python爬虫笔记----4.Selenium库（自动化库）

Posted 2020-10-31 JokerQ-

4.Selenium库

 (自动化测试工具，支持多种浏览器，爬虫主要解决js渲染的问题)

pip install selenium

基本使用

from selenium import webdriver
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 WebDriverWait
browser = webdriver.Chrome()
try:
    browser.get(‘https://www.baidu.com‘)
    input = browser.find_element_by_id(‘kw‘)#通过id=kw查找
    input.send_keys(‘Python‘)#发送键
    input.send_keys(Keys.ENTER)#敲入回车
    wait = WebDriverWait(browser, 10)#等待元素加载出来
    wait.until(EC.presence_of_element_located((By.ID, ‘content_left‘)))
    print(browser.current_url)
    print(browser.get_cookies())
    print(browser.page_source)
finally:
    browser.close()

声明浏览器对象

#声明浏览器对象（其他可查看官方文档）
from selenium import webdriver
browser = webdriver.Chrome()#生成Chrome浏览器对象
browser = webdriver.Firefox()
browser = webdriver.Edge()
browser = webdriver.PhantomJS()
browser = webdriver.Safari()

访问页面

#访问页面
from selenium import webdriver
browser = webdriver.Chrome()
browser.get(‘https://www.taobao.com‘)
print(browser.page_source)#获取页面代码
browser.close()#关闭页面

查找元素

　　查找单个元素

#查找单个元素
from selenium import webdriver
browser = webdriver.Chrome()
browser.get(‘https://www.taobao.com‘)
input_first = browser.find_element_by_id(‘q‘)#通过id
input_second = browser.find_element_by_css_selector(‘#q‘)#通过css选择器
input_third = browser.find_element_by_xpath(‘//*[@id="q"]‘)#通过xpath
print(input_first, input_second, input_third)
browser.close()

　　　　　　其他查找方式

• • 　　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

　　　　　　也可以使用通用方法

input_first = browser.find_element(By.ID, ‘q‘)

　　查找多个元素

#查找多个元素
lis = browser.find_elements_by_css_selector(‘.service-bd li‘)#其他也类似单个元素的查找方法，find_element_*变为find_elements_*
lis = browser.find_elements(By.CSS_SELECTOR, ‘.service-bd li‘)#也可以使用这种通用的

元素交互操作

　　（对获取的元素调用交互方法）

browser = webdriver.Chrome()
browser.get(‘https://www.taobao.com‘)
input = browser.find_element_by_id(‘q‘)#定位输入框（id=‘q‘）
input.send_keys(‘iPhone‘)#在搜索框输入iPhone
time.sleep(1)
input.clear()#清除搜索框
input.send_keys(‘iPad‘)#在搜索框输入iPad
button = browser.find_element_by_class_name(‘btn-search‘)#定位搜索按钮
button.click()#点击搜索按钮

　　更多操作: http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.remote.webelement

（报错可能是chrome版本和chromedriver版本不匹配）

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‘)#定位frame标签
source = browser.find_element_by_css_selector(‘#draggable‘)#定位到frame标签里的draggable
target = browser.find_element_by_css_selector(‘#droppable‘)
actions = ActionChains(browser)#动作链对象
actions.drag_and_drop(source, target)#把source拖拽到target上面
actions.perform()#执行动作

　　更多操作: http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains

执行JavaScript

#进度条的拖拽
from selenium import webdriver
browser = webdriver.Chrome()
browser.get(‘https://www.zhihu.com/explore‘)#打开网页
browser.execute_script(‘window.scrollTo(0, document.body.scrollHeight)‘)#将网页下拉到最下端
browser.execute_script(‘alert("To Bottom")‘)#弹出alert提示框

获取元素信息　

　　获取属性值，文本值，id，位置，标签名，大小

from selenium import webdriver
from selenium.webdriver import ActionChains
browser = webdriver.Chrome()
url = ‘https://www.zhihu.com/explore‘
browser.get(url)
logo = browser.find_element_by_id(‘zh-top-link-logo‘)
input = browser.find_element_by_class_name(‘zu-top-add-question‘)
print(logo.get_attribute(‘class‘))#获取属性值
print(logo.text)#获取文本值
print(logo.id)#获取id
print(logo.location)#获取位置
print(logo.tag_name)#获取标签名
print(logo.size)#获取大小

Frame

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‘)#定位到frame
source = browser.find_element_by_css_selector(‘#draggable‘)#定位到frame里的选择器
try:
    logo = browser.find_element_by_class_name(‘logo‘)
except NoSuchElementException:
    print(‘NO LOGO‘)
browser.switch_to.parent_frame()#切换到父frame
logo = browser.find_element_by_class_name(‘logo‘)
print(logo.text)

等待

　　　隐式等待（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）（没有太大必要）

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‘)#如果元素加载出来则不会等待，没有加载出来则等待10秒
print(input)

　　显式等待

　　（如果没有加载出来则一直等待）

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)#传入最长等待时间
input = wait.until(EC.presence_of_element_located((By.ID, ‘q‘)))#传入等待条件（是否出现）（获取输入框）
button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, ‘.btn-search‘)))#（是否可点击）（获取按钮）
print(input, button)

• 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

　　　　详细内容：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.expected_conditions

前进后退

import time
from selenium import webdriver
browser = webdriver.Chrome()
browser.get(‘https://www.baidu.com/‘)#打开百度
browser.get(‘https://www.taobao.com/‘)#打开淘宝
browser.back()#返回上一步（返回到百度）
time.sleep(1)
browser.forward()#前进（返回淘宝）
browser.close()

Cookies

from selenium import webdriver
browser = webdriver.Chrome()
browser.get(‘https://www.zhihu.com/explore‘)
print(browser.get_cookies())#打印cookie
browser.add_cookie({‘name‘: ‘name‘, ‘domain‘: ‘www.zhihu.com‘, ‘value‘: ‘germey‘})#添加cookie
print(browser.get_cookies())#打印cookie
browser.delete_all_cookies()#清空cookie
print(browser.get_cookies())#打印

选项卡管理

import time
from selenium import webdriver
browser = webdriver.Chrome()
browser.get(‘https://www.baidu.com‘)#打开百度
browser.execute_script(‘window.open()‘)#新增选项卡
print(browser.window_handles)
browser.switch_to_window(browser.window_handles[1])#选择到第二个选项卡
browser.get(‘https://www.taobao.com‘)#打开淘宝
time.sleep(1)
browser.switch_to_window(browser.window_handles[0])#选择到第一个选项卡
browser.get(‘http://www.hao123.com‘)#打开网页

异常处理

from selenium import webdriver
from selenium.common.exceptions import TimeoutException, NoSuchElementException
browser = webdriver.Chrome()
try:
    browser.get(‘https://www.baidu.com‘)
except TimeoutException:
    print(‘Time Out‘)
try:
    browser.find_element_by_id(‘hello‘)
except NoSuchElementException:
    print(‘No Element‘)
finally:
    browser.close()

 　　详细文档：http://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions