C语言万字讲解 从零到精通 (文件操作与文件函数)

Posted 2023-04-07 虾米Life

C语言运行时会把数据放在内存中，而内存中的数据是临时的，随着程序的退出，系统内存中的数据也会随着给回收与销毁。
那如何把数据保存起来呢？一般数据保存的方法有，把数据存放在磁盘文件、存放到数据库等方式。
使用文件我们可以将数据直接存放在电脑的硬盘上。
这一章节不谈数据库，就讲关于C语言文件，文件函数等如何操作

文章目录

• 1 文件是什么
• • 1.1 程序文件
  • 1.2 数据文件
  • 1.3 文件名
• 2. 文件指针
• 3. 文件的打开和关闭
• 4. 文件函数 顺序读写
• • 什么是流
  • fputc
  • fgetc
  • fputs
  • fgets
  • fprintf
  • fwrite
  • fread
• 5 对比一组函数
• • sprintf
  • sscanf
• 5 文件的随机读写
• • fseek
  • ftell
  • rewind
• 6 文本文件和二进制文件
• 7 文件读取结束的判定
• • feof
• 8 文件缓冲区

1 文件是什么

在程序设计中，我们一般谈的文件有两种：程序文件、数据文件（从文件功能的角度来分类的）。

1.1 程序文件

包括源程序文件（后缀为.c）,目标文件（windows环境后缀为.obj）,可执行程序（windows环境后缀为.exe）

---

1.2 数据文件

文件的内容不一定是程序，而是程序运行时读写的数据,把数据存储到文件里面，或者输出内容的文件。

在以前各章所处理数据的输入输出都是以终端（屏幕）为对象的，即从终端的键盘输入数据，运行结果显示到显示器上。比如printf scanf 输入输出都是终端为对象的，他们都是存储在内存上的

• 今天我们所要学的就是如何在程序中把数据放到数据文件上，并且内存如何在文件里读取或者写入。

有时候我们会把信息输出到磁盘上，当需要的时候再从磁盘上把数据读取到内存中使用。

1.3 文件名

一个文件要有一个唯一的文件标识，以便用户识别和引用。
文件名包含3部分：文件路径+文件名主干+文件后缀
如： c:\\code\\test.txt

---

2. 文件指针

缓冲文件系统中，关键的概念是“文件类型指针”，简称“文件指针”。

每个被使用的文件都在内存中开辟了一个相应的文件信息区，用来存放文件的相关信息（如文件的名字，文件状态及文件当前的位置等）。这些信息是保存在一个结构体变量中的。该结构体类型是由系统声明的，取名FILE.

例如，VS2013编译环境提供的 stdio.h 头文件中有以下的文件类型申明：

struct _iobuf 
	char* _ptr;
	int   _cnt;
	char* _base;
	int   _flag;
	int   _file;
	int   _charbuf;
	int   _bufsiz;
	char* _tmpfname;
;
typedef struct _iobuf FILE;

不同的C编译器的FILE类型包含的内容不完全相同，但是大同小异。
每当打开一个文件的时候，系统会根据文件的情况自动创建一个FILE结构的变量，并填充其中的信息，

一般都是通过一个FILE的指针来维护这个FILE结构的变量，这样使用起来更加方便。
FILE* p;//文件指针变量

FILE* p;
定义p是一个指向FILE类型数据的指针变量。可以使p指向某个文件的文件信息区（是一个结构体变量）。通过该文件信息区中的信息就能够访问该文件。也就是说，通过文件指针变量能够找到与它关联的文件。

---

3. 文件的打开和关闭

文件在读写之前应该先打开文件，在使用结束之后应该关闭文件。(就像malloc申请了一块空间，使用完之后就要释放)

在编写程序的时候，在打开文件的同时，都会返回一个FILE*的指针变量指向该文件，也相当于建立了指针和文件的关系。

ANSIC 规定使用fopen函数来打开文件，fclose来关闭文件。

• 打开文件 fopen

FILE * fopen ( const char * filename, const char * mode );
参数说明：

filename: 文件名
mode: 打开方式

返回值：

文件被成功打开，该函数将返回一个指向file对象的指针
打开失败返回空指针

• 关闭文件 fclose
  int fclose ( FILE * stream );
  参数说明:

stream: 所要关闭的文件流

打开方式如下：

文件使用方式	含义	如果指定文件不存在
“r”（只读）	为了输入数据，打开一个已经存在的文本文件	出错
“w”（只写）	为了输出数据，打开一个文本文件	建立一个新的文件
“a”（追加）	向文本文件尾添加数据	建立一个新的文件
“rb”（只读）	为了输入数据，打开一个二进制文件	出错
"wb”（只写）	为了输出数据，打开一个二进制文件	建立一个新的文件
"ab”（追加）	向一个二进制文件尾添加数据	出错
“r+”（读写）	为了读和写，打开一个文本文件	出错
“w+”（读写）	为了读和写，建议一个新的文件	建立一个新的文件
"a+”（读写）	打开一个文件，在文件尾进行读写	建立一个新的文件
“rb+”（读写）	为了读和写打开一个二进制文件	出错
"wb+”（读写）	为了读和写，新建一个新的二进制文件	建立一个新的文件
"ab+”（读写）	打开一个二进制文件，在文件尾进行读和写	建立一个新的文件

实例代码：

#include<stdio.h>
#include<stdlib.h>

int main()

	FILE* pf = fopen("test.txt", "w");
	//判断pf指针是否为空
	if (pf == NULL)
	
		perror("fopen");
		return 1;
	

