抖音数据采集教程，最全python库selenium自动化使用

抖音数据采集教程，最全python库selenium自动化使用

1、安装selenium

pip install Selenium

2、初始化浏览器

• Chrome 是初始化谷歌浏览器
• Firefox 是初始化火狐浏览器
• Edge 是初始化IE浏览器
• PhantomJS 是一个无界面浏览器。

from selenium import webdriver
 
driver = webdriver.Chrome()

3、设置浏览器大小

• maximize_window 最大化窗口
• set_window_size 自定义窗口大小

from selenium import webdriver
 
driver = webdriver.Chrome()
driver.maximize_window()

4、访问页面

from selenium import webdriver
 
driver = webdriver.Chrome()
 
driver.get('https://www.baidu.com')

5、定位元素

• 定位元素的基本方法以下

定位一个元素	定位多个元素	解释
find_element_by_id	find_elements_by_id	经过元素id定位
find_element_by_name	find_elements_by_name	经过元素name定位
find_element_by_xpath	find_elements_by_xpath	经过xpath表达式定位
find_element_by_link_text	find_elements_by_link_tex	经过完整超连接定位
find_element_by_partial_link_text	find_elements_by_partial_link_text	经过部分连接定位
find_element_by_tag_name	find_elements_by_tag_name	经过标签订位
find_element_by_class_name	find_elements_by_class_name	经过类名进行定位
find_elements_by_css_selector	find_elements_by_css_selector	经过css选择器进行定位

• **实例演示: ** 找到百度首页的输入框

from selenium import webdriver
 
driver = webdriver.Chrome()
driver.get('https://www.baidu.com')
driver.find_element_by_id('kw')

6、定位元素的另外一种写法

• 需引入By模块

from selenium import webdriver
from selenium.webdriver.common.by import By
 
driver = webdriver.Chrome()
driver.get('https://www.baidu.com')
driver.find_element(By.ID, 'kw')

7、元素交互

方法	解释
click()	点击某个元素
send_keys(输入的值)	模拟输入
clear()	清除操做
submit()	提交表单
get_attribute(name)	获取元素的属性值
location	获取元素的位置
text	获取元素的文本值
size	获取元素的大小
id	获取元素的id值
tag_name	获取元素的标签名

• 实例演示: ****在百度输入框中输入我是autofelix，并点击搜索按钮

from selenium import webdriver
 
driver = webdriver.Chrome()
driver.get('https://www.baidu.com')
driver.find_element_by_id('kw').send_keys('我是autofelix')
driver.find_element_by_id('su').click()

8、执行js

from selenium import webdriver
 
driver = webdriver.Chrome()
driver.maximize_window()
 
driver.get('https://www.baidu.com')
 
js_sql = '''
    document.getElementById('kw').value = '我是autofelix'
'''
driver.execute_script(js_sql)

9、Frame操做

• 网页中frame的话，须要执行切入切出操做
  
• switch_to.from(子iframe的id名称) 切入
  
• switch_to.parent_frame(父iframe的id名称) 切出
  

from selenium import webdriver
 
driver = webdriver.Chrome()
driver.maximize_window()
 
driver.get('https://www.baidu.com')
 
//这个网址并无iframe,我臆测有,大家看看就行
driver.switch_to.frame('我臆测出来的iframe')

10、cookie的操做

方法	说明
delete_all_cookies()	删除当前页面全部cookies
get_cookie(name)	获取指定cookie值
get_cookies()	获取当前页面全部cookies值
add_cookie()	设置cookie值

from selenium import webdriver
 
driver = webdriver.Chrome()
driver.maximize_window()
 
driver.get('https://www.baidu.com')
 
driver.delete_all_cookies()
driver.add_cookie({'name': 'name', 'domain': '.baidu.com', 'value': 'autofelix'})

11、选项卡管理

方法	解释
window_handles	保存全部选项卡的元组
switch_to.window()	切换选项卡

from selenium import webdriver
 
driver = webdriver.Chrome()
driver.maximize_window()
 
driver.get('https://www.baidu.com')
driver.get('https://www.taobao.com')
 
driver.switch_to.window(driver.window_handles[0])
driver.switch_to.window(driver.window_handles[1])

12、鼠标事件

• 鼠标事件须要引入ActionChains模块
  | 方法 | 说明 |
  | :--- | :--- |
  | move_to_element(above) | 鼠标右击 |
  | double_click() | 鼠标双击 |
  | drag_and_drop() | 左键按住拖动 |
  | perform() | 动做存储 |

• **实例演示: **滑动滑块验证码

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
 
# 初始化谷歌浏览器
driver = webdriver.Chrome()
 
# 最大化窗口
driver.maximize_window()
 
# 打开头条登录网址
driver.get('https://sso.toutiao.com')
 
# 等待某个元素是否出现
WebDriverWait(self.driver, 10).until(
    EC.text_to_be_present_in_element((By.XPATH, '//*[@id="mobile-code-get"]/span'), u'发送')
)
 
# 实例化鼠标操做
action = ActionChains(self.driver)
 
# 按住滑块
action.click_and_hold(self.driver.find_element_by_xpath('//*[@id="captcha_container"]')).perform()
 
# 将滑块移动x的距离
action.move_by_offset(xoffset=x, yoffset=0).perform()
 
# 释放滑块
action.release().perform()

十3、等待

• 隐氏等待
• 若是到必定时间，指定的元素尚未出现，进程不会阻塞，可是到指定时间尚未找到，就会抛出异常

from selenium import webdriver
 
driver = webdriver.Chrome()
driver.implicitly_wait(10)
 
driver.get('https://www.baidu.com')

• 显示等待
• 若是在必定时间内，指定的元素没有出现，进程会阻塞在这里，若是到指定时间尚未找到，就会抛出异常

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
 
driver = webdriver.Chrome()
driver.implicitly_wait(10)
 
driver.get('https://www.baidu.com')
WebDriverWait(driver, 10).until(
    EC.presence_of_element_located((By.ID, 'kw'))
)

十4、前进、后退和刷新

• back 后退
  
• forward 前进
  
• refresh 刷新浏览器
  

from selenium import webdriver
 
driver = webdriver.Chrome()
driver.get('https://www.baidu.com')
driver.get('https://www.taobao.com')
driver.get('https://www.jd.com')
 
driver.back()
driver.forward()
driver.refresh()

十5、关闭浏览器

• close 关闭当前标签页
  
• quit 关闭整个浏览器
  

from selenium import webdriver
 
driver = webdriver.Chrome()
driver.get('https://www.baidu.com')
//打开百度页面后,关闭整个浏览器
driver.quit()

抖音，快手，小红书数据采集接口，文档地址： TiToData