selenium模块

Posted 2020-10-21 百连

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

一、背景及用途

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() 

 

 

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
国内镜像网站地址：http://npm.taobao.org/mirrors/chromedriver/2.29/
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

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) # 数字是需要等待的时间

                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) # 页面源码
    print(browser.current_url)
    print(browser.get_cookies())

finally:
    # 防止出错后无法关闭浏览器
    browser.close()        

 

 

四、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 注意：如果是需要加载js需要先声明，比如element_to_be_clickable，隐式等待就不会有这种问题
    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(\'xxx\')
    input_pwd.send_keys(\'xxx\')
    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()

基本用法

 

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()

xpath

 

 

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()

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

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()

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、其他操作

#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()

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
 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？