Python教程:selenium模块用法教程
Posted 小小程序员ol
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python教程:selenium模块用法教程相关的知识,希望对你有一定的参考价值。
1.介绍
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
from selenium import webdriver
browser=webdriver.Chrome()
browser=webdriver.Firefox()
browser=webdriver.PhantomJS()
browser=webdriver.Safari()
browser=webdriver.Edge()
2.安装
有界面浏览器
selenium+chromedriver
安装:selenium+chromedriver
pip3 install selenium
下载chromdriver.exe放到python安装路径的scripts目录中即可,注意最新版本是2.38,并非2.9
国内镜像网站地址:http://npm.taobao.org/mirrors/chromedriver/2.38/
最新的版本去官网找:https://sites.google.com/a/chromium.org/chromedriver/downloads
验证安装
C:\\Users\\Administrator>python3
Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from selenium import webdriver
>>> driver=webdriver.Chrome() #弹出浏览器
>>> driver.get(\'https://www.baidu.com\')
>>> driver.page_source
注意:
selenium3默认支持的webdriver是Firfox,而Firefox需要安装geckodriver
下载链接:https://github.com/mozilla/geckodriver/releases
无界浏览器
PhantomJS不再更新
selenium+phantomjs:
安装:selenium+phantomjs
pip3 install selenium
下载phantomjs,解压后把phantomjs.exe所在的bin目录放到环境变量
下载链接:http://phantomjs.org/download.html
验证安装
C:\\Users\\Administrator>phantomjs
phantomjs> console.log(\'egon gaga\')
egon gaga
undefined
phantomjs> ^C
C:\\Users\\Administrator>python3
Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
from selenium import webdriver
driver=webdriver.PhantomJS() #无界面浏览器
driver.get(\'https://www.baidu.com\')
driver.page_source
在 PhantomJS 年久失修, 后继无人的节骨眼
Chrome 出来救场, 再次成为了反爬虫 Team 的噩梦
自Google 发布 chrome 59 / 60 正式版 开始便支持Headless mode
这意味着在无 GUI 环境下, PhantomJS 不再是唯一选择
selenium+谷歌浏览器headless模式
#selenium:3.12.0
#webdriver:2.38
#chrome.exe: 65.0.3325.181(正式版本) (32 位)
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
chrome_options = Options()
chrome_options.add_argument(\'window-size=1920x3000\') #指定浏览器分辨率
chrome_options.add_argument(\'--disable-gpu\') #谷歌文档提到需要加上这个属性来规避bug
chrome_options.add_argument(\'--hide-scrollbars\') #隐藏滚动条, 应对一些特殊页面
chrome_options.add_argument(\'blink-settings=imagesEnabled=false\') #不加载图片, 提升速度
chrome_options.add_argument(\'--headless\') #浏览器不提供可视化页面. linux下如果系统不支持可视化不加这条会启动失败
chrome_options.binary_location = r"C:\\Program Files (x86)\\Google\\Chrome\\Application\\chrome.exe" #手动指定使用的浏览器位置
driver=webdriver.Chrome(chrome_options=chrome_options)
driver.get(\'https://www.baidu.com\')
print(\'hao123\' in driver.page_source)
driver.close() #切记关闭浏览器,回收资源
3.基本使用
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
browser=webdriver.Chrome()
try:
browser.get(\'https://www.baidu.com\')
input_tag=browser.find_element_by_id(\'kw\')
input_tag.send_keys(\'美女\') #python2中输入中文错误,字符串前加个u
input_tag.send_keys(Keys.ENTER) #输入回车
wait=WebDriverWait(browser,10)
wait.until(EC.presence_of_element_located((By.ID,\'content_left\'))) #等到id为content_left的元素加载完毕,最多等10秒
print(browser.page_source)
print(browser.current_url)
print(browser.get_cookies())
finally:
browser.close()
4.选择器
1.基本用法
#官网链接:http://selenium-python.readthedocs.io/locating-elements.html
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
import time
driver=webdriver.Chrome()
driver.get(\'https://www.baidu.com\')
wait=WebDriverWait(driver,10)
try:
# 所有方法
# 1、find_element_by_id
# 2、find_element_by_link_text
# 3、find_element_by_partial_link_text
# 4、find_element_by_tag_name
# 5、find_element_by_class_name
# 6、find_element_by_name
# 7、find_element_by_css_selector
# 8、find_element_by_xpath
# 强调:
# 1、上述均可以改写成find_element(By.ID,\'kw\')的形式
# 2、find_elements_by_xxx的形式是查找到多个元素,结果为列表
# 示范用法
# 1、find_element_by_id
print(driver.find_element_by_id(\'kw\'))
# 2、find_element_by_link_text
# login=driver.find_element_by_link_text(\'登录\')
# login.click()
# 3、find_element_by_partial_link_text
login=driver.find_elements_by_partial_link_text(\'录\')[0]
login.click()
