selenium和phantomJS
——編輯：大牧莫邪
目錄清單
- selenium和phantomjs概述
- selenium常用API
- 案例操作：模擬登陸csdn
課程內(nèi)容
1. selenium和phantomJS是什么東西
selenium是一套web網(wǎng)站自動(dòng)化測試工具宝踪，主要通過命令行的操作完成常規(guī)可視化界面下的用戶各種操作行為，因?yàn)槠浜唵我讓W(xué)成本低，并且執(zhí)行測試效率較高而在web自動(dòng)化測試方面比較突出，該庫可以直接運(yùn)行操作各種主流瀏覽器，輔助瀏覽器自動(dòng)完成表單互動(dòng)宋列、鼠標(biāo)點(diǎn)擊、鼠標(biāo)拖拽、窗口切換等等各種用戶行為庐扫，是一套非常好用且強(qiáng)大的測試庫，但是selenium沒有內(nèi)置的瀏覽器模塊仗哨，不能獨(dú)立運(yùn)行形庭，必須要和第三方瀏覽器配合使用才可以完成自動(dòng)化測試操作。
在實(shí)際操作的過程中厌漂，經(jīng)常使用selenium和各大主流瀏覽器共同操作萨醒，如谷歌、火狐苇倡、IE等等富纸，但是在selenium自動(dòng)化測試發(fā)展過程中，有一個(gè)特殊的瀏覽器經(jīng)常用于和它配合使用旨椒，就是比較出名的無界面瀏覽器phantomJS晓褪。
2. 爬蟲、selenium综慎、phantomJS
這時(shí)候問題就來了涣仿，爬蟲中，為什么要涉及到selenium測試工具和無界面瀏覽器這樣的東東呢？
說來話長了
故事背景：那是很久的以前好港，人們生活在一個(gè)非常平和的年代
老李住在人民小區(qū)的一所豪宅中愉镰，人人互愛互助，路不拾遺夜不閉戶已經(jīng)成了傳統(tǒng)
這天钧汹，從遙遠(yuǎn)的他鄉(xiāng)來了一個(gè)人~老王(爬蟲)岛杀，禁不住五臟廟的鬧騰，終于決定要找點(diǎn)吃的了崭孤，他一路獨(dú)行直接進(jìn)來了老李家类嗤，把老李留給媳婦的無骨燉雞湯給吃了個(gè)精光，然后施施然瀟灑的離去了..
[爬蟲老王辨宠，根據(jù)自己需要的數(shù)據(jù)對(duì)于網(wǎng)站服務(wù)器老李進(jìn)行了數(shù)據(jù)采集遗锣，服務(wù)器沒有任何防范，數(shù)據(jù)直接被獲取到了嗤形！]
老李終于回家了精偿，發(fā)現(xiàn)有人動(dòng)了他的雞湯....于是，晚上老李家傳來了老李的慘叫聲.
老李吸取教訓(xùn)赋兵，應(yīng)該是有小區(qū)之外的人進(jìn)了小區(qū)笔咽，于是跟守門大媽說了一句，以后進(jìn)門的人一定要問問有木有門卡(備注：門卡是小區(qū)住戶才有的一種身份卡片)霹期，有卡才讓進(jìn)小區(qū)叶组，否則不允許進(jìn)入
[服務(wù)器老李由于數(shù)據(jù)無端泄露導(dǎo)致出現(xiàn)了安全問題，于是進(jìn)行了簡單的升級(jí)防范历造，針對(duì)所有進(jìn)行訪問的用戶驗(yàn)證其User-agent甩十，如果User-agent不合適則禁止訪問]
老王這天又餓的不行了，但是進(jìn)小區(qū)時(shí)發(fā)現(xiàn)大媽竟然要查牌吭产，好吧侣监，老王找到小區(qū)的某個(gè)人，請(qǐng)它吃了頓飯臣淤，順便看了看門卡長的什么樣子橄霉，然后自己偷偷去做了一張一模一樣的卡片，然后 老王又進(jìn)去了老李家邑蒋，半夜小區(qū)又傳來了老李的慘叫~~
[爬蟲老王通過抓包工具進(jìn)行了服務(wù)器請(qǐng)求的抓包姓蜂，分析了請(qǐng)求中的各項(xiàng)參數(shù)，在請(qǐng)求頭中添加了瀏覽器的User-agent的值寺董，再次訪問服務(wù)器覆糟，順利拿到了需要采集的數(shù)據(jù)]
老李憤慨于老王的行為，再次跟門口大媽說了說遮咖，家里的東西又被人動(dòng)了滩字，大媽回憶了一下這幾天的情況，發(fā)現(xiàn)老王頻繁的進(jìn)入小區(qū)，于是大媽針對(duì)每天頻繁進(jìn)入小區(qū)的人單獨(dú)進(jìn)行了登記麦箍，注意防范漓藕，一旦出現(xiàn)就堅(jiān)決不允許這樣的人再進(jìn)入小區(qū)
[服務(wù)器老李針對(duì)再次數(shù)據(jù)泄露，認(rèn)識(shí)到了可能有非法用戶多次采集數(shù)據(jù)造成的挟裂，于是針對(duì)限定時(shí)間頻繁訪問數(shù)據(jù)的操作進(jìn)行了屏蔽享钞，如果出現(xiàn)1分鐘內(nèi)訪問次數(shù)超過30次的直接屏蔽ip地址]<> -------------
老王這天來到小區(qū)門口，發(fā)現(xiàn)和他一樣的老孫餓的皮包骨頭诀蓉，很詫異的問老孫什么情況栗竖，老孫據(jù)實(shí)說了實(shí)際情況，老孫已經(jīng)進(jìn)了大媽的黑名單渠啤，再也不能進(jìn)小區(qū)覓食了狐肢！老王發(fā)現(xiàn)了這個(gè)問題之后，于是~每天只進(jìn)入一次小區(qū)沥曹，還跟大媽很熱情的打招呼呢.....老李是徹底的憤怒了份名，家里的吃的雖然沒有像之前丟的那么頻繁，但是終歸還是丟了特別重要的部分妓美，半夜時(shí)分僵腺，老李的慘叫是那么的慘絕人寰[爬蟲老王限制了爬蟲訪問服務(wù)器的時(shí)間，根據(jù)正常用戶的發(fā)送請(qǐng)求的時(shí)間壶栋，限制了不同爬取請(qǐng)求之間的休眠時(shí)間辰如，盡管采集數(shù)據(jù)較慢，但是同樣得到了數(shù)據(jù)]<> -------------
