请求库之 selenium模块
Posted lz1996
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了请求库之 selenium模块相关的知识,希望对你有一定的参考价值。
介绍:selenium最初是一个测试工具,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
1 from selenium import webdriver 2 browser=webdriver.Chrome() 3 browser=webdriver.Firefox() 4 browser=webdriver.PhantomJS() #无窗口浏览器 5 browser=webdriver.Safari() 6 browser=webdriver.Edge()
二、安装
安装:selenium+chromedriver
1 pip3 install selenium 2 下载chromdriver.exe放到python安装路径的scripts目录中即可 3 国内镜像网站地址:http://npm.taobao.org/mirrors/chromedriver/2.29/ 4 最新的版本去官网找:https://sites.google.com/a/chromium.org/chromedriver/downloads 5 6 #验证安装 7 在cmd中输入python 8 C:>python3 9 Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32 10 Type "help", "copyright", "credits" or "license" for more information. 11 >>> from selenium import webdriver 12 >>> driver=webdriver.Chrome() #弹出浏览器 13 >>> driver.get(‘https://www.baidu.com‘) 14 >>> driver.page_source 15 16 #注意: 17 selenium3默认支持的webdriver是Firfox,而Firefox需要安装geckodriver 18 下载链接:https://github.com/mozilla/geckodriver/releases
安装:selenium+phantomjs
1 pip3 install selenium 2 下载phantomjs,解压后把phantomjs.exe所在的bin目录放到环境变量 3 下载链接:http://phantomjs.org/download.html 4 5 #验证安装 6 在cmd中输入phantomjs 7 C:>phantomjs 8 phantomjs> console.log(‘egon gaga‘) 9 egon gaga 10 undefined 11 phantomjs> ^C 12 13 C:>python3 14 Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32 15 Type "help", "copyright", "credits" or "license" for more information. 16 >>> from selenium import webdriver 17 >>> driver=webdriver.PhantomJS() #无界面浏览器 18 >>> driver.get(‘https://www.baidu.com‘) 19 >>> driver.page_source 20
三、基本使用
1 from selenium import webdriver 2 from selenium.webdriver import ActionChains #破解活动验证码的时候用到 3 from selenium.webdriver.common.by import By ##按照什么方式查找,By.ID,By.CSS_SELECTOR 4 from selenium.webdriver.common.keys import Keys #键盘按键操作 5 from selenium.webdriver.support import expected_conditions as EC #这个下面的一个是配合来使用的 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 7 browser = webdriver.Chrome() # 弹出浏览器 8 try: 9 browser.get("https://ai.taobao.com/") #打开要访问的页面 10 input_tag = browser.find_element_by_id("key") #找到搜索框 11 input_tag.send_keys("生日礼物") #输入内容 12 input_tag.send_keys(Keys.ENTER) #按回车 13 wait = WebDriverWait(browser,10) 14 wait.until(EC.presence_of_element_located((By.CLASS_NAME,"waterfall-bg"))) #等到class为waterfall-bg的元素加载完毕(也就是等加载的内容加载完), 15 最多等10秒 16 17 18 print(browser.page_source) 19 print(browser.current_url) 20 print(browser.get_cookies()) 21 except Exception as error: 22 print(error) 23 finally: 24 browser.close()
四、选择器
基本用法
1 from selenium import webdriver 2 from selenium.webdriver import ActionChains 3 from selenium.webdriver.common.by import By 4 from selenium.webdriver.common.keys import Keys 5 from selenium.webdriver.support import expected_conditions as EC 6 from selenium.webdriver.support.wait import WebDriverWait 7 import time 8 9 driver = webdriver.Chrome() 10 driver.get("https://www.baidu.com") 11 wait = driver.implicitly_wait(10) #隐式等待,等所有,默认等10秒 12 13 #显示等待的用法 14 # wait = WebDriverWait(driver,10) #显示等待,等指定的,和EC配合这使用 15 # wait.until(EC.presence_of_element_located((By.ID,"kw"))) 16 # 如果显示等待是不能进行点击的,如果要点击,就得按照下面这样的方式,而隐式等待就不用考虑这个问题了。 17 # button = wait.until(EC.element_to_be_clickable((By.ID,"kw"))) 18 # button.click() 19 try: 20 # 1、find_element_by_id通过id来找 21 # tag = driver.find_element_by_id("su") 22 # print(tag.get_attribute("value")) #获取上面这个标签的属性 23 # 2、find_element_by_link_text通过有链接的文本去找 24 # login = driver.find_element_by_link_text("登录") 25 # print(login.get_attribute("href")) 26 # login.click() #点击登录按钮 27 # 3、find_element_by_partial_link_text 找到包含这个录字的链接文本去找 28 # login = driver.find_element_by_partial_link_text("录") 29 # login.click() 30 # 4、find_element_by_tag_name通过标签的名字去找 31 # print(driver.find_element_by_tag_name("a")) 32 # time.sleep(5) 33 # 5、find_element_by_class_name通过类名去找 34 # print(driver.find_element_by_class_name("tang-pass-footerBarULogin")) 35 # 6、通过css选择器找 36 print(driver.find_element_by_css_selector("#kw")) 37 finally: 38 driver.quit()
