爬蟲第七講:Selenium

Selenium庫

什么是Selenium庫

Selenium是自動(dòng)化測(cè)試工具吧黄,支持多種瀏覽器芜辕,爬蟲中主要用來解決JavaScript渲染的問題
可以用Selenium來完成網(wǎng)頁的下拉,點(diǎn)擊等等操作理郑”螅可以完全模擬瀏覽器加載網(wǎng)頁,點(diǎn)擊按鈕怨酝,就像人一樣。

如何安裝

pip3 install selenium

用法講解

  • 基本使用 ----selenium驅(qū)動(dòng)chrome完成打開百度那先,輸入關(guān)鍵字农猬,點(diǎn)擊回車的動(dòng)作
from selenium import webdriver
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
from selenium.webdriver.chrome.options import Options

options = Options()
options.add_argument('--no-sandbox')
options.add_argument('--disable-dev-shm-usage')
options.add_argument('--headless')
options.add_argument('--disable-gpu')
browser = webdriver.Chrome(executable_path='/usr/bin/chromedriver', chrome_options=options)#打開瀏覽器,加了很多option,為了在命令行下可以正常調(diào)用Chrome
try:
    browser.get('http://www.baidu.com')#打開url
    input = browser.find_element_by_id('kw')#找到id為kw的元素售淡,并賦值給input
    input.send_keys('Python')#input向這個(gè)元素傳入Python字符串
    input.send_keys(Keys.ENTER)#向input這個(gè)元素傳入回車
    wait = WebDriverWait(browser,10)#等待10秒
    wait.until(EC.presence_of_element_located((By.ID,'content_left')))#一直等待斤葱,直到id= content_left的元素加載完畢
    print(browser.current_url)#打印當(dāng)前的url
    print(browser.get_cookies())#打印當(dāng)前瀏覽器的cookie
    print(browser.page_source)#打印當(dāng)前頁面的源代碼
finally:
    browser.close()#關(guān)閉瀏覽器

  • 聲明瀏覽器對(duì)象

from selenium import webdriver
browser = webdriver.Chrome(executable_path='/usr/bin/chromedriver', chrome_options=options)
browser = webdriver.Firefox()
browser = webdriver.Edge()

  • 訪問頁面

from selenium import webdriver
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
from selenium.webdriver.chrome.options import Options

options = Options()
options.add_argument('--no-sandbox')
options.add_argument('--disable-dev-shm-usage')
options.add_argument('--headless')
options.add_argument('--disable-gpu')
browser = webdriver.Chrome(executable_path='/usr/bin/chromedriver', chrome_options=options)
try:
    browser.get('http://www.taobao.com')#訪問淘寶
    print(browser.page_source)#返回頁面源代碼
finally:
    browser.close()
  • 查找元素,比如找到input 輸入信息揖闸,找到button揍堕,模擬點(diǎn)擊


查找單個(gè)元素

from selenium import webdriver
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
from selenium.webdriver.chrome.options import Options

options = Options()
options.add_argument('--no-sandbox')
options.add_argument('--disable-dev-shm-usage')
options.add_argument('--headless')
options.add_argument('--disable-gpu')
browser = webdriver.Chrome(executable_path='/usr/bin/chromedriver', chrome_options=options)
try:
    browser.get('http://www.w3school.com.cn/css/index.asp')
    input_first = browser.find_element_by_id('intro')
    input_second = browser.find_element_by_css_selector('#intro')
    input_third = browser.find_element_by_xpath('//*[@id="intro"]')
    print(input_first,input_second,input_third)
finally:
    browser.close()

返回結(jié)果:

<selenium.webdriver.remote.webelement.WebElement (session="c29059732801b21c6317ce92c7484751", element="0.057789670625651324-1")> <selenium.webdriver.remote.webelement.WebElement (session="c29059732801b21c6317ce92c7484751", element="0.057789670625651324-1")> <selenium.webdriver.remote.webelement.WebElement (session="c29059732801b21c6317ce92c7484751", element="0.057789670625651324-1")>
有以下查找元素的方法
  • find_element_by_name
  • find_element_by_xpath
  • 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
  • 通用查找模式 find_element(By.ID,'intro')

