目录
1. selenium的介绍
2. selenium的作用和工作原理
3. selenium的安装以及简单使用
4. selenium的简单使用
5. selenium提取数据
6. selenium的其它使用方法
6.1 selenium标签页的切换
6.2 switch_to切换frame标签
6.3 selenium对cookie的处理
6.4 selenium控制浏览器执行js代码
6.5 页面等待
6.6 selenium开启无界面模式
6.7 selenium使用代理ip
6.8 selenium替换user-agent
1. selenium的介绍
Selenium是一个Web的自动化测试工具,最初是为网站自动化测试而开发的,Selenium 可以直接调用浏览器,它支持所有主流的浏览器(包括PhantomJS这些无界面的浏览器),可以接收指令,让浏览器自动加载页面,获取需要的数据,甚至页面截屏等。我们可以使用selenium很容易完成之前编写的爬虫。2. selenium的作用和工作原理
利用浏览器原生的API,封装成一套更加面向对象的Selenium WebDriver API,直接操作浏览器页面里的元素,甚至操作浏览器本身(截屏,窗口大小,启动,关闭,安装插件,配置证书之类的)
文章图片
3. selenium的安装以及简单使用
- webdriver本质是一个web-server,对外提供webapi,其中封装了浏览器的各种功能;
- 不同的浏览器使用各自不同的webdriver。
以谷歌浏览器的chromedriver为例3.1 在python虚拟环境中安装selenium模块
pip/pip3 install selenium
3.2 下载版本符合的webdriver
- 查看谷歌浏览器的版本
文章图片
文章图片
- 在 https://npmmirror.com/ 选择ChromeDriver镜像 进入选择不同版本的chromedriver下载
- 点击notes.txt进入版本说明页面,查看chrome和chromedriver匹配的版本
文章图片
文章图片
- 根据操作系统下载正确版本的chromedriver
- 解压压缩包后获取python代码可以调用的谷歌浏览器的webdriver可执行文件
文章图片
- windows为
chromedriver.exe
- linux和macos为
chromedriver
- windows为
- chromedriver环境的配置
- windows环境下需要将 chromedriver.exe 所在的目录设置为path环境变量中的路径
文章图片
- linux/mac环境下,将 chromedriver 所在的目录设置到系统的PATH环境值中
- windows环境下需要将 chromedriver.exe 所在的目录设置为path环境变量中的路径
4. selenium的简单使用
import time
from selenium import webdriver# 通过指定chromedriver的路径来实例化driver对象,chromedriver放在当前目录。
# driver = webdriver.Chrome(executable_path='./chromedriver')
# chromedriver已经添加环境变量
driver = webdriver.Chrome()# 控制浏览器访问url地址
driver.get("https://www.baidu.com/")# 在百度搜索框中搜索'python'
driver.find_element_by_id('kw').send_keys('python')
# 点击'百度搜索'
driver.find_element_by_id('su').click()time.sleep(6)
# 退出浏览器
driver.quit()
webdriver.Chrome(executable_path='./chromedriver')
中executable参数指定的是下载好的chromedriver文件的路径driver.find_element_by_id('kw').send_keys('python')
定位id属性值是'kw'的标签,并向其中输入字符串'python'driver.find_element_by_id('su').click()
定位id属性值是su的标签,并点击
- click函数作用是:触发标签的js的click事件
5. selenium提取数据 driver对象的常用属性和方法
在使用selenium过程中,实例化driver对象后,driver对象有一些常用的属性和方法driver对象定位标签元素获取标签对象的方法
driver.page_source
当前标签页浏览器渲染之后的网页源代码driver.current_url
当前标签页的urldriver.close()
关闭当前标签页,如果只有一个标签页则关闭整个浏览器driver.quit()
关闭浏览器driver.forward()
页面前进driver.back()
页面后退driver.screen_shot(img_name)
页面截图
标签对象提取文本内容和属性值注意:
- find_element_by_id (返回一个元素)
- find_element(s)_by_class_name (根据类名获取元素列表)
- find_element(s)_by_name (根据标签的name属性值返回包含标签对象元素的列表)
- find_element(s)_by_xpath(返回一个包含元素的列表)
- find_element(s)_by_link_text (根据连接文本获取元素列表)
- find_element(s)_by_partial_link_text (根据链接包含的文本获取元素列表)
- find_element(s)_by_tag_name (根据标签名获取元素列表)
- find_element(s)_by_css_selector (根据css选择器来获取元素列表)
- find_element和find_elements的区别:
- 多了个s就返回列表,没有s就返回匹配到的第一个标签对象
- find_element匹配不到就抛出异常,find_elements匹配不到就返回空列表
- by_link_text和by_partial_link_tex的区别:全部文本和包含某个文本
- 以上函数的使用方法
driver.find_element_by_id('id_str')
find_element仅仅能够获取元素,不能够直接获取其中的数据,获取数据需要使用以下方法
-
element.click()
对定位到的标签对象进行点击操作
-
element.send_keys(data)
对定位到的标签对象输入数据
-
element.text
获取文本内容
-
element.get_attribute("属性名")
传入属性名,获取属性的值?