	//文件操作
	fputs("fopen example", pf);

	//关闭文件
	fclose(pf);
	pf = NULL;

	system("pause");
	return 0;

---

4. 文件函数 顺序读写

功能	函数名	适用于
字符输入函数	fgetc	所有输入流
字符输出函数	fputc	所有输出流
文本行输入函数	fgets	所有输入流
文本行输出函数	fputs	所有输出流
格式化输入函数	fscanf	所有输入流
格式化输出函数	fprintf	所有输出流
二进制输入	fread	文件
二进制输出	fwrite	文件

• 什么是流

• 这里我们先讲解什么是 流

流是个抽象的概念，是对输入输出设备的抽象
对于数据的输入/输出操作都是以“流”的方式进行。设备可以是文件，网络，内存，屏幕等。
我们只需要知道如何把数据放进流里面，或者把数据从流里拿出来，不需要知道流跟外部是怎么建立关系的

• 而C语言程序会默认打开这三流
  像scanf printf 这些函数默认的是使用这三个流，直接在键盘屏幕里输入与输出
  

下面我们就来介绍这些文件操作函数把

---

fputc

将字符写入流 (单次只能输入一个字符)

int fputc ( int character, FILE * stream );
参数说明：

character: 这是要被写入的字符。该字符以其对应的 int 值进行传递。
stream: 这是指向 FILE 对象的指针，该 FILE 对象标识了要被写入字符的流。

返回值：

• 如果没有发生错误，则返回被写入的字符。如果发生错误，则返回 EOF，并设置错误标识符。

代码实例

• fputc写文件 把26个字母写入test.txt文件里

//fputc 写文件
#include<stdio.h>
#include<stdlib.h>
int main()

	FILE* pf = fopen("test.txt", "w");
	//判断是否为空
	if (pf == NULL)
	
		perror("fopen:");
		return 1;
	
	
	//写文件
	int i = 0;
	for (i = 0; i < 26; i++)
	
		fputc('a' + i, pf);
	
    
    //关闭文件
	fclose(pf);
    pf = NULL;
	system("pause");
	return 0;

最终文件存储数据：

---

fgetc

从流中获取字符(单次只能读入一个字符)

int fgetc ( FILE * stream );
参数说明:

stream: 这是指向 FILE 对象的指针，该 FILE 对象标识了要在上面执行操作的流。

返回值:

• 该函数以无符号 char 强制转换为 int 的形式返回读取的字符。
  遇到文件末尾，返回EOF，同时设置一个状态，遇到文件未尾了，使用feof来检测这个状态。
  遇到错误，返回EOF，同时也设置一个状态，遇到了错误，使用ferror来检测这个 状态

代码实例

• fgetc 读文件操作 从test.txt读取内容
  -

#include<stdio.h>
#include<stdlib.h>
//fgetc 文件操作
int main()

	FILE* pf = fopen("test.txt", "r");
	//判断是否为空
	if (pf == NULL)
	
		perror("fopen:");
		return 1;
	

	//读文件
	int ch = 0;
	int i = 0;
	for (i = 0; i < 26; i++)
	
		ch = fgetc(pf);
		printf("%c ", ch);
	
	

	//关闭文件
	fclose(pf);
	pf = NULL;

	system("pause");
	return 0;

最终输出结果:
a b c d e f g h i j k l m n o p q r s t u v w x y z

---

fputs

字符串写入到指定的流 中，但不包括空字符。

int fputs ( const char * str, FILE * stream );
参数说明:

str: C字符串，包含要写入流的内容
stream: 指向 FILE 对象的指针，该 FILE 对象标识了要被写入字符串的流。

返回值：

• 如果成功，则返回一个非负值。
  在错误时，函数返回EOF并设置错误指示符

代码实例

• fputs 写一行数据

#include<stdio.h>
#include<stdlib.h>
//fputs 写一行数据
int main()

	FILE* pf = fopen("test.txt", "w");
	//判断是否为空
	if (pf == NULL)
	
		perror("fopen:");
		return 1;
	

	//写入一行数据到文件里
	int ch = 0;
	fputs("abcdef", pf);


	//关闭文件
	fclose(pf);
	pf = NULL;

	system("pause");
	return 0;

最终文件存储数据：

---

fgets

从流中获取字符串

char * fgets ( char * str, int num, FILE * stream );
参数说明：

1. str :指向复制读取的字符串的字符数组的指针。
2. num: 要复制到str的最大字符数(包括结束的空字符)。如果写10个num，最多读取9个，因为一个放’\\0’
3. stream: 指向 FILE 对象的指针，该 FILE 对象标识了要被写入字符串的流。Stdin也可以用作从标准输入中读取的参数。

返回值:

如果成功，该函数返回相同的 str 参数。如果到达文件末尾或者没有读取到任何字符，str 的内容保持不变，并返回一个空指针。
如果发生错误，返回一个空指针。

代码实例：

• fgets - 读一行数据 从文件test.txt 读取内容
  -

#include<stdio.h>
#include<stdlib.h>
//fgets 读一行数据
int main()

	FILE* pf = fopen("test.txt", "r");
	//判断是否为空
	if (pf == NULL)
	
		perror("fopen:");
		return 1;
	

	//读文件
	char ch[20] =  0 ;
	fgets(ch, 7, pf);
	printf("%s\\n", ch);


	//关闭文件
	fclose(pf);
	pf = NULL;

	system("pause");
	return 0;

