Selenium：動態頁面模擬點選
Selenium：動態頁面模擬點選
Selenium
Selenium是一個Web的自動化測試工具，最初是為網站自動化測試而開發的，型別像我們玩遊戲用的按鍵精靈，可以按指定的命令自動操作，不同是Selenium 可以直接執行在瀏覽器上，它支援所有主流的瀏覽器（包括PhantomJS這些無介面的瀏覽器）。
Selenium 可以根據我們的指令，讓瀏覽器自動載入頁面，獲取需要的資料，甚至頁面截圖，或者判斷網站上某些動作是否發生。
Selenium 自己不帶瀏覽器，不支援瀏覽器的功能，它需要與第三方瀏覽器結合在一起才能使用。但是我們有時候需要讓它內嵌在程式碼中執行，所以我們可以用一個叫 PhantomJS 的工具代替真實的瀏覽器。
可以從 PyPI 網站下載 Selenium庫https://pypi.python.org/simple/selenium ，也可以用 第三方管理器 pip用命令安裝：pip install selenium
Selenium 官方參考文件：http://selenium-python.readthedocs.io/index.html
PhantomJS
PhantomJS 是一個基於Webkit的“無介面”(headless)瀏覽器，它會把網站載入到記憶體並執行頁面上的 JavaScript，因為不會展示圖形介面，所以執行起來比完整的瀏覽器要高效。
如果我們把 Selenium 和 PhantomJS 結合在一起，就可以執行一個非常強大的網路爬蟲了，這個爬蟲可以處理 JavaScrip、Cookie、headers，以及任何我們真實使用者需要做的事情。
注意：PhantomJS 只能從它的官方網站http://phantomjs.org/download.html) 下載。 因為 PhantomJS 是一個功能完善(雖然無介面)的瀏覽器而非一個 Python 庫，所以它不需要像 Python 的其他庫一樣安裝，但我們可以通過Selenium呼叫PhantomJS來直接使用。
PhantomJS 官方參考文件：http://phantomjs.org/documentation
Selenium快速入門
Selenium 庫裡有個叫 WebDriver 的 API。WebDriver 有點兒像可以載入網站的瀏覽器，但是它也可以像 BeautifulSoup 或者其他 Selector 物件一樣用來查詢頁面元素，與頁面上的元素進行互動 (傳送文字、點選等)，以及執行其他動作來執行網路爬蟲。
# IPython2 測試程式碼
# 匯入 webdriver
from selenium import webdriver
# 要想呼叫鍵盤按鍵操作需要引入keys包
from selenium.webdriver.common.keys import Keys
# 呼叫環境變數指定的PhantomJS瀏覽器建立瀏覽器物件
driver = webdriver.PhantomJS()
# 如果沒有在環境變數指定PhantomJS位置
# driver = webdriver.PhantomJS(executable_path="./phantomjs"))
# get方法會一直等到頁面被完全載入，然後才會繼續程式，通常測試會在這裡選擇 time.sleep(2)
driver.get("http://www.baidu.com/")
# 獲取頁面名為 wrapper的id標籤的文字內容
data = driver.find_element_by_id("wrapper").text
# 列印資料內容
print data
# 列印頁面標題 "百度一下，你就知道"
print driver.title
# 生成當前頁面快照並儲存
driver.save_screenshot("baidu.png")
# id="kw"是百度搜索輸入框，輸入字串"長城"
driver.find_element_by_id("kw").send_keys(u"長城")
# id="su"是百度搜索按鈕，click() 是模擬點選
driver.find_element_by_id("su").click()
# 獲取新的頁面快照
driver.save_screenshot("長城.png")
# 列印網頁渲染後的原始碼
print driver.page_source
# 獲取當前頁面Cookie
print driver.get_cookies()
# ctrl+a 全選輸入框內容
driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'a')
# ctrl+x 剪下輸入框內容
driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'x')
# 輸入框重新輸入內容
driver.find_element_by_id("kw").send_keys("itcast")
# 模擬Enter回車鍵
driver.find_element_by_id("su").send_keys(Keys.RETURN)
# 清除輸入框內容
driver.find_element_by_id("kw").clear()
# 生成新的頁面快照
driver.save_screenshot("itcast.png")
# 獲取當前url
print driver.current_url
# 關閉當前頁面，如果只有一個頁面，會關閉瀏覽器
# driver.close()
# 關閉瀏覽器
driver.quit()
頁面操作
Selenium 的 WebDriver提供了各種方法來尋找元素，假設下面有一個表單輸入框：
<input type="text" name="user-name" id="passwd-id" />那麼：
# 獲取id標籤值
element = driver.find_element_by_id("passwd-id")
