一介紹
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，來拿到網頁渲染之后的結果，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()
二安裝
#安裝：selenium+chromedriver windows 安裝 pip3 install selenium 下載chromdriver.exe放到python安裝路徑的scripts目錄中即可，注意最新版本是2.29，並非2.9 下載鏈接：http://npm.taobao.org/mirrors/chromedriver/2.29/ Mac 安裝 python3.5 -m pip install selenium 下載 chromedriver 64 位 mac版 cp chromedriver /usr/local/bin/ #驗證安裝 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() #彈出瀏覽器 >>> driver.get('https://www.baidu.com') >>> driver.page_source >>> driver.close() #注意： selenium3默認支持的webdriver是Firfox，而Firefox需要安裝geckodriver 下載鏈接：https://github.com/mozilla/geckodriver/releases selenium+chromedriver
#安裝：selenium+phantomjs windows安裝 pip3 install selenium 下載phantomjs，解壓后把phantomjs.exe所在的bin目錄放到環境變量 下載鏈接：http://phantomjs.org/download.html Mac安裝 python3.5 -m pip install selenium cp Phantomjs /usr/local/bin/ Phantomjs下載地址 http://phantomjs.org/download.html #驗證安裝 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() #無界面瀏覽器 >>> driver.get('https://www.baidu.com') >>> driver.page_source >>> driver.close() selenium+phantomjs
三基本使用
from selenium import webdriver # 瀏覽器驅動器 from selenium.webdriver import ActionChains # 拖動，滑動驗證 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 #鍵盤按鍵操作 from selenium.webdriver.support import expected_conditions as EC #場景判斷用的，一般和下面的等待加載元素一起使用 from selenium.webdriver.support.wait import WebDriverWait #等待頁面加載某些元素 browser=webdriver.Chrome() try: browser.get('https://www.baidu.com') input_tag=browser.find_element_by_id('kw') input_tag.send_keys('美女') #python2中輸入中文錯誤，字符串前加個u input_tag.send_keys(Keys.ENTER) #輸入回車 wait=WebDriverWait(browser,10)
wait.until(EC.presence_of_element_located((By.ID,'content_left'))) #等到id為content_left的元素加載完畢,最多等10秒 print(browser.page_source) print(browser.current_url) print(browser.get_cookies()) finally: browser.close()
四選擇器
1. 基本用法
#官網鏈接：http://selenium-python.readthedocs.io/locating-elements.html from selenium import webdriver from selenium.webdriver import ActionChains 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 #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 driver=webdriver.Chrome() driver.get('https://www.baidu.com') wait=WebDriverWait(driver,10) try: #===============所有方法=================== # 1、find_element_by_id id 查找 # 2、find_element_by_link_text 文本查找 # 3、find_element_by_partial_link_text 模糊文本查找 # 4、find_element_by_tag_name 標簽名稱查找 # 5、find_element_by_class_name 類查找 # 6、find_element_by_name 屬性name查找 # 7、find_element_by_css_selector css 查找 # 8、find_element_by_xpath 如果上述還不夠，可以用xpath一級一級查找 # 強調： # 1、上述均可以改寫成find_element(By.ID,'kw')的形式 # 2、find_elements_by_xxx的形式是查找到多個元素，結果為列表 #===============示范用法=================== # 1、find_element_by_id print(driver.find_element_by_id('kw')) # 2、find_element_by_link_text # login=driver.find_element_by_link_text('登錄') # login.click() # 3、find_element_by_partial_link_text login=driver.find_elements_by_partial_link_text('錄')[0] login.click() # 4、find_element_by_tag_name print(driver.find_element_by_tag_name('a')) # 5、find_element_by_class_name button=wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'tang-pass-footerBarULogin'))) button.click() # 6、find_element_by_name input_user=wait.until(EC.presence_of_element_located((By.NAME,'userName'))) input_pwd=wait.until(EC.presence_of_element_located((By.NAME,'password'))) commit=wait.until(EC.element_to_be_clickable((By.ID,'TANGRAM__PSP_10__submit'))) input_user.send_keys('18611453110') input_pwd.send_keys('lhf@094573') commit.click() # 7、find_element_by_css_selector driver.find_element_by_css_selector('#kw') # 8、find_element_by_xpath time.sleep(5) finally: driver.close()
2. xpath