xpath
1 #官网链接:http://selenium-python.readthedocs.io/locating-elements.html 2 from selenium import webdriver 3 from selenium.webdriver import ActionChains 4 from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR 5 from selenium.webdriver.common.keys import Keys #键盘按键操作 6 from selenium.webdriver.support import expected_conditions as EC 7 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 8 import time 9 10 driver=webdriver.PhantomJS() 11 driver.get(‘https://doc.scrapy.org/en/latest/_static/selectors-sample1.html‘) 12 # wait=WebDriverWait(driver,3) 13 driver.implicitly_wait(3) #使用隐式等待 14 15 try: 16 # find_element_by_xpath 17 #//与/ 18 # 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 19 20 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 21 driver.find_element_by_css_selector(‘body a‘) 22 23 #取第n个 24 res1=driver.find_elements_by_xpath(‘//body//a[1]‘) #取第一个a标签 25 print(res1[0].text) 26 27 #按照属性查找,下述三者查找效果一样 28 res1=driver.find_element_by_xpath(‘//a[5]‘) 29 res2=driver.find_element_by_xpath(‘//a[@href="image5.html"]‘) 30 res3=driver.find_element_by_xpath(‘//a[contains(@href,"image5")]‘) #模糊查找 31 print(‘==>‘, res1.text) 32 print(‘==>‘,res2.text) 33 print(‘==>‘,res3.text) 34 35 36 #其他 37 res1=driver.find_element_by_xpath(‘/html/body/div/a‘) 38 print(res1.text) 39 40 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 41 print(res2.tag_name,res2.text) 42 43 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 44 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 45 46 47 time.sleep(5) 48 49 finally: 50 driver.close()
获取标签属性
1 from selenium import webdriver 2 from selenium.webdriver import ActionChains 3 from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR 4 from selenium.webdriver.common.keys import Keys #键盘按键操作 5 from selenium.webdriver.support import expected_conditions as EC 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 7 8 browser=webdriver.Chrome() 9 10 browser.get(‘https://www.amazon.cn/‘) 11 12 wait=WebDriverWait(browser,10) 13 wait.until(EC.presence_of_element_located((By.ID,‘cc-lm-tcgShowImgContainer‘))) 14 15 tag=browser.find_element(By.CSS_SELECTOR,‘#cc-lm-tcgShowImgContainer img‘) 16 17 #获取标签属性, 18 print(tag.get_attribute(‘src‘)) 19 20 #获取标签ID,位置,名称,大小(了解) 21 print(tag.id) 22 print(tag.location) 23 print(tag.tag_name) 24 print(tag.size) 25 26 browser.close()
等待元素被加载
1 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 3 #2、等待的方式分两种: 4 隐式等待:在browser.get(‘xxx‘)前就设置,针对所有元素有效 5 显式等待:在browser.get(‘xxx‘)之后设置,只针对某个元素有效
1 from selenium import webdriver 2 from selenium.webdriver import ActionChains 3 from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR 4 from selenium.webdriver.common.keys import Keys #键盘按键操作 5 from selenium.webdriver.support import expected_conditions as EC 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 7 8 browser=webdriver.Chrome() 9 10 #隐式等待:在查找所有元素时,如果尚未被加载,则等10秒 11 browser.implicitly_wait(10) 12 13 browser.get(‘https://www.baidu.com‘) 14 15 input_tag=browser.find_element_by_id(‘kw‘) 16 input_tag.send_keys(‘美女‘) 17 input_tag.send_keys(Keys.ENTER) 18 19 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 20 print(contents) 21 22 browser.close() 23 24
