关键词搜索

源码搜索 ×
×

Python 爬虫:selenium 详解

发布2019-08-24浏览1491次

详情内容

一、什么是 Selenium

selenium 是一套完整的web应用程序测试系统,包含了测试的录制(selenium IDE),编写及运行(Selenium Remote Control)和测试的并行处理(Selenium Grid)。Selenium的核心Selenium Core基于JsUnit,完全由JavaScript编写,因此可以用于任何支持JavaScript的浏览器上。
其实它就是一个自动化测试工具,支持各种主流的浏览器

可以通过几行代码,自己去打开浏览器,自己去模拟我们的一些搜索
可以称得上是爬虫利器

二、支持的主流浏览器

  1. 安装 selenium 库 pip install selenium
  2. 下载对应的浏览器驱动
浏览器驱动
Chromehttps://sites.google.com/a/chromium.org/chromedriver/downloads
Edgehttps://developer.microsoft.com/en-us/microsoft-edge/tools/webdriver/
Firefoxhttps://github.com/mozilla/geckodriver/releases
Safarihttps://webkit.org/blog/6900/webdriver-support-in-safari-10/

我用的是谷歌浏览器,所以此处我选择谷歌浏览器的驱动
在这里插入图片描述
然后将 chromedriver 放置的路径添加到 Path 中
在这里插入图片描述
这里需要注意下,如果使用的是 Pycharm 软件,添加好 Path后需要重启下 该软件才可以加载使用

测试代码

# 导入 web 驱动模块
from selenium import webdriver
# 创建一个 Chrome 驱动
driver = webdriver.Chrome()
# 使用 get 方法打开百度
driver.get("https://www.baidu.com")

    结果图:
    在这里插入图片描述

    三、基本使用

    from selenium import webdriver
    driver = webdriver.Chrome()
    driver.get("https://www.baidu.com")
    # 获取输入框,kw 代表输入框的 id 
    input = driver.find_element_by_css_selector('#kw')
    input.send_keys("皮卡丘")
    # 获取“百度” 按钮,su  代表 "百度一下 " 的 id 
    button = driver.find_element_by_css_selector('#su')
    button.click()
    
      7
    • 8
    • 9

    在这里插入图片描述
    在这里插入图片描述

    1. 声明浏览器对象

    上面我们知道了selenium支持很多的浏览器,但是如果想要声明并调用浏览器则需要:

    # 这里只写了两个例子,当然了其他的支持的浏览器都可以通过这种方式调用
    from selenium import webdriver
    browser = webdriver.Chrome()
    browser = webdriver.Firefox()
    
    • 1
    • 2
    • 3
    • 4

    2. 访问页面

    # 上述代码运行后,会自动打开Chrome浏览器,
    # 并登陆百度打印百度首页的源代码,然后关闭浏览器
    from selenium import webdriver
    browser = webdriver.Chrome()
    browser.get("http://www.baidu.com")
    print(browser.page_source)
    browser.close() 
    
      7

    3. 查找元素

    1. 单个元素查找
    # 这里我们通过三种不同的方式去获取响应的元素,结果都是相同的
    # 第一种是通过id的方式,第二个中是CSS选择器,第三种是xpath选择器
    from selenium import webdriver
    browser = webdriver.Chrome()
    browser.get("http://www.taobao.com")
    input_first = browser.find_element_by_id("q")
    input_second = browser.find_element_by_css_selector("#q")
    input_third = browser.find_element_by_xpath('//*[@id="q"]')
    print(input_first)
    print(input_second)
    print(input_third)
    browser.close()
    
      7
    • 8
    • 9
    • 10
    • 11
    • 12
    1. 页面获取一个元素的方法
    find_element_by_id
    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
    
      7
    • 8
    1. 比较通用的一种方式
    from selenium import webdriver
    # 需要记住By模块需要导入
    from selenium.webdriver.common.by import By
    browser = webdriver.Chrome()
    browser.get("http://www.taobao.com")
    input_first = browser.find_element(By.ID,"q")
    print(input_first)
    browser.close()
    
