[Python3网络爬虫开发实战] 7-动态渲染页面爬取-1-Selenium的使用

时间  2019-11-21
标签 python3 python 网络 爬虫 开发 实战 动态 渲染 页面 selenium 使用 栏目 Python 繁體版
原文   原文链接

在前一章中，咱们了解了Ajax的分析和抓取方式，这其实也是JavaScript动态渲染的页面的一种情形，经过直接分析Ajax，咱们仍然能够借助requests或urllib来实现数据爬取。php

不过JavaScript动态渲染的页面不止Ajax这一种。好比中国青年网（详见news.youth.cn/gn/），它的分页部分是由JavaScript生成的，并不是原始HTML代码，这其中并不包含Ajax请求。好比ECharts的官方实例（详见echarts.baidu.com/demo.html#b…），其图形都是通过JavaScript计算以后生成的。再有淘宝这种页面，它即便是Ajax获取的数据，可是其Ajax接口含有不少加密参数，咱们难以直接找出其规律，也很难直接分析Ajax来抓取。css

为了解决这些问题，咱们能够直接使用模拟浏览器运行的方式来实现，这样就能够作到在浏览器中看到是什么样，抓取的源码就是什么样，也就是可见便可爬。这样咱们就不用再去管网页内部的JavaScript用了什么算法渲染页面，不用管网页后台的Ajax接口到底有哪些参数。html

Python提供了许多模拟浏览器运行的库，如Selenium、Splash、PyV八、Ghost等。本章中，咱们就来介绍一下Selenium和Splash的用法。有了它们，就不用再为动态渲染的页面发愁了。python

Selenium是一个自动化测试工具，利用它能够驱动浏览器执行特定的动做，如点击、下拉等操做，同时还能够获取浏览器当前呈现的页面的源代码，作到可见便可爬。对于一些JavaScript动态渲染的页面来讲，此种抓取方式很是有效。本节中，就让咱们来感觉一下它的强大之处吧。jquery

1. 准备工做

本节以Chrome为例来说解Selenium的用法。在开始以前，请确保已经正确安装好了Chrome浏览器并配置好了ChromeDriver。另外，还须要正确安装好Python的Selenium库，详细的安装和配置过程能够参考第1章。web

2. 基本使用

准备工做作好以后，首先来大致看一下Selenium有一些怎样的功能。示例以下：正则表达式

from selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.common.keys import Keysfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait browser = webdriver.Chrome()try:    browser.get('https://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()复制代码

运行代码后发现，会自动弹出一个Chrome浏览器。浏览器首先会跳转到百度，而后在搜索框中输入Python，接着跳转到搜索结果页，如图7-1所示。算法

图7-1 运行结果api

搜索结果加载出来后，控制台分别会输出当前的URL、当前的Cookies和网页源代码：浏览器

1
2
3
https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=0&rsv_idx=1&tn=baidu&wd=Python&rsv_pq=c94d0df9000a72d0&rsv_t=07099xvun1ZmC0bf6eQvygJ43IUTTUOl5FCJVPgwG2YREs70GplJjH2F%2BCQ&rqlang=cn&rsv_enter=1&rsv_sug3=6&rsv_sug2=0&inputT=87&rsv_sug4=87
[{'secure': False, 'value': 'B490B5EBF6F3CD402E515D22BCDA1598', 'domain': '.baidu.com', 'path': '/', 'httpOnly': False, 'name': 'BDORZ', 'expiry': 1491688071.707553}, {'secure': False, 'value': '22473_1441_21084_17001', 'domain': '.baidu.com', 'path': '/', 'httpOnly': False, 'name': 'H_PS_PSSID'}, {'secure': False, 'value': '12883875381399993259_00_0_I_R_2_0303_C02F_N_I_I_0', 'domain': '.www.baidu.com', 'path': '/', 'httpOnly': False, 'name': '__bsi', 'expiry': 1491601676.69722}]
<!DOCTYPE html><!--STATUS OK-->...</html>

