爬虫基础库之Selenium

1.简介

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()  #谷歌
browser=webdriver.Firefox()  #火狐
browser=webdriver.PhantomJS()  #无界面浏览器
browser=webdriver.Safari()
browser=webdriver.Edge() 

官方地址

 

2.安装

（1）selenium+chromedriver

#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

（2）selenium+phantomjs

#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

 

3.基本使用

from selenium import webdriver  #驱动浏览器
from selenium.webdriver import ActionChains  #滑动验证
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')  #请求百度页面，可以看到它帮你打开了

    input_tag=browser.find_element_by_id('kw')  #找到input标签
    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)
    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)
    print(browser.current_url)
    print(browser.get_cookies())

finally:   #不论怎样，下面的代码都会执行
    browser.close()

 

 

4.选择器

（1）元素选取

想要对页面进行操作，首先要做的是选中页面元素。

定位方法

定位一个元素	定位多个元素	含义
find_element_by_id	find_elements_by_id	通过元素ID进行定位
find_element_by_name	find_elements_by_name	通过元素名称定位
find_element_by_xpath	find_elements_by_xpath	通过xpath表达式进行定位
find_element_by_link_text	find_elements_by_link_text	通过完成超链接文本进行定位
find_element_partial_link	find_elements_partial_link	通过部分超链接文本进行定位
find_element_by_tag_name	find_elements_by_tag_name	通过标签名称进行定位
find_element_by_class_name	find_elements_by_class_name	通过类名进行定位
find_element_by_css_selector	find_elements_by_css_selector	通过CSS选择器进行定位

 

 

 

 

 

 

 

 

 

 

 

 

定位元素示例：

river = webdriver.Chrome()
driver.get('https://www.baidu.com')
print(1,driver.find_element_by_id('u'))
print(2,driver.find_element_by_link_text('新闻'))
print(3,driver.find_element_by_partial_link_text('闻'))
print(4,driver.find_element_by_tag_name('a'))
print(5,driver.find_element_by_class_name('s_tab'))
print(6,driver.find_element_by_name('tj_settingicon'))
print(7,driver.find_element_by_css_selector('.c-icon-triangle-down'))

time.sleep(20)
driver.close()
结果：都是一些对象
1 <selenium.webdriver.remote.webelement.WebElement (session="066063ad1cc136382f8c6a92d57e8d44", element="0.1652270453979785-1")>
2 <selenium.webdriver.remote.webelement.WebElement (session="066063ad1cc136382f8c6a92d57e8d44", element="0.1652270453979785-2")>
3 <selenium.webdriver.remote.webelement.WebElement (session="066063ad1cc136382f8c6a92d57e8d44", element="0.1652270453979785-2")>
4 <selenium.webdriver.remote.webelement.WebElement (session="066063ad1cc136382f8c6a92d57e8d44", element="0.1652270453979785-3")>
5 <selenium.webdriver.remote.webelement.WebElement (session="066063ad1cc136382f8c6a92d57e8d44", element="0.1652270453979785-4")>
6 <selenium.webdriver.remote.webelement.WebElement (session="066063ad1cc136382f8c6a92d57e8d44", element="0.1652270453979785-5")>
7 <selenium.webdriver.remote.webelement.WebElement (session="066063ad1cc136382f8c6a92d57e8d44", element="0.1652270453979785-6")>

View Code