selenium模块

selenium模块

阅读目录

• 一 介绍
• 二 安装
• 三 基本使用
• 四 选择器
• 五 等待元素被加载
• 六 元素交互操作
• 七 其他
• 八 项目练习

一 介绍

selenium最初是一个自动化测试工具,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，可支持多种浏览器from selenium import webdriver
browser=webdriver.Chrome()
browser=webdriver.Firefox()
browser=webdriver.PhantomJS()
browser=webdriver.Safari()
browser=webdriver.Edge() 

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

二 安装

#安装：selenium+chromedriver
pip3 install selenium
下载chromdriver.exe放到python安装路径的scripts目录中即可，注意最新版本是2.29，并非2.9
国内镜像网站地址：http://npm.taobao.org/mirrors/chromedriver/2.29/
最新的版本去官网找:https://sites.google.com/a/chromium.org/chromedriver/downloads#验证安装
C:\Users\Administrator>python3
Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from selenium import webdriver
>>> driver=webdriver.Chrome() #弹出浏览器
>>> driver.get('https://www.baidu.com')
>>> driver.page_source#注意：
selenium3默认支持的webdriver是Firfox，而Firefox需要安装geckodriver
下载链接：https://github.com/mozilla/geckodriver/releases

#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 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 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

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uinput_tag.send_keys(Keys.ENTER) #输入回车
wait=WebDriverWait(browser,10)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 timedriver=webdriver.Chrome()
driver.get('https://www.baidu.com')
wait=WebDriverWait(driver,10)try:#===============所有方法===================# 1、find_element_by_id# 2、find_element_by_link_text# 3、find_element_by_partial_link_text# 4、find_element_by_tag_name# 5、find_element_by_class_name# 6、find_element_by_name# 7、find_element_by_css_selector# 8、find_element_by_xpath# 强调：# 1、上述均可以改写成find_element(By.ID,'kw')的形式# 2、find_elements_by_xxx的形式是查找到多个元素，结果为列表#===============示范用法===================# 1、find_element_by_idprint(driver.find_element_by_id('kw'))# 2、find_element_by_link_text# login=driver.find_element_by_link_text('登录')# login.click()# 3、find_element_by_partial_link_textlogin=driver.find_elements_by_partial_link_text('录')[0]login.click()# 4、find_element_by_tag_nameprint(driver.find_element_by_tag_name('a'))# 5、find_element_by_class_namebutton=wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'tang-pass-footerBarULogin')))button.click()# 6、find_element_by_nameinput_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('18611453110')input_pwd.send_keys('lhf@094573')commit.click()# 7、find_element_by_css_selectordriver.find_element_by_css_selector('#kw')# 8、find_element_by_xpath
time.sleep(5)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 timedriver=webdriver.PhantomJS()
driver.get('https://doc.scrapy.org/en/latest/_static/selectors-sample1.html')
# wait=WebDriverWait(driver,3)
driver.implicitly_wait(3) #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[0].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="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(5)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,10)
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

#1、selenium只是模拟浏览器的行为，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#2、等待的方式分两种：
隐式等待：在browser.get（'xxx'）前就设置，针对所有元素有效
显式等待：在browser.get（'xxx'）之后设置，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(10)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()

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,10)
wait.until(EC.presence_of_element_located((By.ID,'content_left')))contents=browser.find_element(By.CSS_SELECTOR,'#content_left')
print(contents)browser.close()

六 元素交互操作

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,10)input_tag=wait.until(EC.presence_of_element_located((By.ID,'twotabsearchtextbox')))
input_tag.send_keys('iphone 8')
button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
button.click()import time
time.sleep(3)input_tag=browser.find_element_by_id('twotabsearchtextbox')
input_tag.clear() #清空输入框
input_tag.send_keys('iphone7plus')
button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
button.click()# browser.close()

