动态渲染页面爬取（Python 网络爬虫） ---Selenium的使用

时间 2020-05-09

标签动态渲染页面 python 网络爬虫 selenium 使用栏目 Python 繁體版

原文原文链接

Selenium 的使用php

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。css

好处：不用再分析网站复杂的通讯流程了html

坏处：效率低python

通常用在登陆环节。jquery

一、准备工做web

安装Chrome浏览器正则表达式

配置ChromeDriver api

另外安装Python的Selenium库浏览器

二、基本使用cookie

Selenium一些功能，示例以下：

from selenium import webdriver        #用来驱动浏览器驱动
from selenium.webdriver import ActionChains    #滑动验证码的时候用。拖拽滑动验证码进行移动
from selenium.webdriver.common.by import By    #指定查找的方式 提交请求的过程中，定位到页面中某一个标签。好比输入，就要找到输入的标签，往输入标签丢一些值给它，
from selenium.webdriver.common.keys import Keys   #键盘操做，好比回车操做
from selenium.webdriver.support import expected_conditions as EC  #跟WebDriverWait连在一块儿用
from selenium.webdriver.support.wait import WebDriverWait      #跟EC连在一块儿用 等页面加载

程序运行关掉了，浏览器也要关掉，否则后台会运行一堆浏览器。

也有可能用驱动发起请求的时候遇到错误了，出错可能在某一行抛异常了，就执行不到关掉浏览器的那行代码。因此try把爬取的逻辑放到里面去。示例以下：

from selenium import webdriver        #用来驱动浏览器驱动

import time brower = webdriver.Chrome() try: brower.get('https://baidu.com') time.sleep(6) finally: brower.close()

基本使用演示：

from selenium import webdriver        #用来驱动浏览器驱动
from selenium.webdriver import ActionChains    #滑动验证码的时候用。拖拽滑动验证码进行移动
from selenium.webdriver.common.by import By    #指定查找的方式 提交请求的过程中，定位到页面中某一个标签。好比输入，就要找到输入的标签，往输入标签丢一些值给它，
from selenium.webdriver.common.keys import Keys   #键盘操做，好比回车操做
from selenium.webdriver.support import expected_conditions as EC  #跟WebDriverWait连在一块儿用
from selenium.webdriver.support.wait import WebDriverWait      #跟EC连在一块儿用 等页面加载


import time browser = webdriver.Chrome() try: wait = WebDriverWait(browser,4)   #     #发请求
    browser.get('https://baidu.com') #获取输入框
    input_tag = wait.until(EC.presence_of_element_located((By.ID,'kw'))) #输入内容
    input_tag.send_keys('种花') #键盘操做回车
 input_tag.send_keys(Keys.ENTER) time.sleep(6) finally: browser.close()

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

在控制台分别会输出当前的URL、当前的Cookies和网页源代码,而后发现跟浏览器中的如出一辙。

print(browser.current_url) print(browser.get_cookies()) print(browser.page_source)

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渲染的效果了，不用担忧使用的什么加密系统。

下面来详细介绍Selenium 的用法：

三、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。另外还支持无界面浏览器PhantomJS。

此外，咱们能够用以下方式初始化：

from selenium import webdriver

browser=webdriver.Chrome()
browser=webdriver.Firefox()
browser=webdriver.PhantomJS()
browser=webdriver.Safari()
browser=webdriver.Edge()

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。

四、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，在这里用get()方法访问京东，而后打印出源代码，代码以下：

from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.jd.com') print(browser.page_source) browser.close()

运行后发现，弹出了Chorme浏览器而且自动访问了京东，而后控制台输出了京东页面的源代码，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。

五、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那里吧？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。

5.一、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，以下图所示：

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_elemene_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：

from selenium import webdriver import time browser = webdriver.Chrome() try: browser.get('https://www.taobao.com') input_tag_first = browser.find_element_by_id('q') input_tag_second = browser.find_element_by_css_selector('#q') input_tag_third = browser.find_element_by_xpath('//*[@id="q"]') time.sleep(6) print(input_tag_first, input_tag_second, input_tag_third) finally: browser.close()

这里咱们使用三种方式获取输入框，分别是根据ID、CSS选择器和XPath获取，它们返回结果彻底一致。运行结构以下：

<selenium.webdriver.remote.webelement.WebElement (session="2972957e8503390420728c4a4168e46b", element="0.45122930131287853-1")> 
<selenium.webdriver.remote.webelement.WebElement (session="2972957e8503390420728c4a4168e46b", element="0.45122930131287853-1")> 
<selenium.webdriver.remote.webelement.WebElement (session="2972957e8503390420728c4a4168e46b", element="0.45122930131287853-1")>