查找多個(gè)元素


from selenium import webdriver
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
from selenium.webdriver.chrome.options import Options

options = Options()
options.add_argument('--no-sandbox')
options.add_argument('--disable-dev-shm-usage')
options.add_argument('--headless')
options.add_argument('--disable-gpu')
browser = webdriver.Chrome(executable_path='/usr/bin/chromedriver', chrome_options=options)
try:
    browser.get('http://www.taobao.com')
    lis = browser.find_elements_by_css_selector('.service-bd li')#注意是find_elements_XXX
    lis = browser.find_elements(By.CSS_SELECTOR,'.service-bd li')#和上面的方法的結(jié)果一樣。這里用通用查找多個(gè)元素方法
    print(lis)#返回一個(gè)列表
finally:
    browser.close()

有多種方法查找多個(gè)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
  • 通用查找模式 find_elements(By.ID,'intro')

元素交互操作

對(duì)獲取的元素調(diào)用交互方法

我們用上面的find_element等方法的到了元素汤纸,那么怎么操作這些元素呢衩茸?

from selenium import webdriver
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
from selenium.webdriver.chrome.options import Options
import time

options = Options()
options.add_argument('--no-sandbox')
options.add_argument('--disable-dev-shm-usage')
options.add_argument('--headless')
options.add_argument('--disable-gpu')
browser = webdriver.Chrome(executable_path='/usr/bin/chromedriver', chrome_options=options)
try:
    browser.get('http://www.taobao.com')
    input = browser.find_element_by_css_selector('#q')#找到id='q'的input
    input.send_keys("iPhone")#在這個(gè)input中輸入iPhone
    time.sleep(1)#等待1秒鐘
    input.clear()#清空輸入框
    input.send_keys("iPad")#input輸入iPad
    button = browser.find_element_by_class_name('btn-search')#找到類名為‘btn-search’的元素
    button.click()#這個(gè)元素執(zhí)行click函數(shù)
finally:
    browser.close()

更多操作

交互動(dòng)作 與元素交互動(dòng)作不同

將動(dòng)作附加到動(dòng)作鏈中串行執(zhí)行


from selenium import webdriver
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
from selenium.webdriver.chrome.options import Options
from selenium.webdriver import ActionChains

options = Options()
options.add_argument('--no-sandbox')
options.add_argument('--disable-dev-shm-usage')
options.add_argument('--headless')
options.add_argument('--disable-gpu')
browser = webdriver.Chrome(executable_path='/usr/bin/chromedriver', chrome_options=options)
try:
    browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
    browser.switch_to.frame('iframeResult')
    source = browser.find_element_by_css_selector('#draggable')
    target = browser.find_element_by_css_selector('#droppable')
    actions = ActionChains(browser)
    actions.drag_and_drop(source,target)
    actions.perform()
finally:
    browser.close()

更多動(dòng)作鏈

執(zhí)行JavaScript

from selenium import webdriver
browser = webdirver.Chrome()
browser.get('http://www.zhihu.com/explore')
browser.execute_script('window.scrollTo(0,document.body.scrollHeight)')
browser.execute_script('alert("To Bottom")')

獲取元素信息

獲取屬性

from selenium import webdriver
from selenium.webdriver import ActionChains
browser = webdriver.Chrome()
url = 'https://www.zhihu.com/explore'
browser.get(url)
logo = browser.find_element_by_id('zh-top-link-logo')
print(logo)
print(logo.get_attribute('class'))

獲取文本值

from selenium import webdriver
browser = webdriver.Chrome()
url = 'http://www.zhihu.com/explore'
browser.get(url)
input = browser.find_element_by_class_name('zu-top-add-question')
print(input.text)

獲取ID、位置贮泞、標(biāo)簽名楞慈、size

from selenium import webdriver
browser = webdriver.Chrome()
url = 'http://www.zhihu.com/explore'
browser.get(url)
input = browser.find_element_by_class_name('zu-top-add-question')
print(input.id)
print(input.location)
print(input.tag_name)
print(input.size)

Frame

網(wǎng)頁可能存在不止一個(gè)frame

import time
from selenium import webdirver
from selenium.common.exceptions import NoSuchElementException

browser = webdriver.Chrome
url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'
browser.get(url)
browser.swithch_to.frame('iframeResult')
print(source)
try:
    logo = browser.find_element_by_class_name('logo')
except NoSuchElementException:
    print('NO LOGO')#子frame找不到父frame的元素
browser.switch_to.parent_frame()
logo = browser.find_element_by_class_name('logo')
print(logo)
print(logo.text)