源代码过长，在此省略。能够看到，咱们获得的当前URL、Cookies和源代码都是浏览器中的真实内容。

因此说，若是用Selenium来驱动浏览器加载网页的话，就能够直接拿到JavaScript渲染的结果了，不用担忧使用的是什么加密系统。

下面来详细了解一下Selenium的用法。

3. 声明浏览器对象

Selenium支持很是多的浏览器，如Chrome、Firefox、Edge等，还有Android、BlackBerry等手机端的浏览器。另外，也支持无界面浏览器PhantomJS。

此外，咱们能够用以下方式初始化：

1
2
3
4
5
6
7
from selenium import webdriver
browser = webdriver.Chrome()
browser = webdriver.Firefox()
browser = webdriver.Edge()
browser = webdriver.PhantomJS()
browser = webdriver.Safari()

这样就完成了浏览器对象的初始化并将其赋值为browser对象。接下来，咱们要作的就是调用browser对象，让其执行各个动做以模拟浏览器操做。

4. 访问页面

咱们能够用get()方法来请求网页，参数传入连接URL便可。好比，这里用get()方法访问淘宝，而后打印出源代码，代码以下：

1
2
3
4
5
6
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
print(browser.page_source)
browser.close()

运行后发现，弹出了Chrome浏览器而且自动访问了淘宝，而后控制台输出了淘宝页面的源代码，随后浏览器关闭。

经过这几行简单的代码，咱们能够实现浏览器的驱动并获取网页源码，很是便捷。

5. 查找节点

Selenium能够驱动浏览器完成各类操做，好比填充表单、模拟点击等。好比，咱们想要完成向某个输入框输入文字的操做，总须要知道这个输入框在哪里吧？而Selenium提供了一系列查找节点的方法，咱们能够用这些方法来获取想要的节点，以便下一步执行一些动做或者提取信息。

单个节点

好比，想要从淘宝页面中提取搜索框这个节点，首先要观察它的源代码，如图7-2所示。

图7-2 源代码

能够发现，它的id是q，name也是q。此外，还有许多其余属性，此时咱们就能够用多种方式获取它了。好比，find_element_by_name()是根据name值获取，find_element_by_id()是根据id获取。另外，还有根据XPath、CSS选择器等获取的方式。

咱们用代码实现一下：

1
2
3
4
5
6
7
8
9
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()

这里咱们使用3种方式获取输入框，分别是根据ID、CSS选择器和XPath获取，它们返回的结果彻底一致。运行结果以下：

1
2
3
<selenium.webdriver.remote.webelement.WebElement (session="5e53d9e1c8646e44c14c1c2880d424af", element="0.5649563096161541-1")>
<selenium.webdriver.remote.webelement.WebElement (session="5e53d9e1c8646e44c14c1c2880d424af", element="0.5649563096161541-1")>
<selenium.webdriver.remote.webelement.WebElement (session="5e53d9e1c8646e44c14c1c2880d424af", element="0.5649563096161541-1")>

能够看到，这3个节点都是WebElement类型，是彻底一致的。

这里列出全部获取单个节点的方法：

1
2
3
4
5
6
7
8
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

另外，Selenium还提供了通用方法find_element()，它须要传入两个参数：查找方式By和值。实际上，它就是find_element_by_id()这种方法的通用函数版本，好比find_element_by_id(id)就等价于find_element(By.ID, id)，两者获得的结果彻底一致。咱们用代码实现一下：

1
2
3
4
5
6
7
8
from selenium import webdriver
from selenium.webdriver.common.by import By
browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
input_first = browser.find_element(By.ID, 'q')
print(input_first)
browser.close()

实际上，这种查找方式的功能和上面列举的查找函数彻底一致，不过参数更加灵活。

多个节点

若是查找的目标在网页中只有一个，那么彻底能够用find_element()方法。但若是有多个节点，再用find_element()方法查找，就只能获得第一个节点了。若是要查找全部知足条件的节点，须要用find_elements()这样的方法。注意，在这个方法的名称中，element多了一个s，注意区分。

好比，要查找淘宝左侧导航条的全部条目，如图7-3所示。

图7-3 导航栏

就能够这样来实现：

1
2
3
4
5
6
7
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
lis = browser.find_elements_by_css_selector('.service-bd li')
print(lis)
browser.close()

