python爬虫

Posted 2020-11-20 Quartzite

 

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。以及，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：
Google的我推荐给大家一个百度地址：
链接：https://pan.baidu.com/s/1qZ2LfmW 密码：qixa
下载以后，并把chromdriver放在google.exe那个当前目录下面。

import os
from selenium import webdriver
from selenium.webdriver.common.keys import Keys

chromedriver = "C:\\Program Files (x86)\\Google\\Chrome\\Application\\chromedriver.exe"
#print(os.environ)
os.environ["webdriver.chrome.driver"] = chromedriver  # 把chromedriver.exe的路径加入环境变量中
driver = webdriver.Chrome(chromedriver)  # 启动谷歌浏览器
driver.get("http://www.python.org")  # 用浏览器打开该网址
driver.quit()

结果如下图：

 

 八种选择器

1. find_elements_by_name("test")
假如有如下一个页面：

<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()

element = driver.find_element_by_id("passwd-id")

find_element_by_tagname

element = driver.find_element_by_tagname("input")

3. find_element_by_class_name("input-class")

4. find_elements_by_tag_name("iframe")

DOM的Tag元素
用Tag name 定位元素的例子：
<iframe src="..."></iframe>
element = driver.find_elements_by_tag_name("iframe")

5. find_element_by_link_text()
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，即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         获取文本的值

按钮

element.click()

表单提交

element.submit()

单选和多选框

element.clear()
element = browser.find_elements_by_id("checkbox")

选择某个单选项

element.click()

 

常用方法

browser.get_cookies()
browser.title       # 头名字
browser.close() 
browser.forward()   # 前进
browser.back()      # 后退
browser.refresh()   # 刷新
browser.current_url # 返回当前页面

 

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")  # chromedriver.exe存放路径
url = "https://kyfw.12306.cn/otn/login/init"  # 要登录的网址

browser.get(url=url)
print(browser.find_element_by_id("username").text)
browser.find_element_by_id("username").clear()  # 清空输入框数据
browser.find_element_by_id("username").send_keys("[e-mail]")  # 发送用户名到输入框
randomSleep(2, 5)
browser.find_element_by_id("password").send_keys("xxxxxxxxx")  # 发送密码到输入框
randomSleep(1, 4)
time.sleep(6)
browser.find_element_by_id("loginSub").click()   # 点击登录按钮
randomSleep(2, 5)
print(browser.get_cookies())
browser.quit()

 

登录京东

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")  # chromedriver.exe存放路径
# browser = webdriver.Chrome()

browser.get("https://passport.jd.com/new/login.aspx")  # 要登录的网址

# Login by username and password
randomSleep(1, 2)
browser.find_element_by_xpath("//a[@clstag=\'pageclick|keycount|201607144|2\']").click()
# browser.find_element_by_tag_name("pageclick|keycount|201607144|2").click()

# Username and password
randomSleep(1, 2)
browser.find_element_by_id("loginname").send_keys("xxxxxxx")  # 发送登录用户名
print(browser.find_element_by_id("loginname").text)

randomSleep(1, 3)
browser.find_element_by_id("nloginpwd").send_keys("xxxxxx")  # 发送登录密码

# Submit, wait for a long time
randomSleep(5, 10)
browser.find_element_by_id("loginsubmit").click()  # 点击登录提交按钮
print(browser.get_cookies())
randomSleep(3, 5)
browser.quit()