1 from selenium import webdriver 2 from selenium.webdriver import ActionChains 3 from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR 4 from selenium.webdriver.common.keys import Keys #键盘按键操作 5 from selenium.webdriver.support import expected_conditions as EC 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 7 8 browser=webdriver.Chrome() 9 browser.get(‘https://www.baidu.com‘) 10 11 12 input_tag=browser.find_element_by_id(‘kw‘) 13 input_tag.send_keys(‘美女‘) 14 input_tag.send_keys(Keys.ENTER) 15 16 #显式等待:显式地等待某个元素被加载 17 wait=WebDriverWait(browser,10) 18 wait.until(EC.presence_of_element_located((By.ID,‘content_left‘))) 19 20 contents=browser.find_element(By.CSS_SELECTOR,‘#content_left‘) 21 print(contents) 22 23 24 browser.close() 25 26
元素交互操作
1 from selenium import webdriver 2 from selenium.webdriver import ActionChains 3 from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR 4 from selenium.webdriver.common.keys import Keys #键盘按键操作 5 from selenium.webdriver.support import expected_conditions as EC 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 7 8 browser=webdriver.Chrome() 9 browser.get(‘https://www.amazon.cn/‘) 10 wait=WebDriverWait(browser,10) 11 12 13 input_tag=wait.until(EC.presence_of_element_located((By.ID,‘twotabsearchtextbox‘))) 14 input_tag.send_keys(‘iphone 8‘) 15 button=browser.find_element_by_css_selector(‘#nav-search > form > div.nav-right > div > input‘) 16 button.click() 17 18 import time 19 time.sleep(3) 20 21 input_tag=browser.find_element_by_id(‘twotabsearchtextbox‘) 22 input_tag.clear() #清空输入框 23 input_tag.send_keys(‘iphone7plus‘) 24 button=browser.find_element_by_css_selector(‘#nav-search > form > div.nav-right > div > input‘) 25 button.click() 26 27 28 # browser.close() 29
1 from selenium import webdriver 2 from selenium.webdriver import ActionChains 3 from selenium.webdriver.common.by import By # 按照什么方式查找,By.ID,By.CSS_SELECTOR 4 from selenium.webdriver.common.keys import Keys # 键盘按键操作 5 from selenium.webdriver.support import expected_conditions as EC 6 from selenium.webdriver.support.wait import WebDriverWait # 等待页面加载某些元素 7 import time 8 9 driver = webdriver.Chrome() 10 driver.get(‘http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable‘) 11 wait=WebDriverWait(driver,3) 12 # driver.implicitly_wait(3) # 使用隐式等待 13 14 try: 15 driver.switch_to.frame(‘iframeResult‘) ##切换到iframeResult 16 sourse=driver.find_element_by_id(‘draggable‘) 17 target=driver.find_element_by_id(‘droppable‘) 18 19 #方式一:基于同一个动作链串行执行 20 # actions=ActionChains(driver) #拿到动作链对象 21 # actions.drag_and_drop(sourse,target) #把动作放到动作链中,准备串行执行 22 # actions.perform() 23 24 #方式二:不同的动作链,每次移动的位移都不同 25 ActionChains(driver).click_and_hold(sourse).perform() 26 distance=target.location[‘x‘]-sourse.location[‘x‘] 27 28 track=0 29 while track < distance: 30 ActionChains(driver).move_by_offset(xoffset=2,yoffset=0).perform() 31 track+=2 32 33 ActionChains(driver).release().perform() 34 35 time.sleep(10) 36 37 finally: 38 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)
1 from selenium import webdriver 2 from selenium.webdriver import ActionChains 3 from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR 4 from selenium.webdriver.common.keys import Keys #键盘按键操作 5 from selenium.webdriver.support import expected_conditions as EC 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 7 8 try: 9 browser=webdriver.Chrome() 10 browser.get(‘https://www.baidu.com‘) 11 browser.execute_script(‘alert("hello world")‘) #打印警告 12 finally: 13 browser.close() 14