运行结果以下：

1
[<selenium.webdriver.remote.webelement.WebElement (session="c26290835d4457ebf7d96bfab3740d19", element="0.09221044033125603-1")>, <selenium.webdriver.remote.webelement.WebElement (session="c26290835d4457ebf7d96bfab3740d19", element="0.09221044033125603-2")>, <selenium.webdriver.remote.webelement.WebElement (session="c26290835d4457ebf7d96bfab3740d19", element="0.09221044033125603-3")>...<selenium.webdriver.remote.webelement.WebElement (session="c26290835d4457ebf7d96bfab3740d19", element="0.09221044033125603-16")>]

这里简化了输出结果，中间部分省略。

能够看到，获得的内容变成了列表类型，列表中的每一个节点都是WebElement类型。

也就是说，若是咱们用find_element()方法，只能获取匹配的第一个节点，结果是WebElement类型。若是用find_elements()方法，则结果是列表类型，列表中的每一个节点是WebElement类型。

这里列出全部获取多个节点的方法：

1
2
3
4
5
6
7
8
find_elements_by_id
find_elements_by_name
find_elements_by_xpath
find_elements_by_link_text
find_elements_by_partial_link_text
find_elements_by_tag_name
find_elements_by_class_name
find_elements_by_css_selector

固然，咱们也能够直接用find_elements()方法来选择，这时能够这样写：

1
lis = browser.find_elements(By.CSS_SELECTOR, '.service-bd li')

结果是彻底一致的。

6. 节点交互

Selenium能够驱动浏览器来执行一些操做，也就是说可让浏览器模拟执行一些动做。比较常见的用法有：输入文字时用send_keys()方法，清空文字时用clear()方法，点击按钮时用click()方法。示例以下：

1
2
3
4
5
6
7
8
9
10
11
12
from selenium import webdriver
import time
browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
input = browser.find_element_by_id('q')
input.send_keys('iPhone')
time.sleep(1)
input.clear()
input.send_keys('iPad')
button = browser.find_element_by_class_name('btn-search')
button.click()

这里首先驱动浏览器打开淘宝，而后用find_element_by_id()方法获取输入框，而后用send_keys()方法输入iPhone文字，等待一秒后用clear()方法清空输入框，再次调用send_keys()方法输入iPad文字，以后再用find_element_by_class_name()方法获取搜索按钮，最后调用click()方法完成搜索动做。

经过上面的方法，咱们就完成了一些常见节点的动做操做，更多的操做能够参见官方文档的交互动做介绍：selenium-python.readthedocs.io/api.html#mo…。

7. 动做链

在上面的实例中，一些交互动做都是针对某个节点执行的。好比，对于输入框，咱们就调用它的输入文字和清空文字方法；对于按钮，就调用它的点击方法。其实，还有另一些操做，它们没有特定的执行对象，好比鼠标拖曳、键盘按键等，这些动做用另外一种方式来执行，那就是动做链。

好比，如今实现一个节点的拖曳操做，将某个节点从一处拖曳到另一处，能够这样实现：

1
2
3
4
5
6
7
8
9
10
11
12
from selenium import webdriver
from selenium.webdriver import ActionChains
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')
target = browser.find_element_by_css_selector('#droppable')
actions = ActionChains(browser)
actions.drag_and_drop(source, target)
actions.perform()

首先，打开网页中的一个拖曳实例，而后依次选中要拖曳的节点和拖曳到的目标节点，接着声明ActionChains对象并将其赋值为actions变量，而后经过调用actions变量的drag_and_drop()方法，再调用perform()方法执行动做，此时就完成了拖曳操做，如图7-4和图7-5所示。

图7-4 拖曳前的页面

图7-5 拖曳后的页面

更多的动做链操做能够参考官方文档：selenium-python.readthedocs.io/api.html#mo…。

8. 执行JavaScript

对于某些操做，Selenium API并无提供。好比，下拉进度条，它能够直接模拟运行JavaScript，此时使用execute_script()方法便可实现，代码以下：

1
2
3
4
5
6
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")')