等待

隱式等待

當(dāng)使用了隱式等待執(zhí)行測(cè)試的時(shí)候幔烛,如果WebDriver沒有在DOM中找到元素,將繼續(xù)等待囊蓝,超出設(shè)定時(shí)間后則拋出找不到元素的異常饿悬,換句話說,當(dāng)查找元素或元素并沒有立即出現(xiàn)的時(shí)候聚霜,隱式等待將等待一段時(shí)間在查找DOM狡恬,默認(rèn)的時(shí)間是0

from selenium import webdirver
browser = webdirver.Chrome()
browser.implicity_wait(10)#設(shè)置隱式等待10秒,意義:如果知乎網(wǎng)站沒有打開蝎宇,那么默認(rèn)等待10秒傲宜,如果10秒之后還找不到元素,再拋出異常夫啊。如果網(wǎng)速特別慢函卒,可以用這個(gè)辦法
browser.get('https://www.zhihu.com/explore')
input = browser.find_element_by_class_name('zu-top=add-question')
print(input)

顯式等待 非常常用

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

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
wait = WebDriverWait(browser,10)#顯式等待,更加常見撇眯,設(shè)置最長等待時(shí)間10秒
input = wait.until(EC.presence_of_element_located((By.ID,'q')))#等待條件是如果獲取id是q的元素
button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,'btn-search')))#等待條件是獲取class='btn-search'的按鈕
print(input,button)

以下是expected_conditions常見操作

  • title_is 標(biāo)題是某內(nèi)容
  • title_contains 標(biāo)題包含某內(nèi)容
  • presence_of_element_located 元素加載出报嵌,傳入定位元組,如(By.ID,'p')
  • visibility_of_element_located 元素可見熊榛,傳入定位元組
  • visibility_of 可見锚国,傳入元素對(duì)象
  • presence_of_all_elements_located 所有元素加載出
  • text_to_be_present_in_element 某個(gè)元素文本包含某文字
  • text_to_be_present_in_element_value 某個(gè)元素值包含某文字
  • frame_to_be_available_and_switch_to_it frame加載并切換
  • invisibility_of_element_located 元素不可見
  • element_to_be_cliable 元素可點(diǎn)擊
  • staleness_of 判斷一個(gè)元素是否人在DOM,可判斷頁面是否已經(jīng)刷新
  • element_to_be_selected 元素可選擇玄坦,傳元素對(duì)象
  • element_located_to_be_selected 元素可選擇血筑,傳入定位元組
  • element_selection_state_to_be 傳入元素對(duì)象以及狀態(tài),相等返回True煎楣,否則返回False
  • element_located_selection_state_to_be 傳入定位元組以及狀態(tài)豺总,相等返回True,否則返回False
  • alert_is_present 是否出現(xiàn)Alert
    詳細(xì)內(nèi)容

瀏覽器的前進(jìn)后退

import time
from selenium import webdriver

browser = webdriver.Chrome()
browser.get('http://www.baidu.com')
browser.get('http://www.taobao.com')
browser.get('http://www.python.com')
browser.back()#后退
time.sleep(1)
browser.forward()#前進(jìn)
browser.close()

Cookies择懂,如果做登陸后爬取非常有用

from selenium import webdirver
browser = webdriver.Chrome()
browser.get('https://www.zhihu.com/explore')
print(browser.get_cookies())
browser.add_cookie({'name':'name','domain':'www.zhihu.com','value':'hello'})
print(browser.get_cookies())
browser.delete_all_cookies()
print(browser.get_cookies())

選項(xiàng)卡管理

import time
from selenium import webdriver

browser = webdirver.Chrome()
browser.get('https://www.baidu.com')
browser.execute_script('window.open()')#新增選項(xiàng)卡
print(browser.window_handles)#返回瀏覽器窗口句柄
browser.switch_to_window(browser.window_handles[1])#切換到第二個(gè)選項(xiàng)卡
browser.get('https://www.taobao.com')#第二個(gè)選項(xiàng)卡打開淘寶
time.sleep(1)
browser.switch_to_window(browser.window_handles[0])#切換到第一個(gè)選項(xiàng)卡
browser.get('http://python.org')#第一個(gè)選項(xiàng)卡打開python.org

