python爬虫—从零开始（六）Selenium库

• 2019 年 10 月 5 日
• 筆記

什么是Selenium库：

　　自动化测试工具，支持多种浏览器。支持的浏览器包括IE（7, 8, 9, 10, 11），Mozilla Firefox，Safari，Google Chrome，Opera等。

爬虫中主要用来解决JavaScript渲染的问题。用于驱动浏览器，并且给予浏览器动作。

安装Selenium库：pip3 install selenium

Selcnium库的使用详解：

在使用之前我们需要安装webDriver驱动，具体安装方式，自行百度，切记版本对应。

　基本使用：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 基本用法  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()  try:      browser.get("http://www.baidu.com")      input = browser.find_element_by_id('kw')      input.send_keys('Python')      input.send_keys(Keys.ENTER)      wait = WebDriverWait(browser, 10)      wait.until(EC.presence_of_element_located((By.ID,'content_left')))      print(browser.current_url)      print(browser.get_cookies())      print(browser.page_source)  finally:      browser.close()

如果这段代码可以运行，说明你的webDriver版本正确（需要安装Google浏览器）

运行结果：

声明浏览器对象：

刚才我们说了Selenium支持多浏览器，下面我看下分别怎么进行声明

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 声明浏览器对象  from selenium import webdriver    browser = webdriver.Chrome()  browser = webdriver.Safari()  browser = webdriver.Edge()  browser = webdriver.Firefox()  browser = webdriver.PhantomJS()

我这里没有安装那些浏览器，就不给大家运行代码了，建议使用Chrome浏览器（Google谷歌浏览器）

访问页面：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 访问页面  from selenium import webdriver  browser = webdriver.Chrome()  browser.get("http://baidu.com")  print(browser.page_source)  browser.close()

运行结果：

查找元素：

　　单个元素：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 查找元素，单个元素  from selenium import webdriver  browser = webdriver.Chrome()  browser.get("http://taobao.com")  input_first = browser.find_element_by_id('q')  input_second = browser.find_element_by_css_selector('#q')  input_three = browser.find_element_by_xpath('//*[@id="q"]')  print(input_first)  print(input_second)  print(input_three)  browser.close()

运行结果：

• 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

这些都为查找方式

也可以用通用方式来查找：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 查找元素，单个元素  from selenium import webdriver  from selenium.webdriver.common.by import By    browser = webdriver.Chrome()  browser.get("http://taobao.com")  input_first = browser.find_element(By.ID,'q')  print(input_first)  browser.close()

运行结果：

多个元素：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 查找元素，多个元素  from selenium import webdriver  from selenium.webdriver.common.by import By    browser = webdriver.Chrome()  browser.get("http://taobao.com")  input_first = browser.find_elements_by_css_selector('.service-bd li')  for i in input_first:      print(i)  browser.close()

运行结果：

还有很多方法和find_elment用法完全一致，返回一个列表数据。

元素交互操作：

对获取的元素调用交互方法：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 元素交互操作    from selenium import webdriver  from selenium.webdriver.common.by import By    browser = webdriver.Chrome()  browser.get("http://baidu.com")  input_first = browser.find_element(By.ID,'kw')  input_first.send_keys('python从入坑到放弃')  button = browser.find_element_by_class_name('bg s_btn')  button.click()

运行代码我们会看到打开Chrome浏览器，并且输入要搜索的内容，然后点击搜索按钮。更多操作访问地址：https://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.remote.webelement

交互操作：

将动作附加到动作链中串行执行

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 交互操作  from selenium import webdriver  from selenium.webdriver import ActionChains    browser = webdriver.Chrome()  url = 'https://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'  browser.get(url)  browser.switch_to.frame('iframeResult')  source = browser.find_element_by_id('draggable')  target = browser.find_element_by_id('droppable')  actions = ActionChains(browser)  actions.drag_and_drop(source, target)  actions.perform()

运行代码我们会看到内部的滑块进行了拖拽操作。更多详细的操作可以访问：https://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains

执行Javascript：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 执行javascript  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("弹出")')

运行代码我们可以看到，滚动条被下拉，并且给予了弹出框。

获取元素信息：

　　获取属性：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 获取元素信息：获取属性  from selenium import webdriver    browser = webdriver.Chrome()  url = "http://www.zhihu.com/explore"  browser.get(url)  logo = browser.find_element_by_id('zh-top-link-logo')  print(logo)  print(logo.get_attribute('class'))

运行结果：

获取文本值：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 获取文本值  from selenium import webdriver    browser = webdriver.Chrome()  url = "http://www.zhihu.com/explore"  browser.get(url)  question = browser.find_element_by_class_name('zu-top-add-question')  print(question.text)