这里就利用execute_script()方法将进度条下拉到最底部，而后弹出alert提示框。

因此说有了这个方法，基本上API没有提供的全部功能均可以用执行JavaScript的方式来实现了。

9. 获取节点信息

前面说过，经过page_source属性能够获取网页的源代码，接着就可使用解析库（如正则表达式、Beautiful Soup、pyquery等）来提取信息了。

不过，既然Selenium已经提供了选择节点的方法，返回的是WebElement类型，那么它也有相关的方法和属性来直接提取节点信息，如属性、文本等。这样的话，咱们就能够不用经过解析源代码来提取信息了，很是方便。

接下来，就看看经过怎样的方式来获取节点信息吧。

获取属性

咱们可使用get_attribute()方法来获取节点的属性，可是其前提是先选中这个节点，示例以下：

1
2
3
4
5
6
7
8
9
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')
print(logo)
print(logo.get_attribute('class'))

运行以后，程序便会驱动浏览器打开知乎页面，而后获取知乎的logo节点，最后打印出它的class。

控制台的输出结果以下：

1
2
<selenium.webdriver.remote.webelement.WebElement (session="e08c0f28d7f44d75ccd50df6bb676104", element="0.7236390660048155-1")>
zu-top-link-logo

经过get_attribute()方法，而后传入想要获取的属性名，就能够获得它的值了。

获取文本值

每一个WebElement节点都有text属性，直接调用这个属性就能够获得节点内部的文本信息，这至关于Beautiful Soup的get_text()方法、pyquery的text()方法，示例以下：

1
2
3
4
5
6
7
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)

这里依然先打开知乎页面，而后获取“提问”按钮这个节点，再将其文本值打印出来。

控制台的输出结果以下：

1
提问

获取id、位置、标签名和大小

另外，WebElement节点还有一些其余属性，好比id属性能够获取节点id，location属性能够获取该节点在页面中的相对位置，tag_name属性能够获取标签名称，size属性能够获取节点的大小，也就是宽高，这些属性有时候仍是颇有用的。示例以下：

1
2
3
4
5
6
7
8
9
10
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)
print(input.location)
print(input.tag_name)
print(input.size)

这里首先得到“提问”按钮这个节点，而后调用其id、location、tag_name、size属性来获取对应的属性值。

10. 切换Frame

咱们知道网页中有一种节点叫做iframe，也就是子Frame，至关于页面的子页面，它的结构和外部网页的结构彻底一致。Selenium打开页面后，它默认是在父级Frame里面操做，而此时若是页面中还有子Frame，它是不能获取到子Frame里面的节点的。这时就须要使用switch_to.frame()方法来切换Frame。示例以下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import time
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')
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)

控制台的输出以下：

1
2
3
NO LOGO
<selenium.webdriver.remote.webelement.WebElement (session="4bb8ac03ced4ecbdefef03ffdc0e4ccd", element="0.13792611320464965-2")>
RUNOOB.COM

这里仍是之前面演示动做链操做的网页为实例，首先经过switch_to.frame()方法切换到子Frame里面，而后尝试获取父级Frame里的logo节点（这是不能找到的），若是找不到的话，就会抛出NoSuchElementException异常，异常被捕捉以后，就会输出NO LOGO。接下来，从新切换回父级Frame，而后再次从新获取节点，发现此时能够成功获取了。

因此，当页面中包含子Frame时，若是想获取子Frame中的节点，须要先调用switch_to.frame()方法切换到对应的Frame，而后再进行操做。

11. 延时等待

在Selenium中，get()方法会在网页框架加载结束后结束执行，此时若是获取page_source，可能并非浏览器彻底加载完成的页面，若是某些页面有额外的Ajax请求，咱们在网页源代码中也不必定能成功获取到。因此，这里须要延时等待必定时间，确保节点已经加载出来。

这里等待的方式有两种：一种是隐式等待，一种是显式等待。

隐式等待

当使用隐式等待执行测试的时候，若是Selenium没有在DOM中找到节点，将继续等待，超出设定时间后，则抛出找不到节点的异常。换句话说，当查找节点而节点并无当即出现的时候，隐式等待将等待一段时间再查找DOM，默认的时间是0。示例以下：