老李這次學(xué)乖了委刘，出門的時(shí)候給家里上鎖了,在也不愁數(shù)據(jù)數(shù)據(jù)再次丟失的問題了[服務(wù)器老李在請(qǐng)求參數(shù)中丧没，添加了一個(gè)加密字段，如果參數(shù)中包含了正確的加密字段锡移，就允許訪問數(shù)據(jù)，如果參數(shù)中沒有標(biāo)注則拒絕訪問]
老王已經(jīng)餓了太多天了
老王找到了傳說中的某個(gè)大師漆际，跟他學(xué)了曠古絕技淆珊，于是在某個(gè)艷陽高照的晴天，再次進(jìn)了老李家....這天半夜奸汇，老李默默的坐了一個(gè)晚上[爬蟲針對(duì)加密數(shù)據(jù)進(jìn)行了分析追蹤施符，得到了加密 的具體流程，于是進(jìn)行了加密字段的重現(xiàn)擂找，將加密數(shù)據(jù)通過請(qǐng)求傳遞給了服務(wù)器戳吝，順利獲取到了數(shù)據(jù)]
<> -------------
老李根據(jù)自己的需要，換了指紋密碼鎖[服務(wù)器針對(duì)數(shù)據(jù)安全問題贯涎，進(jìn)行了再次升級(jí)听哭，對(duì)數(shù)據(jù)進(jìn)行了混淆編碼的同時(shí)，通過混淆編碼進(jìn)行了多重加密操作，同時(shí)進(jìn)行了多個(gè)字段的數(shù)字指紋簽名操作陆盘，如果請(qǐng)求中不包含這些數(shù)據(jù)的情況下普筹，拒絕提供數(shù)據(jù)]<>-------------
老王看著緊鎖的大門，想了很久....這天老李家來了客人隘马，好酒好菜兩人暢談甚久太防，夜幕時(shí)分，老王施施然從老李家走了出來酸员，身旁就是老李相送[客戶端老王看到服務(wù)器老李已經(jīng)做了非常復(fù)雜的反爬蟲操作蜒车，于是權(quán)衡之后不再做反扒操作，直接讓自己變成了正式用戶發(fā)送請(qǐng)求幔嗦，同樣獲取到了數(shù)據(jù)]
而這里涉及到的正式用戶的請(qǐng)求酿愧，就是直接通過瀏覽器發(fā)送請(qǐng)求訪問服務(wù)器，用到的瀏覽器就是phantomJS無界面瀏覽器崭添，通過selenium測試工具發(fā)送請(qǐng)求操作訪問過程獲取數(shù)據(jù)
準(zhǔn)備工作：selenium和PhantomJS
phantomjs：一個(gè)獨(dú)立的無界面瀏覽器寓娩，并不是python模塊，所以需要單獨(dú)下載安裝呼渣；phantomjs官方網(wǎng)站：http://phantomjs.org/
selenium：獨(dú)立的第三方模塊棘伴，通過pip install selenium進(jìn)行安裝
3. selenium核心API
-
selenium.webdriver
- selenium核心驅(qū)動(dòng)模塊，主要包含了web服務(wù)相關(guān)的核心操作屁置，可以調(diào)用指定的服務(wù)器
- 如：driver = selenium.webdriver.PhantomJS()
- 如：driver = selenium.webdriver.Chrome()
- 接續(xù)：瀏覽器填寫url地址訪問文章：
- driver.get("http://www.baidu.com")
- 接續(xù)：獲取標(biāo)簽對(duì)象
-
find_element_by_id()
- 根據(jù)標(biāo)簽編號(hào)查詢標(biāo)簽對(duì)象
- <div id="box">...</div>
- driver.find_by_element_by_id("box")
- 同下：
- from selenium.webdriver.common.by import By
- driver.find_element(by=By.ID, value='box')
-
find_elements_by_name()
- 根據(jù)標(biāo)簽的name屬性只查詢標(biāo)簽對(duì)象
- <div name="real_name"></div>
- driver.find_elements_by_name("real_name")
- 同下：
- from selenium.webdriver.common.by import By
- driver.find_elemnets(by=By.NAME, value='real_name')
-
find_elemnets_by_xpath()
- 根據(jù)xpath語法查詢指定的標(biāo)簽
- driver.find_elements_by_xpath('//input[id="kw"]')
- 同下：
- from selenium.webdriver.common.by import By
- driver.find_elements(by=By.XPATH, value='//input[@id="kw"]')
-
find_elements_by_link_text()
- 根據(jù)超鏈接標(biāo)簽鏈接文本查詢標(biāo)簽