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 timedriver = webdriver.Chrome()
driver.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
wait=WebDriverWait(driver,3)
# driver.implicitly_wait(3)  # 使用隐式等待try:driver.switch_to.frame('iframeResult') ##切换到iframeResultsourse=driver.find_element_by_id('draggable')target=driver.find_element_by_id('droppable')#方式一：基于同一个动作链串行执行# actions=ActionChains(driver) #拿到动作链对象# actions.drag_and_drop(sourse,target) #把动作放到动作链中，准备串行执行# actions.perform()#方式二：不同的动作链，每次移动的位移都不同
    ActionChains(driver).click_and_hold(sourse).perform()distance=target.location['x']-sourse.location['x']track=0while track < distance:ActionChains(driver).move_by_offset(xoffset=2,yoffset=0).perform()track+=2ActionChains(driver).release().perform()time.sleep(10)finally:driver.close()

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()

#frame相当于一个单独的网页，在父frame里是无法直接查看到子frame的元素的，必须switch_to_frame切到该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()

七 其他

#模拟浏览器的前进后退
import time
from selenium import webdriverbrowser=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(10)
browser.forward()
browser.close()

#cookies
from selenium import webdriverbrowser=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()

#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 webdriverbrowser=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[1])
browser.get('https://www.taobao.com')
time.sleep(10)
browser.switch_to_window(browser.window_handles[0])
browser.get('https://www.sina.com.cn')
browser.close()

from selenium import webdriver
from selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameExceptiontry: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()

八 项目练习

#注意：网站都策略都是在不断变化的，精髓在于学习流程。下述代码生效与2017-11-7，不能保证永久有效
from selenium import webdriver
from selenium.webdriver import ActionChains
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 WebDriverWaitbrowser=webdriver.Chrome()try:browser.get('http://mail.163.com/')wait=WebDriverWait(browser,5)frame=wait.until(EC.presence_of_element_located((By.ID,'x-URS-iframe')))browser.switch_to.frame(frame)wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'.m-container')))inp_user=browser.find_element_by_name('email')inp_pwd=browser.find_element_by_name('password')button=browser.find_element_by_id('dologin')inp_user.send_keys('18611453110')inp_pwd.send_keys('xxxx')button.click()#如果遇到验证码，可以把下面一小段打开注释# import time# time.sleep(10)# button = browser.find_element_by_id('dologin')# button.click()
wait.until(EC.presence_of_element_located((By.ID,'dvNavTop')))write_msg=browser.find_elements_by_css_selector('#dvNavTop li')[1] #获取第二个li标签就是“写信”了
    write_msg.click()wait.until(EC.presence_of_element_located((By.CLASS_NAME,'tH0')))recv_man=browser.find_element_by_class_name('nui-editableAddr-ipt')title=browser.find_element_by_css_selector('.dG0 .nui-ipt-input')recv_man.send_keys('378533872@qq.com')title.send_keys('圣旨')print(title.tag_name)frame=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'APP-editor-iframe')))browser.switch_to.frame(frame)body=browser.find_element(By.CSS_SELECTOR,'body')body.send_keys('egon很帅，可以加工资了')browser.switch_to.parent_frame() #切回他爹send_button=browser.find_element_by_class_name('nui-toolbar-item')send_button.click()#可以睡时间久一点别让浏览器关掉，看看发送成功没有import timetime.sleep(10000)except Exception as e:print(e)
finally:browser.close()

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 timedef get_goods(driver):try:goods=driver.find_elements_by_class_name('gl-item')for good in goods:detail_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','')price=good.find_element_by_css_selector('.p-price i').textp_commit=good.find_element_by_css_selector('.p-commit a').textmsg = '''商品 : %s链接 : %s价钱 ：%s评论 ：%s''' % (p_name,detail_url,price,p_commit)print(msg,end='\n\n')button=driver.find_element_by_partial_link_text('下一页')button.click()time.sleep(1)get_goods(driver)except Exception:passdef spider(url,keyword):driver = webdriver.Chrome()driver.get(url)driver.implicitly_wait(3)  # 使用隐式等待try:input_tag=driver.find_element_by_id('key')input_tag.send_keys(keyword)input_tag.send_keys(Keys.ENTER)get_goods(driver)finally:driver.close()if __name__ == '__main__':spider('https://www.jd.com/',keyword='iPhone8手机')

作业：爬取亚马逊iphone手机的商品信息爬取天猫python书籍的商品信息爬取京东小米手机的商品信息