能够看到，这三个节点都是WebElement类型，是彻底一致的。

这里列出全部获取单个节点的方法：

find_element意思是寻找元素，

find_element_by_id 经过id找 find_element_by_name 按照name属性找 find_element_by_xpath find_element_by_link_text 经过连接的文本内容找（彻底匹配）

find_element_by_pqrtial_link_text 经过连接的文本内容查找（部分匹配）
find_element_by_tag_name 经过标签名找
find_element_by_class_name 经过类名找
find_element_by_css_selector 经过css选择器.id#class

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。咱们用代码实现如下：

from selenium import webdriver from selenium.webdriver.common.by import By browser = webdriver.Chrome() try: browser.get('https://www.taobao.com') input_first = browser.find_element(By.ID,'q') input_second = browser.find_element_by_id('q') print(input_first) print(input_second) finally: browser.close()

<selenium.webdriver.remote.webelement.WebElement (session="e7d7f0eb547ed6c0d5f38a8101ce1d50", element="0.3574977265796484-1")>
<selenium.webdriver.remote.webelement.WebElement (session="e7d7f0eb547ed6c0d5f38a8101ce1d50", element="0.3574977265796484-1")>

实际上，这两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。

5.二、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多了个s，注意区分。

好比，要查找淘宝左侧导航条的全部条目，以下图所示：

就能够这样来实现：

from selenium import webdriver browser = webdriver.Chrome() # 多个节点
try: browser.get('https://www.taobao.com') list = browser.find_elements_by_css_selector('.service-bd li') print(list) finally: browser.close()

运行结果以下：

[

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-1")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-2")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-3")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-4")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-5")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-6")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-7")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-8")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-9")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-10")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-11")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-12")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-13")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-14")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-15")>,

<selenium.webdriver.remote.webelement.WebElement (session="d4ab52370cc5c90b5da37185a382c3bb", element="0.2937235535196494-16")>

]

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：

find_elements_by_id find_elements_by_name find_elements_by_xpath find_elements_by_link_text find_elements_by_pqrtial_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：

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

六、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，点击按钮时使用click()方法。示例以下：

from selenium import webdriver import time browser = webdriver.Chrome() # 节点交互
 browser.get('https://www.taobao.com') input_tag = browser.find_element_by_id('q') input_tag.send_keys('手机壳') time.sleep(1) input_tag.clear() input_tag.send_keys('多肉') 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senf_keys()方法输入手机壳文字，等待一秒后用clear()方法清空输入框，再次调用senf_keys()方法输入多肉文字，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：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.remote.webelement

七、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的方法；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，好比鼠标拖拽。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拽动做，将某个节点从一处拖拽到另一处，能够这样实现：

from selenium import webdriver from selenium.webdriver import ActionChains import time browser = webdriver.Chrome() try: 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') # 方式一
    # actions = ActionChains(browser)
    # actions.drag_and_drop(source,target)
    # actions.perform()

    # 方式二
 distance = target.location['x']-source.location['x'] ActionChains(browser).click_and_hold(source).perform() s = 0 while s < distance: ActionChains(browser).move_by_offset(xoffset=2,yoffset=0).perform() # time.sleep(0.2)
        s+=2 ActionChains(browser).release().perform() time.sleep(4) finally: browser.close()

首先，打开网页中的一个拖拽实例，而后依次选中要拖拽的节点和拖拽的目标节点，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()方法来执行操做，此时就完成了拖拽操做。

更多的动做连操做能够参考官方文档：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains

八、执行JavaScript

执行某些操做，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：

from selenium import webdriver browser = webdriver.Chrome() try: browser.get('https://www.zhihu.com/explore') browser.execute_script('window.scrollTo(0,document.body.scrollHeight)') browser.execute_script('alert("To Bittom")') finally: browser.close()

这里利用了excute_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没有提供的所用功能均可以用JavaScript的方式来实现了。

九、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）来提取消息了。

不过，既然Selenium 已经提供了了选择节点的方法，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，好比属性、文本等。这样的话，咱们就能够不用经过解析源代码来提取消息了，很是方便。