- driver.find_elements_by_link_text('damu')
- 同下：
- from selenium.webdriver.common.by import By
- driver.find_elements(by=By.LINK_TEXT, value='damu')
-
find_elemetns_by_partial_link_text()
- 根據(jù)超鏈接標(biāo)簽鏈接文本 擴(kuò)展 查詢標(biāo)簽
- driver.find_elements_by_partial_link_text('damu')
- 同下：
- from selenium.webdriver.common.by import By
- driver.find_elements(by=By.PARTIAL_LINK_TEXT, value='damu')
-
find_elements_by_tag_name()
- 根據(jù)標(biāo)簽名稱查詢標(biāo)簽
- driver.find_elements_by_tag_text('damu')
- 同下：
- from selenium.webdriver.common.by import By
- driver.find_elements(by=By.TAG_NAME, value='damu')
-
find_elements_by_class_name()
- 根據(jù)標(biāo)簽的class名稱查詢標(biāo)簽
- driver.find_elements_by_class_name("")
- 同下：
- from selenium.webdriver.common.by import By
- driver.find_elements(by=By.CLASS_NAME)
-
find_elements_by_css_selector()
- 根據(jù)標(biāo)簽的樣式名稱查詢得到標(biāo)簽
- driver.find_elements_by_css_selector("#box > div")
- 同下：
- from selenium.webdriver.common.by import By
- driver.find_elements(by=By.CSS_SELECT, value='#box')
-
- selenium核心驅(qū)動(dòng)模塊，主要包含了web服務(wù)相關(guān)的核心操作屁置，可以調(diào)用指定的服務(wù)器
-
selenium.webdirver.common.keys.Keys
- selenium用于操作用戶鍵盤的核心模塊
- 表單處理：輸入框填寫數(shù)據(jù)
- 選擇輸入框：kw = driver.find_element_by_id("kw")
- 輸入數(shù)據(jù)：kw.send_keys(u"關(guān)鍵字")
- 表單處理：下拉列表框選擇數(shù)據(jù)
- from selenium.webdriver.support.ui import Select
- 選擇下拉框：sl = Select(driver.find_element_by_id("city"))
- 輸入選擇的值：
- sl.select_by_index(1) # 根據(jù)值的索引賦值
- sl.select_by_value("zhengzhou") # 根據(jù)具體下拉框的value賦值
- sl.select_by_visible_text("鄭州")# 根據(jù)下拉框顯示的值賦值
- sl.deselect_all() # 全部取消
- 鍵盤按鍵：功能鍵+字母按鍵
- from selenium.webdriver.common.keys import Keys
- driver.find_element_by_id("kw").send_keys(Keys.CONTROL, "a")# ctrl+a全選
- ALT:alt按鍵
- NUMBER1：數(shù)字鍵1
- LFET：←左方向鍵
- F1：功能鍵F1
- 更多more~
-
selenium.webdriver.ActionChains
- 該模塊包含了和鼠標(biāo)操作相關(guān)的行為
- 模擬鼠標(biāo)單擊
- driver.find_element_by_id("su").click()
- 鼠標(biāo)鏈操作
- from selenium.webdriver import ActionChains # 引入鼠標(biāo)模塊
- su = driver.find_element_by_id("su") # 獲取標(biāo)簽對(duì)象
- ActionChains(driver).move_to_element(su).perform()# 鼠標(biāo)移動(dòng)到對(duì)象上
- ActionChains(driver).move_to_element(su).click(su).perform()# 鼠標(biāo)單擊
- ActionChains(driver).move_to_element(su).double_click(su).perform()# 鼠標(biāo)雙擊