# 獲取name標籤值
element = driver.find_element_by_name("user-name")
# 獲取標籤名值
element = driver.find_elements_by_tag_name("input")
# 也可以通過XPath來匹配
element = driver.find_element_by_xpath("//input[@id='passwd-id']")
定位UI元素 (WebElements)
關於元素的選取，有如下的API 單個元素選取
- find_element_by_id
- find_elements_by_name
- 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
滑鼠動作鏈
有些時候，我們需要再頁面上模擬一些滑鼠操作，比如雙擊、右擊、拖拽甚至按住不動等，我們可以通過匯入 ActionChains 類來做到：
示例：
#匯入 ActionChains 類
from selenium.webdriver import ActionChains
# 滑鼠移動到 ac 位置
ac = driver.find_element_by_xpath('element')
ActionChains(driver).move_to_element(ac).perform()
# 在 ac 位置單擊
ac = driver.find_element_by_xpath("elementA")
ActionChains(driver).move_to_element(ac).click(ac).perform()
# 在 ac 位置雙擊
ac = driver.find_element_by_xpath("elementB")
ActionChains(driver).move_to_element(ac).double_click(ac).perform()
# 在 ac 位置右擊
ac = driver.find_element_by_xpath("elementC")
ActionChains(driver).move_to_element(ac).context_click(ac).perform()
# 在 ac 位置左鍵單擊hold住
ac = driver.find_element_by_xpath('elementF')
ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()
# 將 ac1 拖拽到 ac2 位置
ac1 = driver.find_element_by_xpath('elementD')
ac2 = driver.find_element_by_xpath('elementE')
ActionChains(driver).drag_and_drop(ac1, ac2).perform()
填充表單
我們已經知道了怎樣向文字框中輸入文字，但是有時候我們會碰到<select> </select>標籤的下拉框。直接點選下拉框中的選項不一定可行。
<select id="status" class="form-control valid" onchange="" name="status">
<option value=""></option>
<option value="0">未稽核</option>
<option value="1">初審通過</option>
<option value="2">複審通過</option>
<option value="3">稽核不通過</option>
</select>
Selenium專門提供了Select類來處理下拉框。 其實 WebDriver 中提供了一個叫 Select 的方法，可以幫助我們完成這些事情：
# 匯入 Select 類
from selenium.webdriver.support.ui import Select
# 找到 name 的選項卡
select = Select(driver.find_element_by_name('status'))
#
select.select_by_index(1)
select.select_by_value("0")
select.select_by_visible_text(u"未稽核")
以上是三種選擇下拉框的方式，它可以根據索引來選擇，可以根據值來選擇，可以根據文字來選擇。注意：
- index 索引從 0 開始
- value是option標籤的一個屬性值，並不是顯示在下拉框中的值
- visible_text是在option標籤文字的值，是顯示在下拉框的值
全部取消選擇怎麼辦呢？很簡單:
- select.deselect_all()
彈窗處理
當你觸發了某個事件之後，頁面出現了彈窗提示，處理這個提示或者獲取提示資訊方法如下：
alert = driver.switch_to_alert()
頁面切換
一個瀏覽器肯定會有很多視窗，所以我們肯定要有方法來實現視窗的切換。切換視窗的方法如下：
driver.switch_to.window("this is window name")也可以使用 window_handles 方法來獲取每個視窗的操作物件。例如：
for handle in driver.window_handles:
driver.switch_to_window(handle)
頁面前進和後退
操作頁面的前進和後退功能：
driver.forward() #前進
driver.back() # 後退
Cookies
獲取頁面每個Cookies值，用法如下
for cookie in driver.get_cookies():
print "%s -> %s" % (cookie['name'], cookie['value'])刪除Cookies，用法如下
# By name
driver.delete_cookie("CookieName")
# all
driver.delete_all_cookies()
頁面等待