接下来，就看看经过怎样的方式获取节点信息吧。

9.1 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：

from selenium import webdriver import time browser = webdriver.Chrome() try: url = 'https://www.zhihu.com/explore' browser.get(url) zh_logo = browser.find_element_by_id('zh-top-link-logo') print(zh_logo) print(zh_logo.get_attribute('class')) time.sleep(4) finally: browser.close()

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。

控制台的输出结果为：

<selenium.webdriver.remote.webelement.WebElement (session="a014d9de06bbb4bebeb1d6bf50cdfab9", element="0.6635784736572936-1")> 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。

9.2 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：

from selenium import webdriver import time browser = webdriver.Chrome() # 获取文本值
try: url = 'https://www.zhihu.com/explore' browser.get(url) input_tag = browser.find_element_by_class_name('zu-top-add-question') print(input_tag.text) time.sleep(4) finally: browser.close()

这里依然是先打开知乎页面，而后获取‘提问’按钮这个节点，再将其文本内容值打印出来。

控制台显示结果以下：

9.3 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：

from selenium import webdriver import time browser = webdriver.Chrome() try: url = 'https://www.zhihu.com/explore' browser.get(url) input_tag = browser.find_element_by_class_name('zu-top-add-question') print(input_tag.id) print(input_tag.location) print(input_tag.tag_name) print(input_tag.size) finally: browser.close()

这里依然先打开知乎页面，而后获取 ‘提问’按钮这个节点，而后调用其id、liocation、tag_name、size属性来获取对赢得属性值。

10、切换Frame

咱们知道网页中有一种节点叫作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，它默认是在父集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里面节点的。这时就须要使用switch_to.frame()方法来切换Frame。示例以下：

import time from selenium import webdriver from selenium.common.exceptions import NoSuchElementException browser = webdriver.Chrome() try: 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) finally: browser.close()

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，而后尝试获取子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，从新切换到父级Frame，而后再次从新获取节点，发现此时能够成功获取了。

因此，当页面包含子Frame时，想要获取子Frame中的节点，须要调用switch_to.frame()方法切换到对应的，而后在进行操做。

十一、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，咱们在网页代码中也不必定能获取成功。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。

11.一、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，默认时间是0。示例以下：

from selenium import webdriver browser = webdriver.Chrome() browser.implicitly_wait(10) browser.get('https://www.zhihu.com/explore') button_tag = browser.find_element_by_class_name('zu-top-add-question') print(button_tag)

这里咱们用implicitly_wait(10)方法实现了隐式等待。

11.二、显式等待

隐式等待的效果并无那么好，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。

这里还有一个更合适的显式等待方法，它指定要查找的节点，而后制定一个最长等待时间。若是在规定时间内加载出来这个节点，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：

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() try: browser.get('https://www.taobao.com/') wait = WebDriverWait(browser,10) input_tag = 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_tag,button) finally: browser.close()

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秒尚未加载出来，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：

<selenium.webdriver.remote.webelement.WebElement (session="7d8b894316bbc39ff3a124a2976202eb", element="0.004489568003788413-1")> 
<selenium.webdriver.remote.webelement.WebElement (session="7d8b894316bbc39ff3a124a2976202eb", element="0.004489568003788413-2")>

能够看到，控制台成功输出了两个节点，它们都是WebElement类型。

若是失败的话会抛出异常。

十二、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：

import time from selenium import webdriver browser = webdriver.Chrome() try: browser.get('https://www.baidu.com/') browser.get('https://www.taobao.com/') browser.get('https://www.jd.com/') browser.back() time.sleep(2) browser.forward() finally: browser.close()

这里咱们连续访问三个页面，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内。

1三、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：

from selenium import webdriver browser = webdriver.Chrome() try: 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()) print(browser.delete_all_cookies()) print(browser.get_cookies()) finally: browser.close()

首先，咱们访问了知乎。加载完成后，浏览器实际上已经生成了Cookies了。接着咱们调用get_cookies()方法获取全部的Cookies。而后咱们添加一个Cookies，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。从新获取，发现结果就为空了。