      7
    • 8

    当然这种方法和上述的方式是通用的,browser.find_element(By.ID,“q”)这里By.ID中的ID可以替换为其他几个

    1. 多个元素查找

    其实多个元素和单个元素的区别,
    举个例子:多个元素是 find_elements,单个元素是 find_element,
    其他使用上没什么区别,通过其中的一个例子演示:

    from selenium import webdriver
    browser = webdriver.Chrome()
    browser.get("http://www.taobao.com")
    lis = browser.find_elements_by_css_selector('.service-bd li')
    print(lis)
    browser.close()
    

      当然上面的方式也是可以通过导入from selenium.webdriver.common.by import By 这种方式实现

      lis = browser.find_elements(By.CSS_SELECTOR,'.service-bd li')
      
      • 1
      1. 在页面获取多个元素
      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
      
        7

      4. 元素交互操作

      对于获取的元素调用交互方法

      from selenium import webdriver
      import time
      browser = webdriver.Chrome()
      browser.get("http://www.taobao.com")
      input_str = browser.find_element_by_id('q')
      input_str.send_keys("ipad")
      time.sleep(1)
      input_str.clear()
      input_str.send_keys("MakBook pro")
      button = browser.find_element_by_class_name('btn-search')
      button.click()
      
        7
      • 8
      • 9
      • 10
      • 11

      运行的结果可以看出程序会自动打开Chrome浏览器并打开淘宝输入 ipad,然后删除,重新输入MakBook pro,并点击搜索

      交互动作将动作附加到动作链中串行执行

      from selenium import webdriver
      from selenium.webdriver import ActionChains
      browser = webdriver.Chrome()
      url = "http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable"
      browser.get(url)
      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()
      
        7
      • 8
      • 9
      • 10
      • 11

      5. 执行JavaScript

      这是一个非常有用的方法,这里就可以直接调用 js 方法来实现一些操作,
      下面的例子是通过登录知乎然后通过 js 翻到页面底部,并弹框提示

      from selenium import webdriver
      browser = webdriver.Chrome()
      browser.get("http://www.zhihu.com/explore")
      browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')
      browser.execute_script('alert("To Bottom")')
      
      • 1
      • 2
      • 3
      • 4
      • 5

      获取元素属性:get_attribute(‘class’)

      from selenium import webdriver
      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'))
      
        7

      获取文本值:text

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

        获取ID,位置,标签名:id,location,tag_name,size

        from selenium import webdriver
        browser = webdriver.Chrome()
        url = 'https://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)
        
          7
        • 8
        • 9

        6.Frame

        在很多网页中都是有Frame标签,所以我们爬取数据的时候就涉及到切入到frame中以及切出来的问题,通过下面的例子演示
        这里常用的是 switch_to.from()switch_to.parent_frame()

        import time
        from selenium import webdriver
        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.switch_to.frame('iframeResult')
        source = browser.find_element_by_css_selector('#draggable')
        print(source)
        try:
            logo = browser.find_element_by_class_name('logo')
        except NoSuchElementException:
            print('NO LOGO')
        browser.switch_to.parent_frame()
        logo = browser.find_element_by_class_name('logo')
        print(logo)
        print(logo.text)
        
          7
        • 8
        • 9
        • 10
        • 11
        • 12
        • 13
        • 14
        • 15
        • 16
        • 17
        • 18

        7. 等待

        当使用了隐式等待执行测试的时候,如果 WebDriver 没有在 DOM 中找到元素,将继续等待,超出设定时间后则抛出找不到元素的异常, 换句话说,当查找元素或元素并没有立即出现的时候,隐式等待将等待一段时间再查找 DOM,默认的时间是0

        1. 隐式等待
          到了一定的时间发现元素还没有加载,则继续等待我们指定的时间,如果超过了我们指定的时间还没有加载就会抛出异常,如果没有需要等待的时候就已经加载完毕就会立即执行
        from selenium import webdriver
        browser = webdriver.Chrome()
        browser.implicitly_wait(10)
        browser.get('https://www.zhihu.com/explore')
        input = browser.find_element_by_class_name('zu-top-add-question')
        print(input)
        