最终输出结果:
abcdef

---

fprintf

将格式化的数据写入流

int fprintf ( FILE * stream, const char * format, … );
参数说明

1. stream: 这是指向 FILE 对象的指针，该 FILE 对象标识了流
2. format: 该参数类型于printf一样使用

返回值：

如果成功，则返回写入的字符总数，否则返回一个负数。

代码实例：

• fprintf 格式化写入流

#include<stdio.h>
#include<stdlib.h>
struct S

	int age;
	char name[20];
	char adders[20];
;
//fprintf 格式化写
int main()

	struct S s =  12,"zhansan","guangzhou" ;
	FILE* pf = fopen("test.txt", "w");
	//判断是否为空
	if (pf == NULL)
	
		perror("fopen:");
		return 1;
	

	//写入文件
	fprintf(pf, "%d %s %s\\n", s.age, s.name, s.adders);
	
	 fclose(pf);
    pf = NULL;
	system("pause");
	return 0;

最终文件存储数据：

---

fscanf
从流中读取格式化数据

int fscanf ( FILE * stream, const char * format, … );
参数说明：

1. stream: 这是指向 FILE 对象的指针，该 FILE 对象标识了流
2. format: 该参数类似于scanf一样用

返回值:

• 如果成功，该函数返回成功匹配和赋值的个数。如果到达文件末尾或发生读错误，则返回 EOF。

代码实例：

• fscanf 从流中读取格式化数据
  -

#include<stdio.h>
#include<stdlib.h>
struct S

	int age;
	char name[20];
	char adders[20];
;
//fscanf 从流中读取格式化数据
int main()

	struct S s;
	FILE* pf = fopen("test.txt", "r");
	//判断是否为空
	if (pf == NULL)
	
		perror("fopen:");
		return 1;
	

	//读文件
	fscanf(pf, "%d %s %s\\n", &(s.age), s.name, s.adders);
	printf("%d %s %s", s.age, s.name, s.adders);
    
    fclose(pf);
    pf = NULL;
	system("pause");
	return 0;

最终输出结果:
12 zhansan guangzhou

---

fwrite

写入数据块到流(二进制的写入文件)

size_t fwrite ( const void * ptr, size_t size, size_t count, FILE * stream );
参数说明：

1. ptr:指向要写入的元素数组的指针，转换为const void *
2. size : 要写入的每个元素的字节大小。
   Size_t是无符号整型
3. count: 元素的数量，每个元素的大小为size字节
4. stream: 这是指向 FILE 对象的指针，该 FILE 对象标识了流

返回值：

• 返回成功写入的元素总数。
  如果此数字与count参数不同，则写入错误阻止函数完成。在这种情况下，将为流设置错误指示器(ferror)。
  如果size或count中有一个为零，则函数返回零，错误指示符保持不变。
  Size_t是无符号整型

代码实例：

• fwrite 二进制的写文件

#include<stdio.h>
#include<stdlib.h>
struct S

	int age;
	float f;
	char adders[20];
;
//fwrite 二进制的写文件
int main()

	struct S s =  10,3.14,"guangzhou" ;
	//二进制的写要加上b
	FILE* pf = fopen("test.txt", "wb");

	//判断是否为空
	if (pf == NULL)
	
		perror("fopen:");
		return 1;
	

	//二进制的写文件
	fwrite(&s, sizeof(struct S), 1, pf);

	//关闭文件
	fclose(pf);
	pf = NULL;
	system("pause");

test.txt存储的文件信息

因为是二进制的写入，二进制存储方式，看不懂很正常。guangzhong这个字符串以二进制的方式存放进去，和文本放进去的方式是一样的。

---

fread

从流中读取数据块 (二进制的读文件 )

size_t fread ( void * ptr, size_t size, size_t count, FILE * stream );
参数说明:

1. ptr: 这是指向带有最小尺寸 size*nmemb 字节的内存块的指针。
2. 要读取的每个元素的大小，以字节为单位。
   Size_t是无符号整型。
3. size_t count, 元素的个数，每个元素的大小为 size 字节
4. 这是指向 FILE 对象的指针，该 FILE 对象标识了流

返回值:

• 返回成功读取的元素总数。
  如果这个数字与count参数不同，则要么发生了读取错误，要么在读取时到达了文件末尾。在这两种情况下，都设置了正确的指示器，可以分别使用ferror和feof进行检查。
  如果size或count中有一个为零，函数返回零，流状态和ptr指向的内容都保持不变。
  Size_t是无符号整型。

代码实例：

• fread 二进制的读文件 （从test.txt里面把二进制内容读出来）
  -

#include<stdio.h>
#include<stdlib.h>
struct S

	int age;
	float f;
	char adders[20];
;
//fread 二进制的读文件
int main()

	struct S s =  0 ;
	//二进制的写要加上b
	FILE* pf = fopen("test.txt", "rb");

	//判断是否为空
	if (pf == NULL)
	
		perror("fopen:");
		return 1;
	

	//二进制的读文件
	fread(&s, sizeof(struct S), 1, pf);
	printf("%d %f %s", s.age, s.f, s.adders);

	//关闭文件
	fclose(pf);
	pf = NULL;
	system("pause");

最终输出结果：
10 3.140000 guangzhou

---

5 对比一组函数

scanf/fscanf/sscanf
printf/fprintf/sprintf

首先我们先了解sscanf和sprintf是什么

sprintf

将一个格式化的数据写入字符串（把一个格式化的数据转换成字符串）format的数据放进str里转换成字符串

int sprintf ( char * str, const char * format, … );
参数说明:

1. str:指向存储生成的c字串的缓冲区的指针。
   缓冲区应该足够大，以包含生成的字符串,
2. format: 该参数类似于printf一样使用

返回值

• 如果成功，则返回写入的总字符数。
  如果失败，返回负数

代码实例

• fprintf （把数据转换成字符串放进一个数组里）

#include<stdio.h>
#include<stdlib.h>
struct S

	int age;
	float f;
	char adders[20];
;
//sprintf 把数据转换成字符串放进一个数组里
int main()

	struct S s =  200,3.14,"guangzhou";
	
	char buf[200] =  0 ;
	//把数据转换成字符串放进buf里
	sprintf(buf,"%d %f %s", s.age, s.f, s.adders);
	printf("%s\\n", buf);
	
	system("pause");
	return 0;

最终输出结果：
10 3.140000 guangzhou

---

sscanf

把一个字符串转换成对应的格式化数据

int sscanf ( const char * s, const char * format, …);
参数说明：

1. s:这是 C 字符串，是函数检索数据的源。
2. format : 该参数跟scanf使用方法类似.

返回值:

• 如果成功，该函数返回成功匹配和赋值的个数。如果到达文件末尾或发生读错误，则返回 EOF。

代码实例：

#include<stdio.h>
#include<stdlib.h>
struct S

	int age;
	float f;
	char adders[20];
;
//sscanf 把一个字符串转换成对应的格式化数据
int main()

	struct S s =  200,3.14,"guangzhou";
	
	char buf[200] =  0 ;
	//把数据转换成字符串放进buf里
	sprintf(buf,"%d %f %s", s.age, s.f, s.adders);
	printf("字符串的数据： %s\\n", buf);

	//从字符串中读取格式化数据
	struct S tmp =  0 ;
    sscanf(buf, "%d %f %s", &(tmp.age), &(tmp.f), tmp.adders);
    printf("格式化的数据: %d %f %s", tmp.age, tmp.f, tmp.adders);
	system("pause");
	return 0;

最终输出结果：
字符串的数据： 200 3.140000 guangzhou
格式化的数据: 200 3.140000 guangzhou

---

sscanf 和 sprintf 这两个函数用的不多，一般是序列化和反序列化的时候使用的。

那我们一起来对比下这几组函数吧：

scanf/fscanf/sscanf
printf/fprintf/sprintf

• scanf 对于标准输入流（stdin）的格式化输

  [Python从零到壹] 九.网络爬虫之Selenium基础技术万字详解（定位元素常用方法键盘鼠标操作）

  欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍，看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解，真心想把自己近十年的编程经验分享给大家，希望对您有所帮助，文章中不足之处也请海涵。Python系列整体框架包括基础语法10篇、网络爬虫30篇、可视化分析10篇、机器学习20篇、大数据分析20篇、图像识别30篇、人工智能40篇、Python安全20篇、其他技巧10篇。您的关注、点赞和转发就是对秀璋最大的支持，知识无价人有情，希望我们都能在人生路上开心快乐、共同成长。

  前一篇文章讲述了数据库操作知识，包括MySQL安装、SQL语句和Python操作数据库知识，这将为后续网络爬虫存储至数据库奠定基础。本文详细介绍Selenium基础技术，涉及基础入门、元素定位、常用方法和属性、鼠标操作、键盘操作和导航控制。基础性文章，希望对您有所帮助。

  文章目录

  • 一.初识Selenium
  • • 1.安装Selenium
    • 2.安装浏览器驱动
    • 3.Phantomjs
  • 二.快速开始Selenium解析
  • 三.定位元素
  • • 1.通过ID定位元素
    • 2.通过Name定位元素
    • 3.通过XPath定位元素
    • 4.通过连接文本定位超链接
    • 5.通过标签名定位元素
    • 6.通过类名定位元素
    • 7.通过CSS选择器定位元素
  • 四.常用方法和属性
  • • 1.操作元素方法
    • 2.WebElement常用属性
  • 五.键盘和鼠标自动化操作
  • • 1.键盘操作
    • 2.鼠标操作
  • 六.导航控制
  • • 1.下拉菜单交互操作
    • 2.Window和Frame间对话框移动
  • 七.总结

  下载地址：

  • https://github.com/eastmountyxz/Python-zero2one

  前文赏析：

  第一部分 基础语法

  • [Python从零到壹] 一.为什么我们要学Python及基础语法详解
  • [Python从零到壹] 二.语法基础之条件语句、循环语句和函数
  • [Python从零到壹] 三.语法基础之文件操作、CSV文件读写及面向对象

  第二部分 网络爬虫

  • [Python从零到壹] 四.网络爬虫之入门基础及正则表达式抓取博客案例
  • [Python从零到壹] 五.网络爬虫之BeautifulSoup基础语法万字详解
  • [Python从零到壹] 六.网络爬虫之BeautifulSoup爬取豆瓣TOP250电影详解
  • [Python从零到壹] 七.网络爬虫之Requests爬取豆瓣电影TOP250及CSV存储
  • [Python从零到壹] 八.数据库之MySQL基础知识及操作万字详解
  • [Python从零到壹] 九.网络爬虫之Selenium基础技术万字详解（定位元素、常用方法、键盘鼠标操作）