1 #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 2 3 from selenium import webdriver 4 from selenium.webdriver import ActionChains 5 from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR 6 from selenium.webdriver.common.keys import Keys #键盘按键操作 7 from selenium.webdriver.support import expected_conditions as EC 8 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 9 10 11 try: 12 browser=webdriver.Chrome() 13 browser.get(‘http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable‘) 14 15 browser.switch_to.frame(‘iframeResult‘) #切换到id为iframeResult的frame 16 17 tag1=browser.find_element_by_id(‘droppable‘) 18 print(tag1) 19 20 # tag2=browser.find_element_by_id(‘textareaCode‘) #报错,在子frame里无法查看到父frame的元素 21 browser.switch_to.parent_frame() #切回父frame,就可以查找到了 22 tag2=browser.find_element_by_id(‘textareaCode‘) 23 print(tag2) 24 25 finally: 26 browser.close() 27
模拟浏览器的前进后退
1 import time 2 from selenium import webdriver 3 4 browser=webdriver.Chrome() 5 browser.get(‘https://www.baidu.com‘) 6 browser.get(‘https://www.taobao.com‘) 7 browser.get(‘http://www.sina.com.cn/‘) 8 9 browser.back() 10 time.sleep(10) 11 browser.forward() 12 browser.close() 13
cookies
1 from selenium import webdriver 2 3 browser=webdriver.Chrome() 4 browser.get(‘https://www.zhihu.com/explore‘) 5 print(browser.get_cookies()) 6 browser.add_cookie({‘k1‘:‘xxx‘,‘k2‘:‘yyy‘}) 7 print(browser.get_cookies()) 8 9 # browser.delete_all_cookies() 10
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
1 import time 2 from selenium import webdriver 3 4 browser=webdriver.Chrome() 5 browser.get(‘https://www.baidu.com‘) 6 browser.execute_script(‘window.open()‘) 7 8 print(browser.window_handles) #获取所有的选项卡 9 browser.switch_to_window(browser.window_handles[1]) 10 browser.get(‘https://www.taobao.com‘) 11 time.sleep(10) 12 browser.switch_to_window(browser.window_handles[0]) 13 browser.get(‘https://www.sina.com.cn‘) 14 browser.close()
异常处理
1 from selenium import webdriver 2 from selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameException 3 4 try: 5 browser=webdriver.Chrome() 6 browser.get(‘http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable‘) 7 browser.switch_to.frame(‘iframssseResult‘) 8 9 except TimeoutException as e: 10 print(e) 11 except NoSuchFrameException as e: 12 print(e) 13 finally: 14 browser.close() 15
1 from selenium import webdriver 2 from selenium.webdriver import ActionChains 3 from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR 4 from selenium.webdriver.common.keys import Keys #键盘按键操作 5 from selenium.webdriver.support import expected_conditions as EC 6 from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 7 import time 8 9 10 def get_goods(driver): 11 try: 12 goods=driver.find_elements_by_class_name(‘gl-item‘) 13 14 for good in goods: 15 detail_url=good.find_element_by_tag_name(‘a‘).get_attribute(‘href‘) 16 17 p_name=good.find_element_by_css_selector(‘.p-name em‘).text.replace(‘ ‘,‘‘) 18 price=good.find_element_by_css_selector(‘.p-price i‘).text 19 p_commit=good.find_element_by_css_selector(‘.p-commit a‘).text 20 21 msg = ‘‘‘ 22 商品 : %s 23 链接 : %s 24 价钱 :%s 25 评论 :%s 26 ‘‘‘ % (p_name,detail_url,price,p_commit) 27 28 print(msg,end=‘ ‘) 29 30 31 button=driver.find_element_by_partial_link_text(‘下一页‘) 32 button.click() 33 time.sleep(1) 34 get_goods(driver) 35 except Exception: 36 pass 37 38 def spider(url,keyword): 39 driver = webdriver.Chrome() 40 driver.get(url) 41 driver.implicitly_wait(3) # 使用隐式等待 42 try: 43 input_tag=driver.find_element_by_id(‘key‘) 44 input_tag.send_keys(keyword) 45 input_tag.send_keys(Keys.ENTER) 46 get_goods(driver) 47 finally: 48 driver.close() 49 50 51 if __name__ == ‘__main__‘: 52 spider(‘https://www.jd.com/‘,keyword=‘iPhone8手机‘) 53 54
归类 : python爬虫
以上是关于请求库之 selenium模块的主要内容,如果未能解决你的问题,请参考以下文章