爬虫&Selenium&ChromeDriver

Posted lixuelin

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫&Selenium&ChromeDriver相关的知识,希望对你有一定的参考价值。

一、Selenium

  1. selenium是什么

Selenium [1] 是一个用于Web应用程序测试的工具。Selenium测试直接运行在浏览器中,就像真正的用户在操作一样。支持的浏览器包括IE(7, 8, 9, 10, 11),Mozilla Firefox,Safari,Google Chrome,Opera等。

在python爬虫可以简单的理解为:Selenium就是模仿人使用浏览器

  1. 如何下载或者是安装selenium

    cmd进入win终端,输入命令

    pip install selenium
    

二、ChromeDriver

  1. ChromeDrive是什么

    这个和JDBC类似,就是Selenium操作Chrome浏览器的驱动。同理Selenium操作Firefox浏览器就需要geckodriver,操作IE浏览器需要IEDriverServer驱动。

    技术图片

  2. 如何下载或者安装ChromeDriver
    注意:ChromeDriver要和自己使用的chrome版本一致
    注意:ChromeDriver要和自己使用的chrome版本一致
    注意:ChromeDriver要和自己使用的chrome版本一致

    2.1 查询自己chrome的版本

    ? 地址栏输入:

    chrome://version/
    

    技术图片

    比如我的是:80.0.3987.149

    2.2 下载ChromeDriver

    地址栏:

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

    技术图片

    这里可能有人要问,不是最后一位不一样吗?

    答:的却,但是我估计只要前三位相同应该都可以的。有兴趣的同学可以试一下哈

    点击进去,下载对应的OS版本,比如我的是win电脑,我就下载第三个。

技术图片

2.3 下载好之后,解压,把chromedriver.exe放到任意位置都可以。但是有要求:

  • 路径上不能有中文
  • 存放的路径不需要特殊权限

这样就可以了,接下来我们来测试一下。


三、测试

  1. 直接看代码

    from selenium import webdriver #导入必要的库
    #功能需求:模仿人类使用搜索框进行搜索
    # 业务分析:在搜索框中输入“关键字”,点击“百度一下”或者是“回车”
    
    #chromedriver.exe的存放路径
    driver_path=r"C:Program Files (x86)GoogleChromeApplicationchromedriver.exe"
    
    # 通过webdriver对象的Chrome方法【不同的浏览器对应不同的方法】,获取到chromedriver.exe
    driver = webdriver.Chrome(executable_path=driver_path)
    
    # 访问百度
    driver.get("http://www.baidu.com")
    
    # 根据页面的id值定位到搜索框的
    input_tag = driver.find_element_by_id("kw")
    
    #假如我们搜索“java”
    input_tag.send_keys("java")
    
    # 根据页面id获取到“百度一下”按钮
    submit_btn = driver.find_element_by_id("su")
    
    #这个方法其实就是模仿人们点击“百度一下”按钮或者是“回车”
    submit_btn.click()
    
    
  2. 运行代码。它会自动打开浏览器并自动输入“java”,并回车。

  3. 看效果

技术图片


四、为什么要用它——Selenium

答:因为有很多网站的数据都是异步请求(Ajax)加载数据的,我们直接爬取是获取不到数据的。因此我们使用selenium爬取返回来的页面是已经经过浏览器解析好的页面,我们再通过使用Xpath、bs4等,就可以爬取自己想要的数据了。

以上是关于爬虫&Selenium&ChromeDriver的主要内容,如果未能解决你的问题,请参考以下文章

selenium操作表单元素&行为链&操作cookie&页面等待python爬虫入门进阶(14)

selenium操作表单元素&行为链&操作cookie&页面等待python爬虫入门进阶(14)

Python爬虫教程-28-Selenium 操纵 Chrome

Selenium&Pytesseract模拟登录+验证码识别

Spider爬虫

python Chrome + selenium自动化测试与python爬虫获取网页数据