          1. 显示等待
            指定一个等待条件,并且指定一个最长等待时间,会在这个时间内进行判断是否满足等待条件,如果成立就会立即返回,如果不成立,就会一直等待,直到等待你指定的最长等待时间,如果还是不满足,就会抛出异常,如果满足了就会正常返回
          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)
          input = wait.until(EC.presence_of_element_located((By.ID, 'q')))
          button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '.btn-search')))
          print(input, button)
          
            7
          • 8
          • 9
          • 10
          • 11

          上述的例子中的条件:
          EC.presence_of_element_located() 是确认元素是否已经出现了
          EC.element_to_be_clickable() 是确认元素是否是可点击的

          常用的判断条件:

          title_is 标题是某内容
          title_contains 标题包含某内容
          presence_of_element_located 元素加载出,传入定位元组,如(By.ID, 'p')
          visibility_of_element_located 元素可见,传入定位元组
          visibility_of 可见,传入元素对象
          presence_of_all_elements_located 所有元素加载出
          text_to_be_present_in_element 某个元素文本包含某文字
          text_to_be_present_in_element_value 某个元素值包含某文字
          frame_to_be_available_and_switch_to_it frame加载并切换
          invisibility_of_element_located 元素不可见
          element_to_be_clickable 元素可点击
          staleness_of 判断一个元素是否仍在DOM,可判断页面是否已经刷新
          element_to_be_selected 元素可选择,传元素对象
          element_located_to_be_selected 元素可选择,传入定位元组
          element_selection_state_to_be 传入元素对象以及状态,相等返回True,否则返回False
          element_located_selection_state_to_be 传入定位元组以及状态,相等返回True,否则返回False
          alert_is_present 是否出现Alert
          
            7
          • 8
          • 9
          • 10
          • 11
          • 12
          • 13
          • 14
          • 15
          • 16
          • 17

          四、简单示例

          示例的 html

          <html>
          <body>
           <form id="loginForm">
            <input name="username" type="text" />
            <input name="password" type="password" />
            <input class="login" name="continue" type="submit" value="Login" />
           </form>
          </body>
          <html>
          
            7
          • 8
          • 9

          可以通过 id 获取 form 表单

          login_form = driver.find_element_by_id('loginForm')
          
          • 1

          通过 name 获取相应的输入框

          username = driver.find_element_by_name('username')
          password = driver.find_element_by_name('password')
          
          • 1
          • 2

          通过 xpath 获取表单

          login_form = driver.find_element_by_xpath("/html/body/form[1]")
          login_form = driver.find_element_by_xpath("//form[1]")
          login_form = driver.find_element_by_xpath("//form[@id='loginForm']")
          
          • 1
          • 2
          • 3

          通过标签获取相应的输入框

          input1 = driver.find_element_by_tag_name('input')
          
          • 1

          通过 class 获取相应的元素

          login = driver.find_element_by_class_name('login')
          
          • 1

          上面的方式也可以通过导入from selenium.webdriver.common.by import By
          方式实现

          driver.find_elements(By.ID, 'xxx')
          # By.属性和上面的是一样的
          ID = "id"
          XPATH = "xpath"
          LINK_TEXT = "link text"
          PARTIAL_LINK_TEXT = "partial link text"
          NAME = "name"
          TAG_NAME = "tag name"
          CLASS_NAME = "class name"
          CSS_SELECTOR = "css selector"
          
            7
          • 8
          • 9
          • 10

          在爬虫过程的使用

          # 拿到浏览器对象
          driver = webdriver.Chrome() 
          # 获取请求链接
          driver.current_url
          # 获取 cookies
          driver.get_cookies()
          # 获取源代码
          driver.page_source
          # 获取文本的值
          input.text
          
            7
          • 8
          • 9
          • 10

          参考
          小帅b:学习python的正确姿势
          python修行之路:https://www.cnblogs.com/zhaof/p/6953241.html

          相关技术文章

          点击QQ咨询
          开通会员
          返回顶部
          ×
          微信扫码支付
          微信扫码支付
          确定支付下载
          请使用微信描二维码支付
          ×

          提示信息

          ×

          选择支付方式

          • 微信支付
          • 支付宝付款
          确定支付下载