  作者新开的“娜璋AI安全之家”将专注于Python和安全技术，主要分享Web渗透、系统安全、人工智能、大数据分析、图像识别、恶意代码检测、CVE复现、威胁情报分析等文章。虽然作者是一名技术小白，但会保证每一篇文章都会很用心地撰写，希望这些基础性文章对你有所帮助，在Python和安全路上与大家一起进步。

  ---

  Selenium是一款用于测试Web应用程序的经典工具，它直接运行在浏览器中，仿佛真正的用户在操作浏览器一样，主要用于网站自动化测试、网站模拟登陆、自动操作键盘和鼠标、测试浏览器兼容性、测试网站功能等，同时也可以用来制作简易的网络爬虫。

  本文主要介绍Selenium Python API技术，它以一种非常直观的方式来访问Selenium WebDriver的所有功能，包括定位元素、自动操作键盘鼠标、提交页面表单、抓取所需信息等。

  一.初识Selenium

  Selenium是ThoughtWorks公司专门为Web应用程序编写的一个验收测试工具，它提供的API支持多种语言，包括Python、Java、C#等，本书主要介绍Python环境下的Selenium技术。Python语言提供了Selenium扩展包，它是使用Selenium WebDriver（网页驱动）来编写功能、验证测试的一个API接口。

  通过Selenium Python API，读者能够以一种直观的方式来访问Selenium WebDriver的所有功能。Selenium Python支持多种浏览器，诸如Chrome、火狐、IE、360等浏览器，也支持PhantomJS特殊的无界面浏览器引擎。

  

  Selenium WebDriver API接口提供了一种定位网页中元素（Locate Elements）的策略，本书将使用Selenium Python讲解网络数据爬取知识，本章主要介绍Selenium技术的基础知识，后面的章节结合实例讲解如何利用Selenium定位网页元素、自动爬取、设计爬虫等。

  类似于BeautifulSoup技术，Selenium制作的爬虫也是先分析网页的HTML源码和DOM树结构，再通过其所提供的方法定位到所需信息的结点位置，并获取其文本内容。

  同时，推荐读者阅读官网提供的《Selenium with Python Bindings》开源技术文档，本文也汲取了它很多精彩的知识，再结合自己的理解和实际爬虫实例进行介绍的。下面从Selenium安装、驱动安装、PhantomJS三部分知识进行介绍，让我们开始吧！

  ---

  1.安装Selenium

  读者可以访问PyPI网站来下载Selenium扩展包，例如图2所提供的selenium 3.4.3，对应的网址为：

  • https://pypi.python.org/pypi/selenium

  我们点击“Downloads”按钮下载该Selenium扩展包，解压下载的文件后，在解压目录下执行下面的命令进行安装Selenium包。

  C:\\selenium\\selenium3.4.3> python3 setup.py install
  

  PyPI全称是Python Package Index，是Python官方的第三方库的仓库，所有人都可以下载第三方库或上传自己开发的库到PyPI。

  

  同时，作者更推荐大家使用pip工具来安装Selenium库，PyPI官方也推荐使用pip管理器来下载第三方库。Python3.6标准库中自带pip，Python2.x需要自己单独安装。前文介绍了pip工具的安装过程及基础用法。安装好pip工具后，直接调用命令即可安装Selenium：

  • pip install selenium

  调用命令“pip install selenium”安装Selenium包如图3所示。

  

  安装过程中的会显示安装配置相关包的百分比，直到出现“Successfully installed selenium-2.47.1”提示，表示安装成功，如图4所示。

  

  此时的Selenium包已经安装成功，接下来需要调用浏览器来进行定位或爬取信息，而使用浏览器的过程中需要安装浏览器驱动。作者推荐使用Firefox浏览器、Chrome浏览器或PhantomJS浏览器，下面将结合实例讲解三种浏览器驱动的配置过程。

  ---

  2.安装浏览器驱动

  Selenium需要安装浏览器驱动，才能调用浏览器进行自动爬取或自动化测试，常见的包括Chrome、Firefox、IE、PhantomJS等浏览器。表1是部分浏览器驱动下载页面。

  表1 浏览器驱动下载页面

  

  注意：驱动下载解压后，将chromedriver.exe、geckodriver.exe、Iedriver.exe置于Python的安装目录下，例如Python的安装目录为“C:\\python”，则将驱动文件放置于该文件夹下；然后将Python的安装目录添加到系统环境变量路径（Path）中，打开Python IDLE输入不同的代码来启动不同的浏览器。

  • Firefox浏览器
    加载火狐浏览器的核心代码如下：

  from selenium import webdriver
  driver = webdriver.Firefox()
  driver.get('http://www.baidu.com/')
  

  输出结果如下图所示：

  

  • chrome浏览器
    加载谷歌览器的核心代码如下，其中驱动置于chrome浏览器目录下，如代码所示。

  import os 
  from selenium import webdriver
  chromedriver = "C:\\Program Files (x86)\\Google\\Chrome\\Application\\chromedriver.exe"  
  os.environ["webdriver.chrome.driver"] = chromedriver 
  browser = webdriver.Chrome(chromedriver)
  browser.get('http://www.baidu.com/')
  

  • IE浏览器
    加载微软IE览器的核心代码如下：

  from selenium import webdriver
  browser = webdriver.Ie()
  browser.get('http://www.baidu.com/')
  

  ---

  3.Phantomjs

  PhantomJS是一个服务器端的 JavaScript API 的开源的浏览器引擎（WebKit）。它支持各种Web标准，包括DOM树分析、CSS选择器、JSON和SVG等。PhantomJS常用于页面自动化、网络监测、网页截屏以及无界面测试等。在官网http://phantomjs.org/下载PhantomJS解压后如图5所示。