1
2
3
4
5
6
7
from selenium import webdriver
browser = webdriver.Chrome()
browser.implicitly_wait(10)
browser.get('https://www.zhihu.com/explore')
input = browser.find_element_by_class_name('zu-top-add-question')
print(input)

这里咱们用implicitly_wait()方法实现了隐式等待。

显式等待

隐式等待的效果其实并无那么好，由于咱们只规定了一个固定时间，而页面的加载时间会受到网络条件的影响。

这里还有一种更合适的显式等待方法，它指定要查找的节点，而后指定一个最长等待时间。若是在规定时间内加载出来了这个节点，就返回查找的节点；若是到了规定时间依然没有加载出该节点，则抛出超时异常。示例以下：

1
2
3
4
5
6
7
8
9
10
11
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)

这里首先引入WebDriverWait这个对象，指定最长等待时间，而后调用它的until()方法，传入要等待条件expected_conditions。好比，这里传入了presence_of_element_located这个条件，表明节点出现的意思，其参数是节点的定位元组，也就是ID为q的节点搜索框。

这样能够作到的效果就是，在10秒内若是ID为q的节点（即搜索框）成功加载出来，就返回该节点；若是超过10秒尚未加载出来，就抛出异常。

对于按钮，能够更改一下等待条件，好比改成element_to_be_clickable，也就是可点击，因此查找按钮时查找CSS选择器为.btn-search的按钮，若是10秒内它是可点击的，也就是成功加载出来了，就返回这个按钮节点；若是超过10秒还不可点击，也就是没有加载出来，就抛出异常。

运行代码，在网速较佳的状况下是能够成功加载出来的。

控制台的输出以下：

1
2
<selenium.webdriver.remote.webelement.WebElement (session="07dd2fbc2d5b1ce40e82b9754aba8fa8", element="0.5642646294074107-1")>
<selenium.webdriver.remote.webelement.WebElement (session="07dd2fbc2d5b1ce40e82b9754aba8fa8", element="0.5642646294074107-2")>

能够看到，控制台成功输出了两个节点，它们都是WebElement类型。

若是网络有问题，10秒内没有成功加载，那就抛出TimeoutException异常，此时控制台的输出以下：

1
2
3
4
5
TimeoutException Traceback (most recent call last)
<ipython-input-4-f3d73973b223> in <module>()
7 browser.get('https://www.taobao.com/')
8 wait = WebDriverWait(browser, 10)
----> 9 input = wait.until(EC.presence_of_element_located((By.ID, 'q')))

关于等待条件，其实还有不少，好比判断标题内容，判断某个节点内是否出现了某文字等。表7-1列出了全部的等待条件。

表7-1 等待条件及其含义

等待条件

含义

title_is

标题是某内容

title_contains

标题包含某内容

presence_of_element_located

节点加载出来，传入定位元组，如(By.ID, 'p')

visibility_of_element_located

节点可见，传入定位元组

visibility_of

可见，传入节点对象

presence_of_all_elements_located

全部节点加载出来

text_to_be_present_in_element

某个节点文本包含某文字

text_to_be_present_in_element_value

某个节点值包含某文字

frame_to_be_available_and_switch_to_it

加载并切换

invisibility_of_element_located

节点不可见

element_to_be_clickable

节点可点击

staleness_of

判断一个节点是否仍在DOM，可判断页面是否已经刷新

element_to_be_selected

节点可选择，传节点对象

element_located_to_be_selected

节点可选择，传入定位元组

element_selection_state_to_be

传入节点对象以及状态，相等返回True，不然返回False

element_located_selection_state_to_be

传入定位元组以及状态，相等返回True，不然返回False

alert_is_present

是否出现警告

关于更多等待条件的参数及用法，能够参考官方文档：selenium-python.readthedocs.io/api.html#mo…。

12. 前进和后退

日常使用浏览器时都有前进和后退功能，Selenium也能够完成这个操做，它使用back()方法后退，使用forward()方法前进。示例以下：

1
2
3
4
5
6
7
8
9
10
11
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()

这里咱们连续访问3个页面，而后调用back()方法回到第二个页面，接下来再调用forward()方法又能够前进到第三个页面。

13. Cookies

使用Selenium，还能够方便地对Cookies进行操做，例如获取、添加、删除Cookies等。示例以下：

1
2
3
4
5
6
7
8
9
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())

