selenium模块

Posted 2020-10-13 maple-shaw

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selenium模块相关的知识，希望对你有一定的参考价值。

阅读目录

一介绍
二安装
三基本使用
四三种选择器
五等待元素被加载
六元素交互操作
七其他
八项目练习

一介绍

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()

官网：http://selenium-python.readthedocs.io

二安装

#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2.29，并非2.9
下载链接：http://npm.taobao.org/mirrors/chromedriver/2.29/

#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

selenium+chromedriver

#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

selenium+phantomjs

三基本使用

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()

四三种选择器

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\')

#以下三种方式达到的都是同一种效果：查找id为kw的标签
input_tag1=browser.find_element(By.ID,\'kw\') #等同于：input_tag1=browser.find_element_by_id(\'kw\')

input_tag2=browser.find_element(By.CSS_SELECTOR,\'#kw\') #等同于：input_tag2=browser.find_element_by_css_selector(\'#kw\')

input_tag3=browser.find_element(By.XPATH,\'//*[@id="kw"]\') #等同于：input_tag3=browser.find_element_by_xpath(\'//*[@id="kw"]\')

#注意：browser.find_elements系列与browser.find_element的区别就是，前者是查找多个，后者是只找第一个
div1=browser.find_element(By.CSS_SELECTOR,\'div\') #找到第一个div标签
div2=browser.find_elements(By.CSS_SELECTOR,\'div\') #找到所有的div标签，放到列表里

browser.close()

三种查找元素方式

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()

获取标签属性

五等待元素被加载

#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

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()

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()
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()

显式等待

六元素交互操作

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()

点击，清空

#http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.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


browser=webdriver.Chrome()
browser.get(\'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable\')
browser.switch_to.frame(\'iframeResult\') #切换到iframeResult

source=browser.find_element_by_id(\'draggable\')
target=browser.find_element_by_id(\'droppable\')

actions=ActionChains(browser) #拿到动作链对象
actions.drag_and_drop(source,target) #把动作放到动作链中，准备串行执行
actions.perform() #执行

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


try:
    browser=webdriver.Chrome()
    browser.get(\'https://www.baidu.com\')
    browser.execute_script(\'alert("hello world")\') #打印警告
finally:
    browser.close()

在交互动作比较难实现的时候可以自己写JS（万能方法）

#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


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()

补充:frame的切换

七其他

#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()

模拟浏览器的前进后退

#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：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()

选项卡管理

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()

异常处理

八项目练习

#注意：网站都策略都是在不断变化的，精髓在于学习流程。下述代码生效与2017-11-7，不能保证永久有效
from selenium import webdriver
from selenium.webdriver import ActionChains
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(\'http://mail.163.com/\')

    wait=WebDriverWait(browser,5)

    frame=wait.until(EC.presence_of_element_located((By.ID,\'x-URS-iframe\')))
    browser.switch_to.frame(frame)

    wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,\'.m-container\')))

    inp_user=browser.find_element_by_name(\'email\')
    inp_pwd=browser.find_element_by_name(\'password\')
    button=browser.find_element_by_id(\'dologin\')
    inp_user.send_keys(\'18611453110\')
    inp_pwd.send_keys(\'xxxx\')
    button.click()

    #如果遇到验证码，可以把下面一小段打开注释
    # import time
    # time.sleep(10)
    # button = browser.find_element_by_id(\'dologin\')
    # button.click()

    wait.until(EC.presence_of_element_located((By.ID,\'dvNavTop\')))
    write_msg=browser.find_elements_by_css_selector(\'#dvNavTop li\')[1] #获取第二个li标签就是“写信”了
    write_msg.click()


    wait.until(EC.presence_of_element_located((By.CLASS_NAME,\'tH0\')))
    recv_man=browser.find_element_by_class_name(\'nui-editableAddr-ipt\')
    title=browser.find_element_by_css_selector(\'.dG0 .nui-ipt-input\')
    recv_man.send_keys(\'378533872@qq.com\')
    title.send_keys(\'圣旨\')
    print(title.tag_name)


    frame=wait.until(EC.presence_of_element_located((By.CLASS_NAME,\'APP-editor-iframe\')))
    browser.switch_to.frame(frame)
    body=browser.find_element(By.CSS_SELECTOR,\'body\')
    body.send_keys(\'egon很帅，可以加工资了\')

    browser.switch_to.parent_frame() #切回他爹
    send_button=browser.find_element_by_class_name(\'nui-toolbar-item\')
    send_button.click()

    #可以睡时间久一点别让浏览器关掉，看看发送成功没有
    import time
    time.sleep(10000)

except Exception as e:
    print(e)
finally:
    browser.close()

自动登录163邮箱并发送邮件

作业：
    爬取亚马逊iphone手机的商品信息
    爬取天猫python书籍的商品信息
    爬取京东小米手机的商品信息

以上是关于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

如何使用模块化代码片段中的LeakCanary检测内存泄漏？

爬虫selenium模块

Selenium JavascriptExecutor 详解

如何有条件地将 C 代码片段编译到我的 Perl 模块？

有没有办法关闭代码片段中的命名建议？

selenium模块

一 介绍

二 安装

三 基本使用

四 三种选择器

五 等待元素被加载

六 元素交互操作

七 其他

八 项目练习

一介绍

二安装

三基本使用

四三种选择器

五等待元素被加载

六元素交互操作

七其他

八项目练习