控制台输出结果以下：

[{'domain': '.zhihu.com', 'expiry': 1567877193, 'httpOnly': False, 'name': '__utmz', 'path': '/', 'secure': False, 'value': '51854390.1552109194.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none)'}, {'domain': '.zhihu.com', 'expiry': 1552110993, 'httpOnly': False, 'name': '__utmb', 'path': '/', 'secure': False, 'value': '51854390.0.10.1552109194'}, {'domain': '.zhihu.com', 'expiry': 1646717185.745797, 'httpOnly': False, 'name': 'q_c1', 'path': '/', 'secure': False, 'value': 'c1be5730838e4961a9c0ea0af241acf3|1552109185000|1552109185000'}, {'domain': '.zhihu.com', 'expiry': 1615181193, 'httpOnly': False, 'name': '_zap', 'path': '/', 'secure': False, 'value': '329f49a1-d78e-4e05-9bd6-54e78fcc8b1a'}, {'domain': '.zhihu.com', 'expiry': 1554701185.745947, 'httpOnly': False, 'name': 'l_cap_id', 'path': '/', 'secure': False, 'value': '"NzhlMjcyNjg0OTUyNDk2NmEwZjAzNzNmNDZjNGUwZjQ=|1552109185|4cd1bcfd1b23d2e8478b9a6ee1cc61386e586841"'}, {'domain': 'www.zhihu.com', 'expiry': 1552110085.745695, 'httpOnly': False, 'name': 'tgw_l7_route', 'path': '/', 'secure': False, 'value': '060f637cd101836814f6c53316f73463'}, {'domain': '.zhihu.com', 'expiry': 1554701185.745898, 'httpOnly': False, 'name': 'cap_id', 'path': '/', 'secure': False, 'value': '"NWUxZGQzZTEwMjU4NGIwMmJmMDliMzVlMTc2Zjg5Yjg=|1552109185|ba3e32ca8fcf86e0cc39c4822b3998afdd05c7e8"'}, {'domain': '.zhihu.com', 'expiry': 1615181193, 'httpOnly': False, 'name': '__utmv', 'path': '/', 'secure': False, 'value': '51854390.000--|3=entry_date=20190309=1'}, {'domain': '.zhihu.com', 'httpOnly': False, 'name': 'n_c', 'path': '/', 'secure': False, 'value': '1'}, {'domain': '.zhihu.com', 'expiry': 1615181193, 'httpOnly': False, 'name': '__utma', 'path': '/', 'secure': False, 'value': '51854390.1872266721.1552109194.1552109194.1552109194.1'}, {'domain': '.zhihu.com', 'httpOnly': False, 'name': '__utmc', 'path': '/', 'secure': False, 'value': '51854390'}, {'domain': '.zhihu.com', 'expiry': 1646717192.357061, 'httpOnly': False, 'name': 'd_c0', 'path': '/', 'secure': False, 'value': '"ADAiXVxOGA-PTnrcZaT_2bgcCujQ0Jzk-bY=|1552109192"'}, {'domain': '.zhihu.com', 'expiry': 1554701185.745854, 'httpOnly': False, 'name': 'r_cap_id', 'path': '/', 'secure': False, 'value': '"Y2E5NmY2MzdmOWU4NDI2ZGFhZTBhMTgxNDBkYWIxOGM=|1552109185|4f456af38fccd5e4920de3751616d1fcfb604ad8"'}, {'domain': 'www.zhihu.com', 'httpOnly': False, 'name': '_xsrf', 'path': '/', 'secure': False, 'value': 'ffa701e12b2e436beef359522f1283dc'}, {'domain': '.zhihu.com', 'httpOnly': False, 'name': 'l_n_c', 'path': '/', 'secure': False, 'value': '1'}] [{'domain': 'www.zhihu.com', 'expiry': 2182829193, 'httpOnly': False, 'name': 'name', 'path': '/', 'secure': True, 'value': 'germey'}, {'domain': '.zhihu.com', 'expiry': 1567877193, 'httpOnly': False, 'name': '__utmz', 'path': '/', 'secure': False, 'value': '51854390.1552109194.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none)'}, {'domain': '.zhihu.com', 'expiry': 1552110993, 'httpOnly': False, 'name': '__utmb', 'path': '/', 'secure': False, 'value': '51854390.0.10.1552109194'}, {'domain': '.zhihu.com', 'expiry': 1646717185.745797, 'httpOnly': False, 'name': 'q_c1', 'path': '/', 'secure': False, 'value': 'c1be5730838e4961a9c0ea0af241acf3|1552109185000|1552109185000'}, {'domain': '.zhihu.com', 'expiry': 1615181193, 'httpOnly': False, 'name': '_zap', 'path': '/', 'secure': False, 'value': '329f49a1-d78e-4e05-9bd6-54e78fcc8b1a'}, {'domain': '.zhihu.com', 'expiry': 1554701185.745947, 'httpOnly': False, 'name': 'l_cap_id', 'path': '/', 'secure': False, 'value': '"NzhlMjcyNjg0OTUyNDk2NmEwZjAzNzNmNDZjNGUwZjQ=|1552109185|4cd1bcfd1b23d2e8478b9a6ee1cc61386e586841"'}, {'domain': 'www.zhihu.com', 'expiry': 1552110085.745695, 'httpOnly': False, 'name': 'tgw_l7_route', 'path': '/', 'secure': False, 'value': '060f637cd101836814f6c53316f73463'}, {'domain': '.zhihu.com', 'expiry': 1554701185.745898, 'httpOnly': False, 'name': 'cap_id', 'path': '/', 'secure': False, 'value': '"NWUxZGQzZTEwMjU4NGIwMmJmMDliMzVlMTc2Zjg5Yjg=|1552109185|ba3e32ca8fcf86e0cc39c4822b3998afdd05c7e8"'}, {'domain': '.zhihu.com', 'expiry': 1615181193, 'httpOnly': False, 'name': '__utmv', 'path': '/', 'secure': False, 'value': '51854390.000--|3=entry_date=20190309=1'}, {'domain': '.zhihu.com', 'httpOnly': False, 'name': 'n_c', 'path': '/', 'secure': False, 'value': '1'}, {'domain': '.zhihu.com', 'expiry': 1615181193, 'httpOnly': False, 'name': '__utma', 'path': '/', 'secure': False, 'value': '51854390.1872266721.1552109194.1552109194.1552109194.1'}, {'domain': '.zhihu.com', 'httpOnly': False, 'name': '__utmc', 'path': '/', 'secure': False, 'value': '51854390'}, {'domain': '.zhihu.com', 'expiry': 1646717192.357061, 'httpOnly': False, 'name': 'd_c0', 'path': '/', 'secure': False, 'value': '"ADAiXVxOGA-PTnrcZaT_2bgcCujQ0Jzk-bY=|1552109192"'}, {'domain': '.zhihu.com', 'expiry': 1554701185.745854, 'httpOnly': False, 'name': 'r_cap_id', 'path': '/', 'secure': False, 'value': '"Y2E5NmY2MzdmOWU4NDI2ZGFhZTBhMTgxNDBkYWIxOGM=|1552109185|4f456af38fccd5e4920de3751616d1fcfb604ad8"'}, {'domain': 'www.zhihu.com', 'httpOnly': False, 'name': '_xsrf', 'path': '/', 'secure': False, 'value': 'ffa701e12b2e436beef359522f1283dc'}, {'domain': '.zhihu.com', 'httpOnly': False, 'name': 'l_n_c', 'path': '/', 'secure': False, 'value': '1'}] None []

