin')))
    button.click()

    # 、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('xxxxxx')
    commit.click()

    # 、find_element_by_css_selector
    driver.find_element_by_css_selector('#kw')

    # 、find_element_by_xpath

    time.sleep()

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,)
driver.implicitly_wait() #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[].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()

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,)
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()

五、等待元素被加载

#、selenium只是模拟浏览器行为，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。

#、等待的方式分两种：
隐式等待：在browser.get('xxx')前设置，针对所有元素有效
显式等待：在browser.get('xxx')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()

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,)
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

import time
from selenium import  webdriver
from selenium.webdriver.common.keys import Keys

tiga=webdriver.Chrome()
tiga.get('https://www.jd.com/')
tiga.implicitly_wait()

try:
    key=tiga.find_element_by_id('key')
    key.send_keys('iphone')
    key.send_keys(Keys.ENTER)

    time.sleep()

    d=tiga.find_element_by_id('key')
    d.clear()
    d.send_keys('电脑')
    d.send_keys(Keys.ENTER)

    time.sleep()

except Exception:
    pass
finally:
    tiga.close()

点击、清空

import time
from selenium import webdriver
from selenium.webdriver import ActionChains

tiga=webdriver.Chrome()
tiga.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
tiga.implicitly_wait()

try:
    tiga.switch_to.frame('iframeResult')
    source=tiga.find_element_by_id('draggable')
    target=tiga.find_element_by_id('droppable')

    #方法一
    # chain=ActionChains(tiga)
    # chain.drag_and_drop(source,target)
    # chain.perform()

    #方法二
    ActionChains(tiga).click_and_hold(source).perform()
    distance = target.location['x'] - source.location['x']

    track =
    while track < distance:
        ActionChains(tiga).move_by_offset(xoffset=, yoffset=).perform()
        track += 

    ActionChains(tiga).release().perform()

    time.sleep()

except Exception:
    pass
finally:
    tiga.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里无法直接查看到自frame的元素，必须switch_to_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()

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()
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()

cookies

#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[])
browser.get('https://www.taobao.com')
time.sleep()
browser.switch_to_window(browser.window_handles[])
browser.get('https://www.sina.com.cn')
browser.close()

选项卡管理

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()

异常处理

八 练习

from selenium import webdriver
from time import sleep

#创建一个浏览器对象executable_path驱动的路径
bro = webdriver.Chrome(executable_path='./chromedriver.exe')
#get方法可以指定一个url，让浏览器进行请求
bro.implicitly_wait()
bro.get('https://mail.163.com/')

try:
    # 切换到登陆的iframe
    sle = bro.find_element_by_xpath('//*[@id="loginDiv"]/iframe').get_attribute("id")
    bro.switch_to.frame(sle)

    # 输入账号密码登陆
    user = bro.find_element_by_name('email')
    pwd = bro.find_element_by_name('password')
    user.send_keys('xuchaoqiang')
    pwd.send_keys('...')
    button = bro.find_element_by_id('dologin')
    button.click()#click表示的是点击操作

    # 点击写信按钮发邮件
    write_btn = bro.find_element_by_id("_mail_component_24_24")
    write_btn.click()

    # 输入收信人
    recipient = bro.find_element_by_class_name("nui-editableAddr-ipt")
    recipient.send_keys("825645848@qq.com")
    # 输入写信内容(切换frame)//*[@id="_mail_editor_0_212"]/div[1]/div[2]/iframe
    fx = bro.find_element_by_xpath('//iframe[@class="APP-editor-iframe"]')
    bro.switch_to.frame(fx)
    send_text = bro.find_element_by_class_name("nui-scroll")
    send_text.send_keys('test1')

    #切换到父frame
    bro.switch_to.parent_frame()

    # 点击发送邮件
    send_btn = bro.find_element_by_xpath('//div[@class="nui-toolbar-item"]/div[1]')
    send_btn.click()

except Exception:
    pass
finally:
    bro.quit()#关闭浏览器

自动登录163邮箱并发送邮件

from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import time

def get_goods(driver):
    try:
        goods_list = driver.find_elements_by_class_name("gl-item")
        for good in goods_list:
            p_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", " ")
            p_price = good.find_element_by_css_selector(".p-price i").text
            p_comment = good.find_element_by_css_selector(".p-commit").text

            msg = '''
            商品 : %s
            链接 : %s
            价钱 ：%s
            评论 ：%s
            ''' % (p_name,p_url,p_price,p_comment)

            print(msg, end='\n')
        button=driver.find_element_by_partial_link_text('下一页')
        button.click()
        time.sleep()
        get_goods(driver)
    except Exception:
        pass

def spider(url, keyword):
    driver = webdriver.Chrome(executable_path='./chromedriver.exe')
    driver.get(url)
    driver.implicitly_wait()

    try:
        key = driver.find_element_by_id("key")
        key.send_keys(keyword)
        key.send_keys(Keys.ENTER)
        get_goods(driver)
    finally:
        bro.close()

if __name__ == '__main__':
    spider("https://www.jd.com/", keyword='iPhone8手机')

爬取京东商品信息

补充

driver对象用xpath筛选出元素的selenium对象，使用get_attribute("##")来获取属性值