Python3爬蟲入門之selenium庫的用法

阿新 • • 發佈：2019-01-30

Selenium

基本使用

from selenium import webdriver
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()  # 宣告瀏覽器物件  

try:
    browser.get('https://www.baidu.com')
    input = browser.find_element_by_id('kw')  # 找到id為kw的元素
    input.send_keys('Python')  # 敲入Python
    input.send_keys(Keys.ENTER)  # 敲入回車
    wait = WebDriverWait(browser, 10)
    wait.until(EC.presence_of_element_located((By.ID, 'content_left')))  # 等待某個元素加載出來 

    print(browser.current_url)
    print(browser.get_cookies())
    print(browser.page_source)  # 網頁原始碼
finally:
    browser.close()

宣告瀏覽器物件

from selenium import webdriver

browser = webdriver.Chrome()
browser = webdriver.Firefox()
browser = webdriver.Edge()
browser = webdriver.PhantomJS()
browser = webdriver.Safari()

訪問頁面

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
print(browser.page_source)
browser.close()

查詢元素

單個元素

element

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
input_first = browser.find_element_by_id('q')  #　尋找 id='q'的元素
input_second = browser.find_element_by_css_selector('#q')  # 通過css選擇器選擇
input_third = browser.find_element_by_xpath('//*[@id="q"]')  # 同上
print(input_first, input_second, input_third)
browser.close()

查詢單個元素的方法
* find_element_by_name
* 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

通用查詢寫法

from selenium import webdriver
from selenium.webdriver.common.by import By

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
input_first = browser.find_element(By.ID, 'q')
print(input_first)
browser.close()

多個元素

elements

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
lis = browser.find_elements_by_css_selector('.service-bd li')
print(lis)
browser.close()

from selenium import webdriver
from selenium.webdriver.common.by import By

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
lis = browser.find_elements(By.CSS_SELECTOR, '.service-bd li')
print(lis[0])
browser.close()

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

元素互動操作

先獲取元素。
對獲取的元素呼叫互動方法

from selenium import webdriver
import time

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
input = browser.find_element_by_id('q')  # 找到搜尋框
input.send_keys('iPhone')  # 輸入 iPhone
time.sleep(1)  # 等待一秒
input.clear()  # 清空文字框
input.send_keys('iPad')  # 輸入ipad
button = browser.find_element(By.CLASS_NAME,'btn-search')  # 找到搜尋按鈕
button.click()  # 點選
browser.close()

互動動作

將動作附加到動作鏈中序列執行

from selenium import webdriver
from selenium.webdriver import ActionChains

browser = webdriver.Chrome()  # 宣告瀏覽器物件
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')  # 選擇元素
target = browser.find_element_by_css_selector('#droppable')  # 選擇元素 
actions = ActionChains(browser)  # 宣告一個動作鏈物件
actions.drag_and_drop(source, target)  # 拖拽方法
actions.perform()  # 執行動作

執行JavaScript

執行一些互動動作時，可能一些動作沒有提供API。

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")')

獲取元素資訊

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')
print(logo)
print(logo.get_attribute('class'))

獲取文字值

* .text*

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)

獲取ID、位置、標籤名、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)
print(input.location)
print(input.tag_name)
print(input.size)

Frame

父級的frame要查詢子級的frame必須要切換到子frame，否則不能查詢。
同理子frame也不能查詢父frame的元素。

import time
from selenium import webdriver
from selenium.common.exceptions import NoSuchElementException

browser = webdriver.Chrome()  # 宣告瀏覽器物件
url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'  # 宣告網址
browser.get(url)  # get傳入網址
browser.switch_to.frame('iframeResult')  # 切換到子frame
source = browser.find_element_by_css_selector('#draggable')  # 查詢子frame中的元素
print(source)
try:
    logo = browser.find_element_by_class_name('logo')
except NoSuchElementException:
    print('NO LOGO')
browser.switch_to.parent_frame()  # 切換到父frame
logo = browser.find_element_by_class_name('logo')
print(logo)
print(logo.text)

等待

隱式等待

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，超出設定時間後則丟擲找不到元素的異常, 換句話說，當查詢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詢 DOM，預設的時間是0

from selenium import webdriver

browser = webdriver.Chrome()
browser.implicitly_wait(10)  # 傳入隱式等待的時間
browser.get('https://www.zhihu.com/explore')
input = browser.find_element_by_class_name('zu-top-add-question')
print(input)

顯式等待

* .WebDriverWait(物件，最長等待時間)*

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)  # 宣告一個等待物件
# 判斷元素是否載入
input = wait.until(EC.presence_of_element_located((By.ID, 'q')))  # 傳入等待條件
# # 判斷是否可點選的，一般用來判斷是否為按鈕
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，傳入元素物件
presence_of_all_elements_located 所有元素加載出
text_to_be_present_in_element 某個元素文字包含某文字
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載入並切換
invisibility_of_element_located 元素不可見
element_to_be_clickable 元素可點選
staleness_of 判斷一個元素是否仍在DOM，可判斷頁面是否已經重新整理
element_to_be_selected 元素可選擇，傳元素物件
element_located_to_be_selected 元素可選擇，傳入定位元組
element_selection_state_to_be 傳入元素物件以及狀態，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

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()
time.sleep(1)
browser.forward()
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'})
print(browser.get_cookies())
browser.delete_all_cookies()
print(browser.get_cookies())

選項卡管理

import time
from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.execute_script('window.open()')  # 通過執行一個js語句來新建選項卡
print(browser.window_handles)  # 返回所有的選項卡的引用
browser.switch_to_window(browser.window_handles[1])
browser.get('https://www.taobao.com')
time.sleep(1)
browser.switch_to_window(browser.window_handles[0])
browser.get('https://python.org')

異常處理

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.find_element_by_id('hello')

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()