首先，咱们访问了知乎。加载完成后，浏览器实际上已经生成Cookies了。接着，调用get_cookies()方法获取全部的Cookies。而后，咱们添加一个Cookie，这里传入一个字典，有name、domain和value等内容。接下来，再次获取全部的Cookies。能够发现，结果就多了这一项新加的Cookie。最后，调用delete_all_cookies()方法删除全部的Cookies。再从新获取，发现结果就为空了。

控制台的输出以下：

1
2
3
[{'secure': False, 'value': '"NGM0ZTM5NDAwMWEyNDQwNDk5ODlkZWY3OTkxY2I0NDY=|1491604091|236e34290a6f407bfbb517888849ea509ac366d0"', 'domain': '.zhihu.com', 'path': '/', 'httpOnly': False, 'name': 'l_cap_id', 'expiry': 1494196091.403418}]
[{'secure': False, 'value': 'germey', 'domain': '.www.zhihu.com', 'path': '/', 'httpOnly': False, 'name': 'name'}, {'secure': False, 'value': '"NGM0ZTM5NDAwMWEyNDQwNDk5ODlkZWY3OTkxY2I0NDY=|1491604091|236e34290a6f407bfbb517888849ea509ac366d0"', 'domain': '.zhihu.com', 'path': '/', 'httpOnly': False, 'name': 'l_cap_id', 'expiry': 1494196091.403418}]
[]

14. 选项卡管理

在访问网页的时候，会开启一个个选项卡。在Selenium中，咱们也能够对选项卡进行操做。示例以下：

1
2
3
4
5
6
7
8
9
10
11
12
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('https://python.org')

控制台的输出以下：

1
['CDwindow-4f58e3a7-7167-4587-bedf-9cd8c867f435', 'CDwindow-6e05f076-6d77-453a-a36c-32baacc447df']

首先访问了百度，而后调用了execute_script()方法，这里传入window.open()这个JavaScript语句新开启一个选项卡。接下来，咱们想切换到该选项卡。这里调用window_handles属性获取当前开启的全部选项卡，返回的是选项卡的代号列表。要想切换选项卡，只须要调用switch_to_window()方法便可，其中参数是选项卡的代号。这里咱们将第二个选项卡代号传入，即跳转到第二个选项卡，接下来在第二个选项卡下打开一个新页面，而后切换回第一个选项卡从新调用switch_to_window()方法，再执行其余操做便可。

15. 异常处理

在使用Selenium的过程当中，不免会遇到一些异常，例如超时、节点未找到等错误，一旦出现此类错误，程序便不会继续运行了。这里咱们可使用try except语句来捕获各类异常。

首先，演示一下节点未找到的异常，示例以下：

1
2
3
4
5
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.find_element_by_id('hello')

这里首先打开百度页面，而后尝试选择一个并不存在的节点，此时就会遇到异常。

运行以后控制台的输出以下：

1
2
3
4
5
NoSuchElementException Traceback (most recent call last)
<ipython-input-23-978945848a1b> in <module>()
3 browser = webdriver.Chrome()
4 browser.get('https://www.baidu.com')
----> 5 browser.find_element_by_id('hello')

能够看到，这里抛出了NoSuchElementException异常，这一般是节点未找到的异常。为了防止程序遇到异常而中断，咱们须要捕获这些异常，示例以下：

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()
复制代码

这里咱们使用try except来捕获各种异常。好比，咱们对find_element_by_id()查找节点的方法捕获NoSuchElementException异常，这样一旦出现这样的错误，就进行异常处理，程序也不会中断了。

控制台的输出以下：

1
No Element

关于更多的异常类，能够参考官方文档：selenium-python.readthedocs.io/api.html#mo…。

如今，咱们基本对Selenium的常规用法有了大致的了解。使用Selenium，处理JavaScript再也不是难事。


本资源首发于崔庆才的我的博客静觅： Python3网络爬虫开发实战教程 | 静觅

如想了解更多爬虫资讯，请关注个人我的微信公众号：进击的Coder

weixin.qq.com/r/5zsjOyvEZ… (二维码自动识别)

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程