爬蟲三劍客：python--手 selenium--劍柄 phantomjs--劍尖
導入webdriver---from selenium import webdriver
要想調用鍵盤操作需要引入keys包--- from selenium.webdriver.common.keys import Keys
調用環境變量指定的phantomjs瀏覽器創建瀏覽器對象driver=webdriver.PhantomJs()
如果沒有在壞境變量指定phantomjs位置則:driver=webdriver.PhantomJs(executable_path='./phantomJs'))
get方法會一直等到頁面完全加載完，才會繼續執行程序，通常測試會在這里選擇time.sleep()
driver.get('http://www.baidu.com/')
Selenium詳解
安裝：pip3 install selenium
http://phantomjs.org/download.html
selenium用法詳解
selenium 是一套完整的web應用程序測試系統，包含了測試的錄制（selenium IDE）,編寫及運行
（Selenium Remote Control）和測試的並行處理（Selenium Grid）。Selenium的核心Selenium Core
基於JsUnit，完全由JavaScript編寫，因此可以用於任何支持JavaScript的瀏覽器上。 selenium主要是用來做自動化測試，支持多種瀏覽器，爬蟲中主要用來解決JavaScript渲染問題。 模擬瀏覽器進行網頁加載，當requests,urllib無法正常獲取網頁內容的時候
一、聲明瀏覽器對象
注意點一，Python文件名或者包名不要命名為selenium，會導致無法導入
from selenium import webdriver #webdriver可以認為是瀏覽器的驅動器，要驅動瀏覽器必須用到webdriver，支持多種瀏覽器，這里以Chrome為例 browser = webdriver.Chrome()
二、訪問頁面並獲取網頁html
from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.taobao.com') print(browser.page_source)#browser.page_source是獲取網頁的全部html browser.close()
三、查找元素
單個元素
from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.taobao.com') input_first = browser.find_element_by_id('q') input_second = browser.find_element_by_css_selector('#q') input_third = browser.find_element_by_xpath('//*[@id="q"]') print(input_first,input_second,input_third) browser.close()
常用的查找方法
find_element_by_id
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
也可以使用通用的方法
from selenium import webdriver from selenium.webdriver.common.by import By ---這里需要記住By模塊所以需要導入 browser = webdriver.Chrome() browser.get('https://www.taobao.com') input_first = browser.find_element(BY.ID,'q')#第一個參數傳入名稱，第二個傳入具體的參數 print(input_first) browser.close() 多個元素，elements多個s input_first = browser.find_elements_by_id('q')
四、元素交互操作-搜索框傳入關鍵詞進行自動搜索 from selenium import webdriver import time browser = webdriver.Chrome() browser.get('https://www.taobao.com') input = browser.find_element_by_id('q')#找到搜索框 input.send_keys('iPhone')#傳送入關鍵詞 time.sleep(5) input.clear()#清空搜索框 input.send_keys('男士內褲') button = browser.find_element_by_class_name('btn-search')#找到搜索按鈕 button.click() 更多操作: http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.remote.webelement#可以有屬性、截圖等等
五、交互動作，驅動瀏覽器進行動作，模擬拖拽動作，將動作附加到動作鏈中串行執行
from selenium import webdriver from selenium.webdriver import ActionChains#引入動作鏈 browser = webdriver.Chrome() 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')#找到被拖拽對象 target = browser.find_element_by_css_selector('#droppable')#找到目標 actions = ActionChains(browser)#聲明actions對象 actions.drag_and_drop(source, target) actions.perform()#執行動作 更多操作: http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains
六、執行JavaScript
有些動作可能沒有提供api，比如進度條下拉，這時，我們可以通過代碼執行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("To Bottom")')
七、獲取元素信息
獲取屬性
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')#獲取網站logo print(logo) print(logo.get_attribute('class')) browser.close()
獲取文本值
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)#input.text文本值 browser.close() # 獲取Id，位置，標簽名，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)#獲取id print(input.location)#獲取位置 print(input.tag_name)#獲取標簽名 print(input.size)#獲取大小 browser.close()
八、Frame操作
frame相當於獨立的網頁，如果在父類網frame查找子類的，則必須切換到子類的frame，子類如果查找父類也需要先切換
這里常用的是switch_to.from()和switch_to.parent_frame()
from selenium import webdriver from selenium.common.exceptions import NoSuchElementException browser = webdriver.Chrome() url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable' browser.get(url) browser.switch_to.frame('iframeResult') source = browser.find_element_by_css_selector('#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)
九、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，超出設定時間后則拋出找不到元素的異常,
換句話說，當查找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找 DOM，默認的時間是0
from selenium import webdriver browser = webdriver.Chrome() browser.implicitly_wait(10)#等待十秒加載不出來就會拋出異常，10秒內加載出來正常返回 browser.get('https://www.zhihu.com/explore') input = browser.find_element_by_class_name('zu-top-add-question') print(input) 顯式等待 指定一個等待條件，和一個最長等待時間，程序會判斷在等待時間內條件是否滿足，如果滿足則返回，如果不滿足會繼續等待，超過時間就會拋出異常 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) input = 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 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，傳入元素對象 presence_of_all_elements_located 所有元素加載出 text_to_be_present_in_element 某個元素文本包含某文字 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加載並切換 invisibility_of_element_located 元素不可見 element_to_be_clickable 元素可點擊 staleness_of 判斷一個元素是否仍在DOM，可判斷頁面是否已經刷新 element_to_be_selected 元素可選擇，傳元素對象 element_located_to_be_selected 元素可選擇，傳入定位元組 element_selection_state_to_be 傳入元素對象以及狀態，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 詳細內容：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.expected_conditions 十一、前進后退-實現瀏覽器的前進后退以瀏覽不同的網頁back()和forward() 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() 十二、Cookies操作
get_cookies()
delete_all_cookes()
add_cookie() 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 增加瀏覽器窗口
通過執行js命令實現新開選項卡window.open()
不同的選項卡是存在列表里browser.window_handles
通過browser.window_handles[0]就可以操作第一個選項卡 import time from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.baidu.com') browser.execute_script('window.open()') print(browser.window_handles) 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('http://www.fishc.com') 十三、異常處理
這里的異常比較復雜，官網的參考地址：
http://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions
這里只進行簡單的演示，查找一個不存在的元素 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() # 詳細文檔：http://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions
PhantomJS詳解
PhantomJS是一個基於webkit(蘋果公司旗下的)的JavaScript API。它使用QtWebKit作為它核心瀏覽器的功能，
使用webkit來編譯解釋執行JavaScript代碼。任何你可以在基於webkit瀏覽器做的事情，它都能
做到。它不僅是個隱形的瀏覽器，提供了諸如CSS選擇器、支持Web標准、DOM操作、JSON、HTML5、
Canvas、SVG等，同時也提供了處理文件I/O的操作，從而使你可以向操作系統讀寫文件等。PhantomJS
的用處可謂非常廣泛，諸如網絡監測、網頁截屏、無需瀏覽器的 Web 測試、頁面訪問自動化等。
動態頁面模擬點擊