  

  调用时如果报错“Unable to start phantomjs with ghostdriver”，则需要设置PhantomJS的路径，或者配置到Scripts目录环境下。当Selenium安装成功并且PhantomJS下载配置好后，下面这代代码是调用方法。其中executable_path参数设置PhantomJS的路径。

  from selenium import webdriver
  driver = webdriver.PhantomJS(executable_path="F:\\phantomjs-1.9.1-windows\\phantomjs.exe")
  driver.get("http://www.baidu.com")
  data = driver.title
  print(data)
  

  代码含义为：

  • 首先导入Selenium.webdriver扩展包，它提供了webdriver实现方法。
  • 然后创建driver实例，调用webdriver.PhantomJS方法配置路径。
  • 通过driver.get(“http://www.baidu.com”) 代码打开百度网页，webdriver会等待网页元素加载完成之后才把控制权交回脚本。
  • 最后获取文章标题（title）并赋值给data变量输出，其值为“百度一下，你就知道”。

  运行结果如图6所示，Python3效果一样。

  

  注意，webdriver中提供的save_sceenshot()函数可以对网页进行截图，代码如下：

  from selenium import webdriver
  driver = webdriver.Firefox()
  driver.get("http://www.baidu.com")
  data = driver.title
  driver.save_screenshot('baidu.png')
  

  

  ---

  二.快速开始Selenium解析

  网页通常采用文档对象模型树结构进行存储，并且这些节点都是成对出现的，如“< html >”对应“</ html >”、“< table >”对应“</ table >”、“< div >”对应“</ div >”等。Selenium技术通过定位节点的特定属性，如class、id、name等，可以确定当前节点的位置，再获取相关网页的信息。

  下面代码是定位百度搜索框并进行自动搜索，它作为我们的快速入门代码。

  #-*- coding:utf-8 -*-
  #By:Eastmount 2021-05-29
  import time
  from selenium import webdriver
  from selenium.webdriver.common.keys import Keys
  
  #启动驱动
  driver = webdriver.Firefox()
  driver.get("http://www.baidu.com")
  assert "百度" in driver.title
  print(driver.title)
  
  #查找元素并输入内容
  elem = driver.find_element_by_name("wd")
  elem.send_keys("数据分析")
  elem.send_keys(Keys.RETURN)
  
  #截图并退出
  time.sleep(10)
  driver.save_screenshot('baidu.png')
  driver.close()
  driver.quit()
  

  运行结果如下图所示，调用Firefox浏览器并搜索“数据分析”关键词，最后对浏览的网页进行截图操作。所以，Selenium常用于自动化测试领域。

  

  下面对这部分代码进行详细讲解。

  • from selenium import webdriver
    导入Selenium.webdriver模板，它提供了webdriver的实现方法，目前支持这些方法的浏览器有Firefox、Chrome、IE和Remote等。
  • from selenium.webdriver.common.keys import Keys
    导入Keys类，它提供了操作键盘的快捷键，如回车键、空格键、ctrl键等操作。
  • driver = webdriver.Firefox()
    创建Firefox webdriver实例，定义火狐浏览器（Firefox）驱动，其他浏览器如Chrome可能还需要设置驱动参数和配置路径。
  • driver.get(“http://www.baidu.com”)
    接下来通过driver.get()函数打开百度url网页，webdriver会等待网页元素加载完成之后才把控制权交回脚本。
  • assert “百度” in driver.title
    接下来使用断言（assert）判断文章的标题title是否包含了“百度”字段。对应爬取的标题是“百度一下，你就知道”，所以包含了“百度”，否则会出现断言报错。断言主要用于判断结果是否成功返回，从而更好地执行下一步定位操作。
  • elem = driver.find_element_by_name(“wd”)
    webdriver提供了很多形如“find_element_by_*”的方法来匹配要查找的元素。如利用name属性来查找的方法是find_element_by_name，这里通过该方法来定位百度输入框，即审查元素name为“wd”的节点。

  图8是百度首页审查元素的反馈结果，其中输入框input元素对应属性name为“kw”，所以定位其节点代码为：

  • driver.find_element_by_id(“kw”)

  

  • elem.send_keys(“数据分析”)
    send_keys()方法可以用来模拟键盘操作，相当于是在搜索框中输入“数据分析”字段。
  • elem.send_keys(Keys.RETURN)
    调用send_keys()函数输入回车键操作，其中Keys类提供了常见的键盘按键，如Keys.RETURN表示回车键。但在引用Keys类及其方法之前，需要注意先导入Keys类，即使用“from selenium.webdriver.common.keys import Keys”代码导入。
  • driver.save_screenshot(‘baidu.png’)
    调用save_screenshot()函数进行截图，并将截图保存至本地，名称为为“baidu.png”。
  • driver.close()
    调用close()方法关闭驱动。
  • driver.quit()
    调用quit()方法退出驱动。它与close()方法的区别在于：quit()方法会退出浏览器，而close()方法只是关闭页面，但如果只有一个页面被打开，close()方法同样会退出浏览器。

  ---

  三.定位元素

  Selenium Python提供了一种用于定位元素（Locate Elements）的策略，你可以根据所爬取网页的HTML结构选择最适合的方案，表8.2是Selenium提供的各种方法。定位多个元素时，只需将方法“element”后加s，这些元素将会以一个列表的形式返回。