运行结果：

获取ID，位置，标签名，大小：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 获取ID，位置，标签名，大小  from selenium import webdriver    browser = webdriver.Chrome()  url = "http://www.zhihu.com/explore"  browser.get(url)  question = browser.find_element_by_class_name('zu-top-add-question')  print(question.id)  print(question.location)  print(question.tag_name)  print(question.size)

运行结果：

Frame：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # Frame  from selenium import webdriver  from selenium.common.exceptions import NoSuchElementException    browser = webdriver.Chrome()  url = 'https://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'  browser.get(url)  browser.switch_to.frame('iframeResult')  source = browser.find_element_by_id('draggable')  print(source)  try:      logo = browser.find_element_by_class_name('logo')  except NoSuchElementException:      print("NO LOGO")  browser.switch_to.parent_frame()  logo = browser.find_element_by_class_name('logo')  print(logo)  print(logo.text)

运行结果：

等待：

隐式等待 ：

当使用了隐式等待执行测试的时候，如果WebDriver没有在DOM中找到元素，将继续等待，超出设定时间则抛出找不到元素的异常，换句话来说，当元素或查找元素没有立即出现的时候，隐式等待将等待一段时间再查找DOM，默认时间是0

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 隐式等待  from selenium import webdriver    browser = webdriver.Chrome()  url = "http://www.zhihu.com/explore"  browser.get(url)  input = browser.find_element_by_class_name('zu-top-add-question')  print(input)

运行结果：

显示等待：比较常用

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 显示等待  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()    browser.get("http://www.taobao.com")  wait = WebDriverWait(browser, 10)  wait.until(EC.presence_of_element_located((By.ID,'q')))  button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,'.btn-search')))  print(input,button)

• title_is 标题是某内容
• title_contains 标题包含某内容
• presence_of_element_located 元素加载出，传入定位元祖，如（By.ID,'p'）
• visibility_of_element_located 元素可见，传入定位元祖
• visibility_of 可见，传入元素对象
• presence_of_all_elements_located 所有元素加载出
• text_to_be_present_in_element 某个元素文本包含某文字
• text_to_be_present_in_element_value 某个元素值包含某文字
• frame_to_be_available_and_switch_to_it 加载并切换
• invisibility_of_element_located 元素不可见
• element_to_be_clickable 元素可点击
• staleness_of 判断一个元素是否仍在DOM,可判断页面是否已经刷新
• element_to_be_selected 元素可选择，传元素对象
• element_located_to_be_selected 元素可以选择，传入定位元祖
• element_selection_state_to_be 传入元素对象以及状态，相等返回True，否则返回False
• element_located_selection_state_to_be 传入定位元祖以及状态，相等返回True，否则返回False
• alert_is_present 是否出现Alert

　　详细内容，可以阅读官方地址：https://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.expected_conditions

前进和后退：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 前进和后退  from selenium import webdriver    browser = webdriver.Chrome()    browser.get("http://www.taobao.com")  browser.get("http://www.baidu.com")  browser.get("http://www.zhihu.com")  browser.back()  browser.forward()

运行代码我们会看到优先大家taobao.com然后打开baidu.com，最后打开zhihu.com，然后执行退回动作和前进动作

Cookies：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # Cookies  from selenium import webdriver    browser = webdriver.Chrome()    browser.get("http://www.zhihu.com")  print(browser.get_cookies())  browser.add_cookie({'name':'admin','domain':'www.zhihu.com','value':'cxiaocai'})  print(browser.get_cookies())  browser.delete_all_cookies()  print(browser.get_cookies())

运行结果：

选项卡管理：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 选项卡管理  from selenium import webdriver    browser = webdriver.Chrome()    browser.get("http://www.baidu.com")  browser.execute_script('window.open()')  print(browser.window_handles)  browser.switch_to.window(browser.window_handles[1])  browser.get('http://www.taobao.com')  browser.switch_to.window(browser.window_handles[0])  browser.get('http://www.zhihu.com')

也可以使用浏览器的快捷方式的操作键位来打开窗口（不建议这样使用，建议使用上面的方式来管理选项卡）

异常处理：

#!/usr/bin/env python  # -*- coding: utf-8 -*-  # 异常处理  from selenium import webdriver  from selenium.common.exceptions import TimeoutException,NoSuchElementException    browser = webdriver.Chrome()  try:      browser.get("http://www.baidu.com")  except TimeoutException:      print("请求超时")  try:      browser.find_element_by_id('hello')  except NoSuchElementException:      print("NoSuchElementException")

运行结果：

由于异常处理比较复杂，异常也有很多，在这里不在一一列举了，建议大家去官网查看，地址：https://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions

上述代码地址：https://gitee.com/dwyui/senlenium.git

到这里Selenium库的使用就说完了，python用于爬虫的库就说了这么多，前面的urllib,Requests,BeautfuliSoup,PyQuery还有今天的Selenium库，明天开始直接讲解真实案例，最近我会整理几个简单的小爬虫案例。