注意：這是非常重要的一部分！！
現在的網頁越來越多采用了 Ajax 技術，這樣程式便不能確定何時某個元素完全加載出來了。如果實際頁面等待時間過長導致某個dom元素還沒出來，但是你的程式碼直接使用了這個WebElement，那麼就會丟擲NullPointer的異常。
為了避免這種元素定位困難而且會提高產生 ElementNotVisibleException 的概率。所以 Selenium 提供了兩種等待方式，一種是隱式等待，一種是顯式等待。
隱式等待是等待特定的時間，顯式等待是指定某一條件直到這個條件成立時繼續執行。
顯式等待
顯式等待指定某個條件，然後設定最長等待時間。如果在這個時間還沒有找到元素，那麼便會丟擲異常了。
from selenium import webdriver
from selenium.webdriver.common.by import By
# WebDriverWait 庫，負責迴圈等待
from selenium.webdriver.support.ui import WebDriverWait
# expected_conditions 類，負責條件出發
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Chrome()
driver.get("http://www.xxxxx.com/loading")
try:
# 頁面一直迴圈，直到 id="myDynamicElement" 出現
element = WebDriverWait(driver, 10).until(
EC.presence_of_element_located((By.ID, "myDynamicElement"))
)
finally:
driver.quit()
如果不寫引數，程式預設會 0.5s 呼叫一次來檢視元素是否已經生成，如果本來元素就是存在的，那麼會立即返回。
下面是一些內建的等待條件，你可以直接呼叫這些條件，而不用自己寫某些等待條件了。
title_is
title_contains
presence_of_element_located
visibility_of_element_located
visibility_of
presence_of_all_elements_located
text_to_be_present_in_element
text_to_be_present_in_element_value
frame_to_be_available_and_switch_to_it
invisibility_of_element_located
element_to_be_clickable – it is Displayed and Enabled.
staleness_of
element_to_be_selected
element_located_to_be_selected
element_selection_state_to_be
element_located_selection_state_to_be
alert_is_present
隱式等待
隱式等待比較簡單，就是簡單地設定一個等待時間，單位為秒。
from selenium import webdriver
driver = webdriver.Chrome()
driver.implicitly_wait(10) # seconds
driver.get("http://www.xxxxx.com/loading")
myDynamicElement = driver.find_element_by_id("myDynamicElement")
當然如果不設定，預設等待時間為0。
動態頁面模擬點選
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# python的測試模組
import unittest
from selenium import webdriver
from bs4 import BeautifulSoup
class douyuSelenium(unittest.TestCase):
# 初始化方法
def setUp(self):
self.driver = webdriver.PhantomJS()
#具體的測試用例方法，一定要以test開頭
def testDouyu(self):
self.driver.get('http://www.douyu.com/directory/all')
while True:
# 指定xml解析
soup = BeautifulSoup(driver.page_source, 'xml')
# 返回當前頁面所有房間標題列表 和 觀眾人數列表
titles = soup.find_all('h3', {'class': 'ellipsis'})
nums = soup.find_all('span', {'class': 'dy-num fr'})
# 使用zip()函式來可以把列表合併，並建立一個元組對的列表[(1,2), (3,4)]
for title, num in zip(nums, titles):
print u"觀眾人數:" + num.get_text().strip(), u"\t房間標題: " + title.get_text().strip()
# page_source.find()未找到內容則返回-1
if driver.page_source.find('shark-pager-disable-next') != -1:
break
# 模擬下一頁點選
self.driver.find_element_by_class_name('shark-pager-next').click()
# 退出時的清理方法
def tearDown(self):
print '載入完成...'
self.driver.quit()
if __name__ == "__main__":
unittest.main()