- ActionChains(driver).move_to_element(su).context_click(su).perform()# 鼠標(biāo)右鍵單擊
- ActionChains(driver).move_to_element(su).click_to_hold(su).perform()# 鼠標(biāo)單擊并按住
- pos1 = driver.find_element_by_element("pos1")
- pos2 = driver.find_element_by_element("pos2")
- ActionChains(driver).drag_and_drop(pos1, pos2).perform() # 鼠標(biāo)將pos1脫拽到pos2的位置
-
頁面窗口操作
- driver.switch_to.window("window name")# 窗口誒切換
- driver.forward()# 導(dǎo)航前進(jìn)
- driver.back()# 導(dǎo)航后退
-
cookie操作
- driver.get_cookies()獲取當(dāng)前正在訪問url地址的所有cookies數(shù)據(jù)
- driver.delete_cookie(key)根據(jù)key值刪除對(duì)應(yīng)的cookie數(shù)據(jù)
- driver.delete_all_cookies()清空cookie
-
網(wǎng)頁延時(shí)：針對(duì)網(wǎng)頁中通過Ajax異步加載Json數(shù)據(jù)的情況焊夸，不同的網(wǎng)速下返回Json數(shù)據(jù)并渲染頁面會(huì)有延遲，網(wǎng)頁中并不一定能正常獲取數(shù)據(jù)蓝角，需要延時(shí)操作
- 顯式等待
# coding:utf-8 from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdirver.support import except_conditions as EC driver = webdriver.PhantomJS() driver.get("http://www.baidu.com") try: # 獲取標(biāo)簽：間隔10S獲取標(biāo)簽~一直等待到標(biāo)簽獲取成功 element = WebDriverWait(driver, 10).until( EC.presence_of_element_located((By.ID, "box")) ) finally: driver.quit()這里的等待條件阱穗，就是
except_conditions調(diào)用時(shí)執(zhí)行的函數(shù)，內(nèi)置如下條件可以直接調(diào)用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- 隱時(shí)等待：設(shè)置一個(gè)等待時(shí)間即可
# coding:utf-8 from selenium import webdriver driver = webdriver.PhantomJS() driver.implicitly_wait(10) driver.get("http://www.baidu.com") driver.find_element_by_id("su")
以上使鹅，是selenium核心的幾個(gè)API操作方式
案例：CSDN登錄
真實(shí)用戶登錄CSDN場景：
- 用戶打開瀏覽器揪阶，訪問并打開csdn登錄網(wǎng)頁
- 填寫賬號(hào)、密碼患朱，點(diǎn)擊登錄
- 進(jìn)入CSDN主頁
selenium配合phantomjs完成登錄操作鲁僚，并保存數(shù)據(jù)到文件中
# coding:utf-8
from selenium import webdriver
driver = webdriver.PhantomJS("./phantomjs-2.1.1/bin/phantomjs")
# 訪問登錄頁面
driver.get("https://passport.csdn.net/account/login?ref=toolbar")
# 保存登錄頁面截圖
driver.save_screenshot("csdn1.png")
# 獲取登錄 用戶輸入框、密碼輸入框
u_name = driver.find_element_by_id("username").send_keys("damumoye")
p_word = driver.find_element_by_id("password").send_keys("********")
# 模擬點(diǎn)擊登錄
login_btn = driver.find_element_by_css_selector("#fm1 .logging")
login_btn.click()
# 保存登錄后的截圖
driver.save_screenshot("csdn2.png")
# 保存數(shù)據(jù)
with open("csdn.html", "w") as f:
f.write(driver.page_source.encode("utf-8"))
# 退出瀏覽器
driver.quit()
——編輯：大牧莫邪裁厅，未完待續(xù)冰沙，下一節(jié)更精彩