from selenium import webdriver from selenium.webdriver import ActionChains 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 # 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 try: driver = webdriver.Chrome() driver.implicitly_wait(3) driver.get('https://doc.scrapy.org/en/latest/_static/selectors-sample1.html') #1、//與/ # 開頭的//代表從整篇文檔中尋找,開頭是／代表最頂端，／html就是最頂端了 tag=driver.find_element_by_xpath('/html/body/div/a') # 一級一級的查找，遇到相同的找最近的 print(tag.tag_name) # a print(tag.text) # Name: My image 1 print(tag.get_attribute('href')) # 獲取屬性 tag=driver.find_elements_by_xpath('//a') # 整篇文檔中尋找查找所有的a標簽 print(tag) tag=driver.find_elements_by_xpath('//div//a') # 查找div下所有的a標簽 print(len(tag)) tag=driver.find_elements_by_css_selector('div a') # css選擇器查找div下所有的a標簽 print(len(tag)) #2、查找第幾個，支持切片 tag=driver.find_elements_by_xpath('//div//a[5]') print(tag[0].text) #3、按照屬性查找 tag1=driver.find_element_by_xpath('//a[@href="image4.html"]') # a標簽下href屬性是image4.html的標簽 tag2=driver.find_element_by_xpath('//a[4]') # 第四個 tag3=driver.find_element_by_xpath('//a[contains(@href,"image4")]') # contains 模糊匹配 print(tag1.text) print(tag2.text) print(tag3.text) #4、其他 # driver.find_elements_by_xpath('//*[@class="xxxxx"]') # class是xxxxx的所有標簽 # driver.find_elements_by_xpath('//div[@class="xxxxx"][@class="yyyyy"]') # div下 有xxxxx屬性還有yyyyy屬性的所有標簽 print(driver.find_element_by_xpath('//a[img/@src="image2_thumb.jpg"]').text) # 子標簽img屬性src="image2_thumb.jpg的a標簽 print(driver.find_element_by_xpath('//a/..').tag_name) # 第一個a標簽的父標簽div print(driver.find_element_by_xpath('//a[2]/..').tag_name) # 第二個a標簽的父標簽div print([tag.tag_name for tag in driver.find_elements_by_xpath('//img//..')]) # 所有img標簽的父標簽a ['a', 'a', 'a', 'a', 'a'] img=driver.find_element_by_xpath('//img') print(img.location) # 位置 {'y': 31, 'x': 8} print(img.size) # 長寬 {'width': 16, 'height': 16} time.sleep(5) finally: driver.close()
3. 獲取標簽屬性
from selenium import webdriver from selenium.webdriver import ActionChains 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 #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.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() 獲取標簽屬性
五等待元素加載
有的時候，你查找標簽要對其操作的時候，因為頁面沒有加載過來，標簽找不到
#1、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 #2、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 顯式等待：在browser.get（'xxx'）之后設置，只針對某個元素有效
from selenium import webdriver from selenium.webdriver import ActionChains 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 #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() 隱式等待
from selenium import webdriver from selenium.webdriver import ActionChains 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 #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()
六元素交互操作
from selenium import webdriver from selenium.webdriver import ActionChains 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 #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.amazon.cn/') wait=WebDriverWait(browser,10) input_tag=wait.until(EC.presence_of_element_located((By.ID,'twotabsearchtextbox'))) input_tag.send_keys('iphone 8') button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input') button.click() 點擊按鈕 import time time.sleep(3) input_tag=browser.find_element_by_id('twotabsearchtextbox') input_tag.clear() #清空輸入框 input_tag.send_keys('iphone7plus') 重新輸入 button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input') button.click() # browser.close() 點擊，清空
from selenium import webdriver from selenium.webdriver import ActionChains 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 # 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 driver = webdriver.Chrome() driver.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable') driver.implicitly_wait(3) # 使用隱式等待 try: driver.execute_script('alert("hahha")') # 發送JS代碼 driver.switch_to.frame('iframeResult') #切換到iframeResult sourse=driver.find_element_by_id('draggable') target=driver.find_element_by_id('droppable') #方式一：基於同一個動作鏈串行執行 # actions=ActionChains(driver) #拿到動作鏈對象 # actions.drag_and_drop(sourse,target) #把動作放到動作鏈中，准備串行執行 # actions.perform() #方式二：不同的動作鏈，每次移動的位移都不同 ActionChains(driver).click_and_hold(sourse).perform() # 點擊不動 distance=target.location['x']-sourse.location['x'] # 獲取位置差 track=0 while track < distance: ActionChains(driver).move_by_offset(xoffset=2,yoffset=0).perform() # 偏移位 track+=2 ActionChains(driver).release().perform() # 釋放鼠標 time.sleep(10) finally: driver.close()
