55. Python 爬虫

Posted 2020-10-22

webdriver

Selenium是ThroughtWorks公司开发的一套Web自动化测试工具。

它分为三个组件：

Selenium IDE
Selenium RC (Remote Control)
Selenium Webdriver

Selenium IDE：是firefox的一个插件，允许测试人员录制脚本并回放。

Selenium RC和Selenium Webdriver：是测试框架，提供多种语言的API。

不同的是，Selenium Webdriver以一种更底层、更灵活的方式来操作浏览器，并不仅仅使用JavaScript。这样它可以绕开浏览器的沙箱限制，实现Selenium RC不支持的框架、弹出窗口、页面导航、下拉菜单、基于AJAX的UI元素等控件的操作。而且，Selenium Webdriver不需要本地服务器。

Selenium 1.x版本只包含前两个组件。从2.0开始Webdriver加入其中。

主要是来解决https的加密问题

Webdriver在使用之前，需要下载一个浏览器所对应用的驱动插件，请根据自己不同的浏览器版本，进行下载：

百度搜：

进入网站：

http://npm.taobao.org/mirrors/chromedriver/

下载以后，并把chromdriver放在chrome的google.exe的目录下面

先安装selenium

# pip install selenium

自动打开chrome，并打开域名相关的网页

import os
import time
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
chromedriver = "C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe"
os.environ["webdriver.chrome.driver"] = chromedriver
driver = webdriver.Chrome(chromedriver)
driver.get("http://www.python.org")
time.sleep(100)
driver.quit()

执行：自动打开网页

搜索栏（Search）的代码如下：

id="id-search-field" 是 Search 的唯一标识符。

id="submit" 是按钮“GO”的唯一标识符。

让页面自动搜索关键字，代码如下：

import os
import time
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
chromedriver = "C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe"
os.environ["webdriver.chrome.driver"] = chromedriver
driver = webdriver.Chrome(chromedriver)
driver.get("http://www.python.org")
element = driver.find_element_by_id("id-search-field")
element.clear()
element.send_keys("os")
elementsubmit = driver.find_element_by_id("submit")
elementsubmit.click()
time.sleep(10000)
driver.quit()

结果如图：

学习几种选择器：

1. find_elements_by_name(“test”)   # 根据name定位

页面：

    <input type="text" name="passwd" id="passwd-id"  class=”input-class”/>

代码：

    element = driver.find_elements_by_name(“passwd”)

2. find_elements_by_id() #根据ID定位，定位最准确

    element = driver.find_element_by_id(“passwd-id”)

        By.tagname()

    element = driver.find_element_by_tag_name(“input”)

3. find_element_by_class_name(‘input-class’)     #根绝class定位

4. find_elements_by_tag_name(‘iframe’) #根据元素定位

这里以iframe举例：用Tag name 定位元素

例子：

检查页面获得如下：

<iframe src="... ..."> xxxxxxx </iframe>

element = driver.find_elements_by_tag_name("iframe")

【iframe 就是定位行的元素】

5. find_element_by_link_text() #通过链接文字定位

页面：

        <a href="http://www.google.com/search?q=baidu">baidu</a>

代码：

        element = browser.find_elements_by_link_text("baidu")

6. xpath  

这个特别强大，所有的元素都可以通过这个可以找到。

XPath是XML Path的简称，由于HTML文档本身就是一个标准的XML页面，所以我们可以使用XPath的语法来定位页面元素。

绝对路径： 根元素开始，及html开始用/
相对路劲： 任意符合条件的元素 //
查找页面上所有的input元素：//input
查找页面上第一个form元素内的直接子input元素(即只包括form元素的下一级input元素，使用绝对路径表示，单/号)：//form[1]/input
查找页面上第一个form元素内的所有子input元素(只要在form元素内的input都算，不管还嵌套了多少个其他标签，使用相对路径表示，双//号)：//form[1]//input
查找页面上第一个form元素：//form[1]
查找页面上id为loginForm的form元素：//form[@id='loginForm']
查找页面上具有name属性为username的input元素：//input[@name='username']
查找页面上id为loginForm的form元素下的第一个input元素：//form[@id='loginForm']/input[1]
查找页面具有name属性为contiune并且type属性为button的input元素：//input[@name='continue'][@type='button']
查找页面上id为loginForm的form元素下第4个input元素：//form[@id='loginForm']/input[4]

控件操作：

输入框；

element.clear()   #清空输入框数据

element.sendkeys(“username”)   #发送数据

element.text         #获取元素文本的值

按钮：

element.click()   #"点击"操作

element.submit() #同.click()，操作相同，常用 .click()

单选和多选框

element.clear()

element = browser.find_elements_by_id(' checkbox')  #也可能是其他，根据具体情况，选择关键字元素即可。

##选择某个单选项：

element.click();

常用方法：

browser.get_cookies()

browser.title     #头名字

browser.close()

.forward() #前进

举例：

browser.foeward()

.back() #后退

举例：

browser.back()

.refresh() #刷新

举例：

browser.refresh()

.current_url #返回当前页面url

举例：

browser.current_url

实例1：登录12306

from selenium import webdriver
import random
import time

def randomSleep(minS, maxS):
    time.sleep((maxS - minS) * random.random() + minS)
    
browser = webdriver.Chrome(r"C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe")
url = "https://kyfw.12306.cn/otn/login/init"
browser.get(url=url)
print(browser.find_element_by_id("username").text)
browser.find_element_by_id("username").clear()
browser.find_element_by_id("username").send_keys("xxxxxxxxxx")
randomSleep(2, 5)
browser.find_element_by_id("password").send_keys("xxxxxxxxx")
randomSleep(1, 4)
time.sleep(6)
browser.find_element_by_id("loginSub").click()
randomSleep(2, 5)
print(browser.get_cookies())
browser.quit()

#除验证码要手动确认外，其他全自动完成。

实例2：登录京东（重点在xpath选择器的用法）

from selenium import webdriver
import random
import time

def randomSleep(minS, maxS):
    time.sleep((maxS - minS) * random.random() + minS)
    
browser = webdriver.Chrome(r"C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe")
# Home
browser.get("https://passport.jd.com/new/login.aspx")
# Login by username and password
randomSleep(1, 2)
browser.find_element_by_xpath("//a[@clstag='pageclick|keycount|201607144|2']").click()
# Username and password
randomSleep(1, 2)
browser.find_element_by_id("loginname").send_keys("xxxxxxxx")	  #用户
print(browser.find_element_by_id("loginname").text)
randomSleep(1, 3)
browser.find_element_by_id("nloginpwd").send_keys("xxxxxxx")	#密码
# Submit, wait for a long time
randomSleep(5, 10)
browser.find_element_by_id("loginsubmit").click()
print(browser.get_cookies())
randomSleep(3, 5)
browser.quit()