引入

selenium最初是一個自動化測試工具,而爬蟲中使用它主要是為了解決requests無法直接執行JavaScript代碼的問題

selenium本質是通過驅動瀏覽器，完全模擬瀏覽器的操作，比如跳轉、輸入、點擊、下拉等，來拿到網頁渲染之後的結果，可支持多種瀏覽器

from selenium import webdriver
browser=webdriver.Chrome()
browser=webdriver.Firefox()
browser=webdriver.PhantomJS()
browser=webdriver.Safari()
browser=webdriver.Edge()

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

安裝

安裝selenium：pip install selenium

下載驅動瀏覽器驅動:

　　有界面瀏覽器：Chrome ，Firefox(geckodriver)

　　無界面瀏覽器：PhantomJS

驗證：

from selenium import webdriver

driver=webdriver.Chrome() # 彈出谷歌瀏覽器
driver.get(‘https://www.baidu.com‘)
driver.page_source

基本使用

from
 
 selenium import webdriver
from selenium.webdriver.common.by import By #按照什麽方式查找 ID/CSS
from selenium.webdriver.common.keys import Keys #鍵盤按鍵操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待頁面加載某些元素
import time

browser
 
=webdriver.Chrome()
try:
    browser.get(‘https://www.jd.com‘)
    input_tag=browser.find_element_by_id(‘key‘)
    input_tag.send_keys(‘電腦‘)
    input_tag.send_keys(Keys.ENTER)
    wait=WebDriverWait(browser,10)
    wait.until(EC.presence_of_element_located((By.ID,‘J_goodsList‘))) #等到id為J_goodsList的元素加載完畢,最多等10秒
    # time.sleep(3)
finally:
    browser.close()

元素定位

尋找元素主要有兩種：

find_element_   # 只匹配一個元素
find_elements_  # 匹配所有元素的列表

如果沒有匹配到元素，selenium模塊會拋出NoSuchElement異常

獲取到了WebElement對象，則可以獲取對象的屬性

延時等待

selenium只是模擬瀏覽器的行為，而瀏覽器解析頁面是需要時間的（執行css，js），一些元素可能需要過一段時間才能加載出來，為了保證能查找到元素，必須等待

等待的方式分兩種：

隱式等待：在browser.get（‘xxx‘）前就設置，針對所有元素有效

from selenium import webdriver
from selenium.webdriver.common.by import By #按照什麽方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #鍵盤按鍵操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待頁面加載某些元素

browser=webdriver.Chrome()

#隱式等待:在查找所有元素時，如果尚未被加載，則等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‘) #沒有等待環節而直接查找，找不到則會報錯
print(contents)

browser.close()

顯式等待：在browser.get（‘xxx‘）之後設置，只針對某個元素有效

from selenium import webdriver
from selenium.webdriver.common.by import By #按照什麽方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #鍵盤按鍵操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待頁面加載某些元素

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)


# 顯式等待：顯式地等待某個元素被加載
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()

元素交互操作

from selenium import webdriver
import time
 
browser = webdriver.Chrome()
browser.get(‘https://www.taobao.com‘)
input = browser.find_element_by_id(‘q‘)
input.send_keys(‘諾基亞‘)
time.sleep(1)
input.clear()
input.send_keys(‘IPhone‘)
button = browser.find_element_by_class_name(‘btn-search‘)
time.sleep(2)
button.click()

from selenium import webdriver
from selenium.webdriver import ActionChains
import time

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‘)
target = browser.find_element_by_css_selector(‘#droppable‘)
actions = ActionChains(browser)
# actions.drag_and_drop(source, target)
actions.click_and_hold(source).perform()
time.sleep(1)
actions.move_to_element(target).perform()
time.sleep(1)
actions.move_by_offset(xoffset=50,yoffset=0).perform()

actions.release()

from selenium import webdriver
 
browser = webdriver.Chrome()
browser.get(‘https://www.jd.com/‘)
browser.execute_script(‘window.scrollTo(0, document.body.scrollHeight)‘)
browser.execute_script(‘alert("123")‘)

from selenium import webdriver
from selenium.webdriver.common.by import By #按照什麽方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待頁面加載某些元素

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‘)

#獲取標簽屬性，
print(tag.get_attribute(‘src‘))
#獲取標簽ID，位置，名稱，大小（了解）
print(tag.id)
print(tag.location)
print(tag.tag_name)
print(tag.size)


browser.close()

其他操作

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.peng104.xyz‘)

browser.back()
time.sleep(10)
browser.forward()
browser.close()

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()

import time
from selenium import webdriver

browser=webdriver.Chrome()
browser.get(‘https://www.baidu.com‘)
browser.execute_script(‘window.open()‘)

print(browser.window_handles) #獲取所有的選項卡
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(‘http://www.peng104.xyz‘)
browser.close()

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()

來個小栗子

from selenium import webdriver

# 初始化driver
driver = webdriver.Chrome()
# 打開知乎登錄頁面
driver.get(‘https://www.zhihu.com/signup‘)
# 默認是註冊界面，這裏需要先找到切換登錄的按鈕
signup_switch_bt = driver.find_element_by_xpath(‘//*[@id="root"]/div/main/div/div/div/div[2]/div[2]/span‘)
# 如果內容顯示登錄，則證明在註冊頁面，需要點擊一下切換到登錄頁面
if signup_switch_bt.text == ‘登錄‘:
    signup_switch_bt.click()
# 找到填寫用戶名的輸入框
uname_textfield = driver.find_element_by_xpath(
    ‘//*[@id="root"]/div/main/div/div/div/div[2]/div[1]/form/div[1]/div[2]/div[1]/input‘)
# 找到填寫密碼的輸入框
pwd_textfield = driver.find_element_by_xpath(
    ‘//*[@id="root"]/div/main/div/div/div/div[2]/div[1]/form/div[2]/div/div[1]/input‘)
# 找到登錄按鈕
signup_bt = driver.find_element_by_xpath(‘//*[@id="root"]/div/main/div/div/div/div[2]/div[1]/form/button‘)
# 填寫用戶名，需要替換為你的用戶名
uname_textfield.send_keys(‘user_name‘)
# 填寫密碼，需要替換為你的密碼
pwd_textfield.send_keys(‘your_password‘)
# 點擊登錄
signup_bt.click()

爬蟲之selenium模塊