  表2 Selenium元素定位的方法

  

  本节将结合下面这段关于李白简介的HTML代码（blog09.html）进行讲解。

  <html>
  	<head>
  		<title>李白简介</title>
  	</head>
  	<body>
  	<p class="title"><b>静夜思</b></p>
  	<p class="content">
  		窗前明月光，<br />
  		疑似地上霜。 <br />
  		举头望明月，<br />
  		低头思故乡。 <br />
  	</p>
  	<div class="other" align="left" name="d1" id="nr">
  		李白（701年－762年），字太白，号青莲居士，又号“谪仙人”，
  		唐代伟大的浪漫主义诗人，被后人誉为“诗仙”，与
  	  <a href="http://test.com/dufu" class="poet" id="link" name="dufu">
  杜甫</a>
  		并称为“李杜”，为了与另两位诗人
  	  <a href="http://test.com/lsy" class="poet" id="link" name="lsy">
  李商隐</a>、
  	  <a href="http://test.com/dumu" class="poet" id="link" name="dumu">
  杜牧</a>
  即“小李杜”区别，杜甫与李白又合称“大李杜”。
  		其人爽朗大方，爱饮酒...
      </div>
  	<p class="story">...</p>
  </body>
  </html>
  

  该网页打开运行如下图9所示。

  

  下面结合这个实例分别介绍各种元素定位方法，并以定位单个元素为主。

  ---

  1.通过ID定位元素

  该方法是通过网页标签的id属性定位元素，它将返回第一个用id属性值匹配定位的元素。如果没有元素匹配id值，将会返回一个NoSuchElementException异常。
  假设需要通过id属性定位页面中的杜甫、李商隐、杜牧三个超链接，HTML核心代码如下：

  

  如果需要获取div布局，则使用如下代码：

  • test_div = driver.find_element_by_id(‘nr’)
  • print(test_div.text)

  如果写成如下代码，则返回第一个诗人的信息。

  • test_poet = driver.find_element_by_id(‘link’)
  • print(test_poet.text)
  • 杜甫

  其中test_poet是获取的值，通常为“<selenium.webdriver…>”形式，而text是获取其文本内容，即“杜甫”。如果想通过id元素获取多个链接，比如杜甫、李商隐、杜牧三位诗人对应的超链接，则需要使用：

  • find_elements_by_id()

  注意“elements”表示获取多个值。三个超链接都使用同一个id名称“link”，通过find_elements_by_id()函数定位获取之后，再调用for循环输出结果，如下所示：

  #-*- coding:utf-8 -*-
  #By:Eastmount 2021-05-29
  import time
  from selenium import webdriver
  from selenium.webdriver.common.keys import Keys
  
  #启动驱动
  driver = webdriver.Firefox()
  driver.get("file://C:/Users/xiuzhang/Desktop/09.selenium/blog09.html")
  print(driver.title)
  
  #查找元素并输入内容
  test_div = driver.find_elements_by_id('link')
  for t in test_div:
      print(t.text)
  

  输出结果如下图所示：

  

  ---

  2.通过Name定位元素

  该方法是通过网页标签的name属性定位元素，它将返回第一个用name属性值匹配定位的元素。如果没有元素匹配name值，将会返回一个NoSuchElementException异常。

  下面介绍通过name属性定位页面中的杜甫、李商隐、杜牧三个超链接的方法，HTML源码如下：

  <div class="other" align="left" name="d1" id="nr">
  <a href="http://test.com/dufu" class="poet" id="link" name="dufu">杜甫</a>
  	<a href="http://test.com/lsy" class="poet" id="link" name="lsy">李商隐</a>
  	<a href="http://test.com/dumu" class="poet" id="link" name=”dumu”>杜牧</a>
  </div>
  

  如果需要分别获取杜甫、李商隐、杜牧三个超链接，则使用代码如下：

  test_poet1 = driver.find_element_by_name('dufu')
  test_poet2 = driver.find_element_by_name('lsy')
  test_poet3 = driver.find_element_by_name('dumu')
  

  此时不能调用find_elements_by_name()函数获取多个元素，因为三位诗人对应超链接的name属性都是不同的，即“dufu”、“lsy”、“dumu”，如果name属性相同，则该方法可以获取同一name属性的多个元素。

  ---

  3.通过XPath定位元素

  XPath是用于定位XML文档中节点的技术，HTML\\XML都采用网页DOM树状标签的结构进行编写的，所以可以通过XPath方法分析其节点信息。Selenium Python也提供了类似的方法来跟踪网页中的元素。

  XPath定位元素方法不同于按照ID或Name属性的定位方法，前者更加的灵活、方便。 比如想通过ID属性定位第三个诗人“杜牧”的超链接信息，但是三位诗人的ID属性值都是相同的，即“link”，如果没有其他属性，那我们怎么实现呢？此时可以借助XPath方法进行定位元素。这也体现了XPath方法的一个优点：

  • 当没有一个合适的ID或Name属性来定位所要查找的元素时，你可以使用XPath去定位这个绝对元素（但作者不建议定位绝对元素），或者定位一个有ID或Name属性的相对元素位置。

  XPath方法也可以通过除了ID和Name属性以外的其他属性进行定位元素，其完整函数为：

  • find_element_by_xpath()
  • find_elements_by_xpath()