6. selenium的其它使用方法 6.1 selenium标签页的切换
【Python-爬虫|Python爬虫(selenium)】 示例:这里的窗口句柄是指:指向标签页对象的标识
- 获取所有标签页的窗口句柄
- 利用窗口句柄字切换到句柄指向的标签页
具体的方法:
# 1. 获取当前所有的标签页的句柄构成的列表 current_windows = driver.window_handles# 2. 根据标签页句柄列表索引下标进行切换 driver.switch_to.window(current_windows[0])
import time
from selenium import webdriverdriver = webdriver.Chrome()
driver.get("https://www.baidu.com/")time.sleep(1)
driver.find_element_by_id('kw').send_keys('python')
time.sleep(1)
driver.find_element_by_id('su').click()
time.sleep(1)# 通过执行js来新开一个标签页
js = 'window.open("https://www.sogou.com");
'
driver.execute_script(js)
time.sleep(1)# 1. 获取当前所有的窗口
windows = driver.window_handlestime.sleep(2)
# 2. 根据窗口索引进行切换
driver.switch_to.window(windows[0])
time.sleep(2)
driver.switch_to.window(windows[1])time.sleep(6)
driver.quit()
6.2 switch_to切换frame标签
iframe是html中常用的一种技术,即一个页面中嵌套了另一个网页,selenium默认是访问不了frame中的内容的,对应的解决思路是示例:driver.switch_to.frame(frame_element)
6.3 selenium对cookie的处理 获取cookieimport time from selenium import webdriverdriver = webdriver.Chrome()url = 'https://mail.qq.com/cgi-bin/loginpage' driver.get(url) time.sleep(2)login_frame = driver.find_element_by_id('login_frame') # 根据id定位 frame元素 driver.switch_to.frame(login_frame) # 转向到该frame中driver.find_element_by_xpath('//*[@id="u"]').send_keys('账号@qq.com') time.sleep(2)driver.find_element_by_xpath('//*[@id="p"]').send_keys('密码') time.sleep(2)driver.find_element_by_xpath('//*[@id="login_button"]').click() time.sleep(2)"""操作frame外边的元素需要切换出去""" windows = driver.window_handles driver.switch_to.window(windows[0])content = driver.find_element_by_class_name('login_pictures_title').text print(content)driver.quit()
- 切换到定位的frame标签嵌套的页面中
driver.switch_to.frame(通过find_element_by函数定位的frame、iframe标签对象)
- 利用切换标签页的方式切出frame标签
windows = driver.window_handles
driver.switch_to.window(windows[0])
删除cookiedriver.get_cookies()
返回列表,其中包含的是完整的cookie信息,不光有name、value,还有domain等cookie其他维度的信息。所以如果想要把获取的cookie信息和requests模块配合使用的话,需要转换为name、value作为键值对的cookie字典
# 获取当前标签页的全部cookie信息 print(driver.get_cookies()) # 把cookie转化为字典 cookies_dict = {cookie['name']: cookie['value'] for cookie in driver.get_cookies()}
#删除一条cookie
driver.delete_cookie("CookieName")# 删除所有的cookie
driver.delete_all_cookies()
6.4 selenium控制浏览器执行js代码
执行js的方法:6.5 页面等待driver.execute_script(js)
import time from selenium import webdriverdriver = webdriver.Chrome() driver.get("https://movie.douban.com/") time.sleep(1)js = 'window.scrollTo(0,document.body.scrollHeight)' # js语句 driver.execute_script(js) # 执行js的方法time.sleep(3) driver.quit()
强制等待
- 强制等待
- 隐式等待
- 显式等待
其实就是time.sleep()隐式等待
缺点时不智能,设置的时间太短,元素还没有加载出来;设置的时间太长,则会浪费时间
显式等待示例:
- 针对元素定位,设置了一个时间,在一段时间内判断元素定位成功就进行下一步;
- 在设置的时间内没有定位成功,则会报超时加载;
from selenium import webdriverdriver = webdriver.Chrome()driver.implicitly_wait(10) # 隐式等待,最长等20秒driver.get('https://www.baidu.com')driver.find_element_by_xpath()
手动实现页面等待示例代码:
- 每经过多少秒就查看一次等待条件是否达成,如果达成就停止等待,继续执行后续代码
- 如果没有达成就继续等待直到超过规定的时间后,报超时异常