from selenium import webdriver from selenium.webdriver import ActionChains 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 #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 try: browser=webdriver.Chrome() browser.get('https://www.baidu.com') browser.execute_script('alert("hello world")') #打印警告 finally: browser.close()
#frame相當於一個單獨的網頁，在父frame里是無法直接查看到子frame的元素的，必須switch_to_frame切到該frame下，才能進一步查找 from selenium import webdriver from selenium.webdriver import ActionChains 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 #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 try: browser=webdriver.Chrome() browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable') browser.switch_to.frame('iframeResult') # 切換到id為iframeResult的frame，這是整個盒子 tag1=browser.find_element_by_id('droppable') # 請放置到這里 print(tag1) # tag2=browser.find_element_by_id('textareaCode') # 報錯，在子frame里無法查看到父frame（整個盒子，iframeResult）的元素 browser.switch_to.parent_frame() #切回父frame,就可以查找到了 # 切換到（整個盒子，iframeResult） tag2=browser.find_element_by_id('textareaCode') print(tag2) finally: browser.close()
七其他
#模擬瀏覽器的前進后退 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.sina.com.cn/') browser.back() 后退 time.sleep(10) browser.forward() 前進 browser.close()
#cookies 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() 用selenium模擬登陸后再用request模塊拿到quests模塊發送請求
# 選項卡管理：切換選項卡，有js的方式windows.open,有windows快捷鍵：ctrl+t等，最通用的就是js的方式 import time from selenium import webdriver browser=webdriver.Chrome() browser.get('https://www.baidu.com') # 第一次我打開的是百度 browser.execute_script('window.open()') # JS切換選項卡方式 print(browser.window_handles) #獲取所有的選項卡 browser.switch_to.window(browser.window_handles[1]) # 拿到第二個選項卡 browser.get('https://www.taobao.com') # 更改訪問URL time.sleep(5) browser.switch_to.window(browser.window_handles[0]) # 拿到第一個選項卡 browser.get('https://www.sina.com.cn') # 更改訪問URL time.sleep(5) 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()
八項目練習
from selenium import webdriver from selenium.webdriver import ActionChains 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 #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 def get_goods(driver): # 瀏覽器操作驅動 try: goods=driver.find_elements_by_class_name('gl-item') # 所有商品塊，是個列表，因為你是CLASS查找 for good in goods: detail_url=good.find_element_by_tag_name('a').get_attribute('href') # 商品連接地址 p_name=good.find_element_by_css_selector('.p-name em').text.replace('\n','') # 簡介 price=good.find_element_by_css_selector('.p-price i').text # 價錢 p_commit=good.find_element_by_css_selector('.p-commit a').text # 多少條評論 msg = ''' 商品 : %s 鏈接 : %s 價錢 ：%s 評論 ：%s ''' % (p_name,detail_url,price,p_commit) print(msg,end='\n\n') button=driver.find_element_by_partial_link_text('下一頁') # 下一頁鍵 button.click() time.sleep(1) get_goods(driver) except Exception: pass def spider(url,keyword): # 'https://www.jd.com/',keyword='iphone8' driver = webdriver.Chrome() driver.get(url) driver.implicitly_wait(3) # 使用隱式等待 try: input_tag=driver.find_element_by_id('key') # 輸入框，搜索框 input_tag.send_keys(keyword) input_tag.send_keys(Keys.ENTER) get_goods(driver) # 瀏覽器操作驅動 finally: driver.close() if __name__ == '__main__': spider('https://www.jd.com/',keyword='iphone8') # 主 函數調用 商品 : Apple 蘋果 iPhone7 Plus 手機 亮黑色 全網通 128GB 鏈接 : https://item.jd.com/10673889496.html 價錢 ：6158.00 評論 ：4400+