爬蟲(六):Selenium庫使用
一:Selenium簡介
selenium 是一套完整的web應用程序測試系統,包含了測試的錄制(selenium IDE),編寫及運行(Selenium Remote Control)和測試的並行處理(Selenium Grid)。Selenium的核心Selenium Core基於JsUnit,完全由JavaScript編寫,因此可以用於任何支持JavaScript的瀏覽器上。
selenium可以模擬真實瀏覽器,自動化測試工具,支持多種瀏覽器,爬蟲中主要用來解決JavaScript渲染問題。
二:Selenium基本使用
用python寫爬蟲的時候,主要用的是selenium的Webdriver。(個人主要使用Chrome瀏覽器)
(1):聲明瀏覽器對象
selenium支持很多的瀏覽器,但是如果想要聲明並調用瀏覽器則需要:
from selenium import webdriver browser = webdriver.Chrome() browser = webdriver.Firefox()
(2):訪問頁面
from selenium import webdriver browser = webdriver.Chrome() browser.get("http://www.baidu.com") print(browser.page_source) browser.close() # 運行後,會自動打開Chrome瀏覽器,並登陸百度打印百度首頁的源代碼,然後關閉瀏覽器
(3):查找元素
單個元素查找:
from selenium import webdriver browser = webdriver.Chrome() browser.get(‘https://www.taobao.com‘) input_first = browser.find_element_by_id(‘q‘) # 用id來尋找元素 input_second = browser.find_element_by_css_selector(‘#q‘) # 用css選擇器 input_third = browser.find_element_by_xpath(‘//*[@id="q"]‘) #用xpath來選擇 print(input_first, input_second, input_third) browser.close() # 關閉瀏覽器
####################### 常用的查找元素的方法
find_element_by_name
find_element_by_id
find_element_by_xpath
find_element_by_link_text
find_element_by_partial_link_text
find_element_by_tag_name
find_element_by_class_name
find_element_by_css_selector
########################
通用的查找方式:By模塊
from selenium import webdriver from selenium.webdriver.common.by import By browser = webdriver.Chrome() browser.get("http://www.taobao.com") input_first = browser.find_element(By.ID,"q") print(input_first) browser.close() #當然這種方法和上述的方式是通用的,browser.find_element(By.ID,"q")這裏By.ID中的ID可以替換為其他幾個
多個元素查找
# 其實多個元素和單個元素的區別,舉個例子:find_elements,單個元素是find_element,其他使用上沒什麽區別 from selenium import webdriver browser = webdriver.Chrome() browser.get("http://www.taobao.com") lis = browser.find_elements_by_css_selector(‘.service-bd li‘) # 獲得的是列表 print(lis) browser.close() # 上面這種也可以用By來實現 # lis = browser.find_elements(By.CSS_SELECTOR,‘.service-bd li‘) ########################### find_elements_by_name find_elements_by_id find_elements_by_xpath find_elements_by_link_text find_elements_by_partial_link_text find_elements_by_tag_name find_elements_by_class_name find_elements_by_css_selector ###########################
元素交互操作
from selenium import webdriver import time browser = webdriver.Chrome() browser.get("http://www.taobao.com") input_str = browser.find_element_by_id(‘q‘) # 找到搜索框 input_str.send_keys("手機") # 輸入手機 time.sleep(1) input_str.clear() # 清除搜索框 input_str.send_keys("電腦") # 輸入電腦 button = browser.find_element_by_class_name(‘btn-search‘) button.click() # 點擊按鈕 # 運行的結果可以看出程序會自動打開Chrome瀏覽器並打開淘寶輸入手機,然後刪除,重新輸入電腦,並點擊搜索
Selenium的api文檔--》查看
交互動作
--》詳情
# 交互動作,驅動瀏覽器進行動作,模擬拖拽動作,將動作附加到動作鏈中串行執行 from selenium import webdriver from selenium.webdriver import ActionChains#引入動作鏈 browser = webdriver.Chrome() url = ‘http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable‘ browser.get(url) browser.switch_to.frame(‘iframeResult‘)#切換到iframeResult框架 source = browser.find_element_by_css_selector(‘#draggable‘)#找到被拖拽對象 target = browser.find_element_by_css_selector(‘#droppable‘)#找到目標 actions = ActionChains(browser)#聲明actions對象 actions.drag_and_drop(source, target) actions.perform()#執行動作
執行JavaScript
# 有些動作可能沒有提供api,比如進度條下拉,這時,我們可以通過代碼執行JavaScript from selenium import webdriver browser = webdriver.Chrome() browser.get(‘https://www.zhihu.com/explore‘) browser.execute_script(‘window.scrollTo(0, document.body.scrollHeight)‘) browser.execute_script(‘alert("To Bottom")‘)
獲取元素屬性
# 獲取屬性 get_attribute(‘class‘) from selenium import webdriver from selenium.webdriver import ActionChains browser = webdriver.Chrome() url = ‘https://www.zhihu.com/explore‘ browser.get(url) logo = browser.find_element_by_id(‘zh-top-link-logo‘)#獲取網站logo print(logo) print(logo.get_attribute(‘class‘)) browser.close()
獲取文本值