  下面开始通过实例进行讲解，HTML代码如下：

  <html>
  	<head>
  		<title>李白简介</title>
  	</head>
  	<body>
  	<div class="other" align="left" name="d1" id="nr">
  		李白（701年－762年），字太白，号青莲居士，又号“谪仙人”，
  		唐代伟大的浪漫主义诗人，被后人誉为“诗仙”，与
  	  <a href="http://test.com/dufu" class="poet" id="link1" namd="dufu">
  杜甫</a>
  		并称为“李杜”，为了与另两位诗人
  	  <a href="http://test.com/lsy" class="poet" id="link2" namd="lsy">
  李商隐</a>、
  	  <a href="http://test.com/dumu" class="poet" id="link3" name=”dumu”>
  杜牧</a>
  即“小李杜”区别，杜甫与李白又合称“大李杜”。
  		其人爽朗大方，爱饮酒...
      </div>
  </body>
  </html>
  

  这个div布局可能通过如下三种XPath方法定位：

  test_div = driver.find_element_by_xpath("/html/body/div[1]")
  test_div = driver.find_element_by_xpath("//div[1]")
  test_div = driver.find_element_by_xpath("//div[@id='nr']")
  

  • 第一句是使用绝对路径定位，从HTML代码的根节点开始定位元素，但如果HTML代码有稍微的改动，其结果就会被被破坏，此时可以通过后面两种方法进行定位。
  • 第二句是获取HTML代码中的第一个div布局元素。但是如果所要爬取的div节点位置太深，难道我们从第一个div节点数下去吗？显然不是的。此时我们可以通过寻找附近一个元素的ID或Name属性进行定位，从而追踪到所需要的元素。
  • 第三句是调用find_element_by_xpath()方法，定位ID属性值为“nr”的div布局元素，此时可以定位介绍三位著名诗人的简介信息。

  三个语句输出test_div.text内容，都如下所示：

  • 李白（701年－762年），字太白，号青莲居士，又号“谪仙人”， 唐代伟大的浪漫主义诗人，被后人誉为“诗仙”，与 杜甫 并称为“李杜”，为了与另两位诗人 李商隐、 杜牧 即“小李杜”区别，杜甫与李白又合称“大李杜”。 其人爽朗大方，爱饮酒…

  如需定位第三位诗人“杜牧”超链接的内容，则使用如下所示的三种方法。

  username = driver.find_element_by_xpath("//div[a/@name='dumu']")
  username = driver.find_element_by_xpath("//div[@id='nr']/a[3]")
  username = driver.find_element_by_xpath("//a[@name='dumu']")
  

  • 第一句是定位div节点下的一个超链接a元素，且a元素的name属性为“dumu”。
  • 第二句是定位“id=nr”的div元素，再找到它的第三个超链接a子元素。
  • 第三句是定位name属性为“dumu”的第一个超链接a元素。

  同时，如果是按钮控件且name属性相同，假设HTML代码如下：

  <form id="loginForm">
  	<input name="continue" type="submit" value="Login" />
  	<input name="continue" type="button" value="Clear" />
  </form>
  

  则定位value值为“Clear”按钮元素的方法如下：

  clearb = driver.find_element_by_xpath("//input[@name='continue'][@type='button']")
  clearb = driver.find_element_by_xpath("//form[@id='loginForm']/input[2]")
  

  • 第一句是定位属性name为“continue”且属性type为“button”的input控件。
  • 第二句是定位属性“id=loginForm”的form节点下的第二个input子元素。

  XPath定位方法作为最常用的定位元素方法之一，后面章节的实例中将会被反复利用，而本小节只是介绍了些基础知识，更多知识请读者在W3Schools XPath Tutorial、W3C XPath Recommendation或Selenium官方文档中学习。

  ---

  4.通过连接文本定位超链接

  当你需要定位一个锚点标签内的链接文本（Link Text）时就可以使用该方法。该方法将返回第一个匹配这个链接文本值的元素。如果没有元素匹配这个链接文本，将抛出一个NoSuchElementException异常。下面介绍调用该方法定位页面中的杜甫、李商隐、杜牧三个超链接，假设HTML源码如下：

  • blog09_02.html

  <html>
  	<body>
        <div class="other" align="left" name="d1" id="nr">
  	  <a href="dufu.html" class="poet" id="link" name="dufu">
  Dufu</a>
  	  <a href="lsy.html" class="poet" id="link" name="lsy">
  LiShangYing</a>
  	  <a href="dumu.html" class="poet" id="link" name=”dumu”>
  DuMu</a>
        </div>
  </body>
  </html>
  

  如果需要分别获取杜甫、李商隐、杜牧三个超链接，则使用如下代码。

  #-*- coding:utf-8 -*-
  #By:Eastmount 2021-05-29
  import time
  from selenium import webdriver
  from selenium.webdriver.common.keys import Keys
  
  以上是关于C语言万字讲解 从零到精通 (文件操作与文件函数)的主要内容，如果未能解决你的问题，请参考以下文章
   
   ❤️爆肝十二万字《python从零到精通教程》，从零教你变大佬❤️（建议收藏）
   ❤️爆肝十八万字《python从零到精通教程》第二版，贴心保姆教你从零变大佬❤️（建议收藏），学不会找我！
   IDEA从零到精通（34）之IDEA 强大的文件对比功能
   ❤️ 爆肝二十万字《Java从零到精通教程》，贴心保姆教你从零变大佬 ❤️（建议收藏），学不会找我！
   [Python从零到壹] 九.网络爬虫之Selenium基础技术万字详解（定位元素常用方法键盘鼠标操作）
   SQL从零到迅速精通实用函数