異常處理

from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.find_element_by_id('hello')#不存在id=hello的元素喻喳,拋出異常NoSuchElementException

詳細(xì)異常文檔

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市困曙,隨后出現(xiàn)的幾起案子表伦,更是在濱河造成了極大的恐慌,老刑警劉巖慷丽,帶你破解...
    沈念sama閱讀 221,820評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件蹦哼,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡要糊,警方通過查閱死者的電腦和手機(jī)纲熏,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,648評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人赤套,你說我怎么就攤上這事飘痛。” “怎么了容握?”我有些...
    開封第一講書人閱讀 168,324評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵宣脉,是天一觀的道長。 經(jīng)常有香客問我剔氏,道長塑猖,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 59,714評(píng)論 1 297
  • 正文 為了忘掉前任谈跛,我火速辦了婚禮羊苟,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘感憾。我一直安慰自己蜡励,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,724評(píng)論 6 397
  • 文/花漫 我一把揭開白布阻桅。 她就那樣靜靜地躺著凉倚,像睡著了一般。 火紅的嫁衣襯著肌膚如雪嫂沉。 梳的紋絲不亂的頭發(fā)上稽寒,一...
    開封第一講書人閱讀 52,328評(píng)論 1 310
  • 那天,我揣著相機(jī)與錄音趟章,去河邊找鬼杏糙。 笑死,一個(gè)胖子當(dāng)著我的面吹牛蚓土,可吹牛的內(nèi)容都是我干的宏侍。 我是一名探鬼主播,決...
    沈念sama閱讀 40,897評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼北戏,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼负芋!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起嗜愈,我...
    開封第一講書人閱讀 39,804評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎莽龟,沒想到半個(gè)月后蠕嫁,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,345評(píng)論 1 318
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡毯盈,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,431評(píng)論 3 340
  • 正文 我和宋清朗相戀三年剃毒,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,561評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡赘阀,死狀恐怖益缠,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情基公,我是刑警寧澤幅慌,帶...
    沈念sama閱讀 36,238評(píng)論 5 350
  • 正文 年R本政府宣布,位于F島的核電站轰豆,受9級(jí)特大地震影響胰伍,放射性物質(zhì)發(fā)生泄漏书闸。R本人自食惡果不足惜绪妹,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,928評(píng)論 3 334
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望镣陕。 院中可真熱鬧斑司,春花似錦渗饮、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,417評(píng)論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至糙置,卻和暖如春云茸,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背谤饭。 一陣腳步聲響...
    開封第一講書人閱讀 33,528評(píng)論 1 272
  • 我被黑心中介騙來泰國打工标捺, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人揉抵。 一個(gè)月前我還...
    沈念sama閱讀 48,983評(píng)論 3 376
  • 正文 我出身青樓亡容,卻偏偏與公主長得像,于是被迫代替她去往敵國和親冤今。 傳聞我的和親對(duì)象是個(gè)殘疾皇子闺兢,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,573評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容

  • 這篇文章在介紹官網(wǎng)的同時(shí)使用了比較多的腳本示例,示例里遇到的問題有部分在本篇文章進(jìn)行了解釋戏罢,還有一篇文章專門記錄了...
    顧顧314閱讀 12,939評(píng)論 3 32
  • 又是周一了,因?yàn)闆]休息都感覺不到周一的新鮮讲岁。
    star衛(wèi)星閱讀 145評(píng)論 0 0
  • 昨日一夜未眠我擂,孩子生病立馬變成焦慮的媽媽衬以!什么道理都靠邊站,孩子健康最為重要校摩! 好在遇強(qiáng)則強(qiáng)看峻、遇弱則弱的天性!讓我...
    藤花舊館閱讀 136評(píng)論 2 2
  • 關(guān)于學(xué)習(xí)英語的正確方法衙吩,其實(shí)我們普通人中做了不普通事情的楊柳老師已經(jīng)介紹的很清楚了互妓。只是我看到她的方法,在激動(dòng)了2...
    HeJuN9閱讀 963評(píng)論 0 0