# 4、find_element_by_tag_name
print(driver.find_element_by_tag_name(\'a\'))
# 5、find_element_by_class_name
button=wait.until(EC.element_to_be_clickable((By.CLASS_NAME,\'tang-pass-footerBarULogin\')))
button.click()
# 6、find_element_by_name
input_user=wait.until(EC.presence_of_element_located((By.NAME,\'userName\')))
input_pwd=wait.until(EC.presence_of_element_located((By.NAME,\'password\')))
commit=wait.until(EC.element_to_be_clickable((By.ID,\'TANGRAM__PSP_10__submit\')))
input_user.send_keys(\'18611453110\')
input_pwd.send_keys(\'xxxxxx\')
commit.click()
# 7、find_element_by_css_selector
driver.find_element_by_css_selector(\'#kw\')
# 8、find_element_by_xpath
time.sleep(5)
finally:
driver.close()
2.xpath
#官网链接:http://selenium-python.readthedocs.io/locating-elements.html
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
import time
driver=webdriver.PhantomJS()
driver.get(\'https://doc.scrapy.org/en/latest/_static/selectors-sample1.html\')
# wait=WebDriverWait(driver,3)
driver.implicitly_wait(3) #使用隐式等待
try:
# find_element_by_xpath
#//与/
# driver.find_element_by_xpath(\'//body/a\') # 开头的//代表从整篇文档中寻找,body之后的/代表body的儿子,这一行找不到就会报错了
driver.find_element_by_xpath(\'//body//a\') # 开头的//代表从整篇文档中寻找,body之后的//代表body的子子孙孙
driver.find_element_by_css_selector(\'body a\')
#取第n个
res1=driver.find_elements_by_xpath(\'//body//a[1]\') #取第一个a标签
print(res1[0].text)
#按照属性查找,下述三者查找效果一样
res1=driver.find_element_by_xpath(\'//a[5]\')
res2=driver.find_element_by_xpath(\'//a[@href="image5.html"]\')
res3=driver.find_element_by_xpath(\'//a[contains(@href,"image5")]\') #模糊查找
print(\'==>\', res1.text)
print(\'==>\',res2.text)
print(\'==>\',res3.text)
#其他
res1=driver.find_element_by_xpath(\'/html/body/div/a\')
print(res1.text)
res2=driver.find_element_by_xpath(\'//a[img/@src="image3_thumb.jpg"]\') #找到子标签img的src属性为image3_thumb.jpg的a标签
print(res2.tag_name,res2.text)
res3 = driver.find_element_by_xpath("//input[@name=\'continue\'][@type=\'button\']") #查看属性name为continue且属性type为button的input标签
res4 = driver.find_element_by_xpath("//*[@name=\'continue\'][@type=\'button\']") #查看属性name为continue且属性type为button的所有标签
time.sleep(5)
finally:
driver.close()
3.获取标签属性
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
browser=webdriver.Chrome()
browser.get(\'https://www.amazon.cn/\')
wait=WebDriverWait(browser,10)
wait.until(EC.presence_of_element_located((By.ID,\'cc-lm-tcgShowImgContainer\')))
tag=browser.find_element(By.CSS_SELECTOR,\'#cc-lm-tcgShowImgContainer img\')
#获取标签属性,
print(tag.get_attribute(\'src\'))
#获取标签ID,位置,名称,大小(了解)
print(tag.id)
print(tag.location)
print(tag.tag_name)
print(tag.size)
browser.close()
5.等待元素被加载
1、selenium只是模拟浏览器的行为,而浏览器解析页面是需要时间的(执行css,js),一些元素可能需要过一段时间才能加载出来,为了保证能查找到元素,必须等待
2、等待的方式分两种:
- 隐式等待:在browser.get(\'xxx\')前就设置,针对所有元素有效
- 显式等待:在browser.get(\'xxx\')之后设置,只针对某个元素有效
隐式等待
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
browser=webdriver.Chrome()
#隐式等待:在查找所有元素时,如果尚未被加载,则等10秒
browser.implicitly_wait(10)
browser.get(\'https://www.baidu.com\')
input_tag=browser.find_element_by_id(\'kw\')
input_tag.send_keys(\'美女\')
input_tag.send_keys(Keys.ENTER)
contents=browser.find_element_by_id(\'content_left\') #没有等待环节而直接查找,找不到则会报错
print(contents)
browser.close()
显式等待
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
browser=webdriver.Chrome()
browser.get(\'https://www.baidu.com\')
input_tag=browser.find_element_by_id(\'kw\')
input_tag.send_keys(\'美女\')
input_tag.send_keys(Keys.ENTER)
#显式等待:显式地等待某个元素被加载
wait=WebDriverWait(browser,10)
wait.until(EC.presence_of_element_located((By.ID,\'content_left\')))
contents=browser.find_element(By.CSS_SELECTOR,\'#content_left\')
print(contents)
browser.close()
6.元素交互操作
点击,清空
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
browser=webdriver.Chrome()
browser.get(\'https://www.amazon.cn/\')
wait=WebDriverWait(browser,10)
