selenium模块的基本使用

Posted 2021-10-20 想成为大师啊

selenium模块和爬虫的关联

1、便捷的获取网站中动态加载的数据。

2、便捷的实现模拟登录。

---

selenium模块：

1、基于浏览器自动化的一个模块。

2、模拟人去操作浏览器，通过xpath或者标签定位到元素，通过相应的方法就能在文本框内输入字符，或者定位到按钮点击。

3、不过selenium执行很慢，并且网页没加载完也可能执行下面的代码，会导致报错。

4、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。

---

selenium使用流程：

1、环境安装：pip install selenium

2、下载一个浏览器的驱动程序

• 下载路径：http://chromedriver.storage.googleapis.com/index.html
• 驱动程序和浏览器的映射关系：http://blog.csdn.net/huilan_same/article/details/51896672

3、实例化一个浏览器对象

4、编写基于浏览器自动化的操作代码

• 发起请求：get(url)
• 标签定位：find系列的方法
• 标签交互：send_keys(‘xxx’)
• 执行js程序：excute_script(‘jsCode’)
• 前进、后退：back(), forward()
• 关闭浏览器：quit()

5、selenium处理iframe

---

通过软件自动化打开浏览器，爬取数据

导包：

from lxml import etree
from time import sleep
from selenium import webdriver

实例化一个浏览器对象(传入浏览器的驱动成)

bro = webdriver.Chrome(executable_path='./chromedriver.exe')

让浏览器发起一个指定url对应的请求

bro.get('http://scxk.nmpa.gov.cn:81/xk/')

page_source获取浏览器当前页面的页面源码数据

page_text = bro.page_source

解析企业名称

tree = etree.HTML(page_text)
li_list = tree.xpath('//ul[@id="gzlist"]/li')
for li in li_list:
    name = li.xpath('./dl/@title')[0]
    print(name)

关闭浏览器（等待5秒）

sleep(5)
bro.quit()

---