from selenium import webdriver browser = webdriver.Chrome() url = ‘https://www.zhihu.com/explore‘ browser.get(url) input = browser.find_element_by_class_name(‘zu-top-add-question‘) print(input.text)#input.text文本值 browser.close() # 獲取Id,位置,標簽名,大小 from selenium import webdriver browser = webdriver.Chrome() url = ‘https://www.zhihu.com/explore‘ browser.get(url) input = browser.find_element_by_class_name(‘zu-top-add-question‘) print(input.id)#獲取id print(input.location)#獲取位置 print(input.tag_name)#獲取標簽名 print(input.size)#獲取大小 browser.close()
Frame操作
# frame相當於獨立的網頁,如果在父類網frame查找子類的,則必須切換到子類的frame,子類如果查找父類也需要先切換 # 常用的是switch_to.from()和switch_to.parent_frame()
from selenium import webdriver from selenium.common.exceptions import NoSuchElementException browser = webdriver.Chrome() url = ‘http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable‘ browser.get(url) browser.switch_to.frame(‘iframeResult‘) source = browser.find_element_by_css_selector(‘#draggable‘) print(source) try: logo = browser.find_element_by_class_name(‘logo‘) except NoSuchElementException: print(‘NO LOGO‘) browser.switch_to.parent_frame() logo = browser.find_element_by_class_name(‘logo‘) print(logo) print(logo.text)
等待 --》詳細內容
隱式等待
到了一定的時間發現元素還沒有加載,則繼續等待我們指定的時間,如果超過了我們指定的時間還沒有加載就會拋出異常,如果沒有需要等待的時候就已經加載完畢就會立即執行
當使用了隱式等待執行測試的時候,如果 WebDriver沒有在 DOM中找到元素,將繼續等待,超出設定時間後則拋出找不到元素的異常,換句話說,當查找元素或元素並沒有立即出現的時候,隱式等待將等待一段時間再查找 DOM,默認的時間是0
from selenium import webdriver browser = webdriver.Chrome() browser.implicitly_wait(10) # 等待十秒加載不出來就會拋出異常,10秒內加載出來正常返回 browser.get(‘https://www.zhihu.com/explore‘) input = browser.find_element_by_class_name(‘zu-top-add-question‘) print(input)
顯示等待
指定一個等待條件,和一個最長等待時間,程序會判斷在等待時間內條件是否滿足,如果滿足則返回,如果不滿足會繼續等待,超過時間就會拋出異常
from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC browser = webdriver.Chrome() browser.get(‘https://www.taobao.com/‘) wait = WebDriverWait(browser, 10) input = wait.until(EC.presence_of_element_located((By.ID, ‘q‘))) button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, ‘.btn-search‘))) print(input, button) ###################### title_is 標題是某內容 title_contains 標題包含某內容 presence_of_element_located 元素加載出,傳入定位元組,如(By.ID, ‘p‘) visibility_of_element_located 元素可見,傳入定位元組 visibility_of 可見,傳入元素對象 presence_of_all_elements_located 所有元素加載出 text_to_be_present_in_element 某個元素文本包含某文字 text_to_be_present_in_element_value 某個元素值包含某文字 frame_to_be_available_and_switch_to_it frame加載並切換 invisibility_of_element_located 元素不可見 element_to_be_clickable 元素可點擊 staleness_of 判斷一個元素是否仍在DOM,可判斷頁面是否已經刷新 element_to_be_selected 元素可選擇,傳元素對象 element_located_to_be_selected 元素可選擇,傳入定位元組 element_selection_state_to_be 傳入元素對象以及狀態,相等返回True,否則返回False element_located_selection_state_to_be 傳入定位元組以及狀態,相等返回True,否則返回False alert_is_present 是否出現Alert #######################
前進後退-實現瀏覽器的前進後退以瀏覽不同的網頁
import time from selenium import webdriver browser = webdriver.Chrome() browser.get(‘https://www.baidu.com/‘) browser.get(‘https://www.taobao.com/‘) browser.get(‘https://www.python.org/‘) browser.back() # 後退 time.sleep(1) browser.forward() # 前進 browser.close()
Cookies
from selenium import webdriver browser = webdriver.Chrome() browser.get(‘https://www.zhihu.com/explore‘) print(browser.get_cookies()) browser.add_cookie({‘name‘: ‘name‘, ‘domain‘: ‘www.zhihu.com‘, ‘value‘: ‘germey‘}) # 添加Cookies print(browser.get_cookies()) # 獲取cookies browser.delete_all_cookies() # 刪除全部cookie print(browser.get_cookies())
選項卡管理 增加瀏覽器窗口
import time from selenium import webdriver browser = webdriver.Chrome() browser.get(‘https://www.baidu.com‘) browser.execute_script(‘window.open()‘) # 執行js命令打開新的選項卡 print(browser.window_handles) # 不同的選項卡存在列表裏 browser.switch_to_window(browser.window_handles[1]) # 可以操作的第二個選項卡 browser.get(‘https://www.taobao.com‘) time.sleep(1) browser.switch_to_window(browser.window_handles[0]) browser.get(‘http://www.fishc.com‘)
異常處理--》詳情內容
from selenium import webdriver from selenium.common.exceptions import TimeoutException, NoSuchElementException browser = webdriver.Chrome() try: browser.get(‘https://www.baidu.com‘) except TimeoutException: print(‘Time Out‘) try: browser.find_element_by_id(‘hello‘) except NoSuchElementException: print(‘No Element‘) finally: browser.close()
爬蟲(六):Selenium庫使用