input_tag=wait.until(EC.presence_of_element_located((By.ID,\'twotabsearchtextbox\')))
input_tag.send_keys(\'iphone 8\')
button=browser.find_element_by_css_selector(\'#nav-search > form > div.nav-right > div > input\')
button.click()
import time
time.sleep(3)
input_tag=browser.find_element_by_id(\'twotabsearchtextbox\')
input_tag.clear() #清空输入框
input_tag.send_keys(\'iphone7plus\')
button=browser.find_element_by_css_selector(\'#nav-search > form > div.nav-right > div > input\')
button.click()
# browser.close()
Action Chains
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By # 按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys # 键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait # 等待页面加载某些元素
import time
driver = webdriver.Chrome()
driver.get(\'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable\')
wait=WebDriverWait(driver,3)
# driver.implicitly_wait(3) # 使用隐式等待
try:
driver.switch_to.frame(\'iframeResult\') ##切换到iframeResult
sourse=driver.find_element_by_id(\'draggable\')
target=driver.find_element_by_id(\'droppable\')
#方式一:基于同一个动作链串行执行
# actions=ActionChains(driver) #拿到动作链对象
# actions.drag_and_drop(sourse,target) #把动作放到动作链中,准备串行执行
# actions.perform()
#方式二:不同的动作链,每次移动的位移都不同
ActionChains(driver).click_and_hold(sourse).perform()
distance=target.location[\'x\']-sourse.location[\'x\']
track=0
while track < distance:
ActionChains(driver).move_by_offset(xoffset=2,yoffset=0).perform()
track+=2
ActionChains(driver).release().perform()
time.sleep(10)
finally:
driver.close()
在交互动作比较难实现的时候可以自己写JS(万能方法)
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
try:
browser=webdriver.Chrome()
browser.get(\'https://www.baidu.com\')
browser.execute_script(\'alert("hello world")\') #打印警告
finally:
browser.close()
frame的切换
frame相当于一个单独的网页,在父frame里是无法直接查看到子frame的元素的,必须switch_to_frame切到该frame下,才能进一步查找
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
#学习中遇到问题没人解答?小编创建了一个Python学习交流群:489111204
try:
browser=webdriver.Chrome()
browser.get(\'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable\')
browser.switch_to.frame(\'iframeResult\') #切换到id为iframeResult的frame
tag1=browser.find_element_by_id(\'droppable\')
print(tag1)
# tag2=browser.find_element_by_id(\'textareaCode\') #报错,在子frame里无法查看到父frame的元素
browser.switch_to.parent_frame() #切回父frame,就可以查找到了
tag2=browser.find_element_by_id(\'textareaCode\')
print(tag2)
finally:
browser.close()
7.其他
模拟浏览器的前进后退
import time
from selenium import webdriver
browser=webdriver.Chrome()
browser.get(\'https://www.baidu.com\')
browser.get(\'https://www.taobao.com\')
browser.get(\'http://www.sina.com.cn/\')
browser.back()
time.sleep(10)
browser.forward()
browser.close()
cookies
from selenium import webdriver
browser=webdriver.Chrome()
browser.get(\'https://www.zhihu.com/explore\')
print(browser.get_cookies())
browser.add_cookie(\'k1\':\'xxx\',\'k2\':\'yyy\')
print(browser.get_cookies())
# browser.delete_all_cookies()
选项卡管理
选项卡管理:切换选项卡,有js的方式windows.open,有windows快捷键:ctrl+t等,最通用的就是js的方式
import time
from selenium import webdriver
browser=webdriver.Chrome()
browser.get(\'https://www.baidu.com\')
browser.execute_script(\'window.open()\')
print(browser.window_handles) #获取所有的选项卡
browser.switch_to_window(browser.window_handles[1])
browser.get(\'https://www.taobao.com\')
time.sleep(10)
browser.switch_to_window(browser.window_handles[0])
browser.get(\'https://www.sina.com.cn\')
browser.close()
异常处理
from selenium import webdriver
from selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameException
try:
browser=webdriver.Chrome()
browser.get(\'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable\')
browser.switch_to.frame(\'iframssseResult\')
except TimeoutException as e:
print(e)
except NoSuchFrameException as e:
print(e)
finally:
browser.close()
以上是关于Python教程:selenium模块用法教程的主要内容,如果未能解决你的问题,请参考以下文章
Python 3基础教程11-如何利用pip命令安装包和模块
基于Python+selenium+Chrome的网页自动化教程