1四、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：

1五、异常处理

爬京东信息

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 #键盘按键操做
from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
import time def get_goods(driver): try: goods=driver.find_elements_by_class_name('gl-item') for good in goods: detail_url=good.find_element_by_tag_name('a').get_attribute('href') p_name=good.find_element_by_css_selector('.p-name em').text.replace('\n','') price=good.find_element_by_css_selector('.p-price i').text p_commit=good.find_element_by_css_selector('.p-commit a').text msg = ''' 商品 : %s 连接 : %s 价钱 ：%s 评论 ：%s ''' % (p_name,detail_url,price,p_commit) print(msg,end='\n\n') button=driver.find_element_by_partial_link_text('下一页') button.click() time.sleep(1) get_goods(driver) except Exception: pass

def spider(url,keyword): driver = webdriver.Chrome() driver.get(url) driver.implicitly_wait(3)  # 使用隐式等待
    try: input_tag=driver.find_element_by_id('key') input_tag.send_keys(keyword) input_tag.send_keys(Keys.ENTER) get_goods(driver) finally: driver.close() if __name__ == '__main__': spider('https://www.jd.com/',keyword='iPhone8手机')

爬取京东商品信息

破解极验滑动验证（博客园）

流程：

一、拿到浏览器驱动，而后请求地址，而后隐式等待，找到输入框输入帐号密码而后点击登陆。

二、点击按钮弹出图（没有缺口的图片）---截图

三、点击滑动按钮，弹出有缺口的图 -----截图

四、对比两张图片，找到缺口，就是要移动的位移

五、按照人的行为习惯，把总的位移切成一段段小的位移 ********()

六、按照位移移动