from selenium import webdriver from selenium.webdriver.support.wait import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.common.by import By driver = webdriver.Chrome()driver.get('https://www.baidu.com')# 显式等待 WebDriverWait(driver, 20, 0.5).until( EC.presence_of_element_located((By.LINK_TEXT, '好123'))) # 参数20表示最长等待20秒 # 参数0.5表示0.5秒检查一次规定的标签是否存在 # EC.presence_of_element_located((By.LINK_TEXT, '好123')) 表示通过链接文本内容定位标签 # 每0.5秒一次检查,通过链接文本内容定位标签是否存在,如果存在就向下继续执行;如果不存在,直到20秒上限就抛出异常print(driver.find_element_by_link_text('好123').get_attribute('href')) driver.quit()
原理:
示例:
- 利用强制等待和显式等待的思路来手动实现
- 不停的判断或有次数限制的判断某一个标签对象是否加载完毕(是否存在)
import time
from selenium import webdriver
driver = webdriver.Chrome('/home/worker/Desktop/driver/chromedriver')driver.get('https://www.taobao.com/')
time.sleep(1)# i = 0
# while True:
for i in range(10):
i += 1
try:
time.sleep(3)
element = driver.find_element_by_xpath('//div[@class="shop-inner"]/h3[1]/a')
print(element.get_attribute('href'))
break
except:
js = 'window.scrollTo(0, {})'.format(i*500) # js语句
driver.execute_script(js) # 执行js的方法
driver.quit()
6.6 selenium开启无界面模式
绝大多数服务器是没有界面的,selenium控制谷歌浏览器也存在无界面模式,开启无界面模式(又称之为无头模式)开启无界面模式:
实例化配置对象6.7 selenium使用代理ip
options = webdriver.ChromeOptions()
配置对象添加开启无界面模式的命令
options.add_argument("--headless")
配置对象添加禁用gpu的命令
options.add_argument("--disable-gpu")
实例化带有配置对象的driver对象
driver = webdriver.Chrome(chrome_options=options)
from selenium import webdriveroptions = webdriver.ChromeOptions() # 创建一个配置对象 options.add_argument("--headless") # 开启无界面模式 options.add_argument("--disable-gpu") # 禁用gpu# options.set_headles() # 无界面模式的另外一种开启方式 driver = webdriver.Chrome(chrome_options=options) # 实例化带有配置的driver对象driver.get('https://movie.douban.com/') print(driver.title) driver.quit()
实例化配置对象6.8 selenium替换user-agent
options = webdriver.ChromeOptions()
配置对象添加使用代理ip的命令
options.add_argument('--proxy-server=http://202.20.16.82:9527')
实例化带有配置对象的driver对象
driver = webdriver.Chrome('./chromedriver', chrome_options=options)
示例:
from selenium import webdriveroptions = webdriver.ChromeOptions() # 创建一个配置对象 options.add_argument('--proxy-server=http://202.20.16.82:9527') # 使用代理ipdriver = webdriver.Chrome(chrome_options=options) # 实例化带有配置的driver对象driver.get('https://movie.douban.com/') print(driver.title) driver.quit()
实例化配置对象
options = webdriver.ChromeOptions()
配置对象添加替换UA的命令
options.add_argument('--user-agent=Mozilla/5.0 HAHA')
实例化带有配置对象的driver对象
driver = webdriver.Chrome('./chromedriver', chrome_options=options)
示例:
from selenium import webdriveroptions = webdriver.ChromeOptions() # 创建一个配置对象 options.add_argument('--user-agent=Mozilla/5.0 HAHA') # 替换User-Agentdriver = webdriver.Chrome('./chromedriver', chrome_options=options)driver.get('https://movie.douban.com/') print(driver.title) driver.quit()
推荐阅读
- 职场经验|感觉Selenium不好学(那你可能需要的是Helium)
- http|《彩虹屁》快夸夸我!彩虹屁生成器
- python|使用GitHub的action将每日天气推送到微信和QQ
- 每日推送情话
- opencv|python-opencv 图像处理基础 (二)高斯噪声+椒盐噪声+滤波
- ISP算法|图片添加高斯噪声和椒盐噪声python
- 图像处理|空间滤波-随机椒盐噪声-高斯噪声-均值滤波器-中值滤波器
- chrome|2022软件测试技巧 Chrome 谷歌浏览器 开发者工具(F12) 快速调试xpath代码
- Selenium|【Selenium】控制当前已经打开的 chrome浏览器窗口(高级版)