Selenium与PhantomJS【转】

爬虫(Spider)，反爬虫(Anti-Spider)，反反爬虫(Anti-Anti-Spider) 之间恢宏壮阔的斗争...

Day 1

• 小莫想要某站上全部的电影，写了标准的爬虫(基于HttpClient库)，不断地遍历某站的电影列表页面，根据 Html 分析电影名字存进本身的数据库。
• 这个站点的运维小黎发现某个时间段请求量陡增，分析日志发现都是 IP(xxx.xxx.xxx.xxx)这个用户，而且 user-agent 仍是 Python-urllib/2.7 ，基于这两点判断非人类后直接在服务器上封杀。

Day 2

• 小莫电影只爬了一半，因而也针对性的变换了下策略：1. user-agent 模仿百度("Baiduspider...")，2. IP每爬半个小时就换一个IP代理。
• 小黎也发现了对应的变化，因而在服务器上设置了一个频率限制，每分钟超过120次请求的再屏蔽IP。 同时考虑到百度家的爬虫有可能会被误伤，想一想市场部门每个月几十万的投放，因而写了个脚本，经过 hostname 检查下这个 ip 是否是真的百度家的，对这些 ip 设置一个白名单。

Day 3

• 小莫发现了新的限制后，想着我也不急着要这些数据，留给服务器慢慢爬吧，因而修改了代码，随机1-3秒爬一次，爬10次休息10秒，天天只在8-12，18-20点爬，隔几天还休息一下。
• 小黎看着新的日志头都大了，再设定规则不当心会误伤真实用户，因而准备换了一个思路，当3个小时的总请求超过50次的时候弹出一个验证码弹框，没有准确正确输入的话就把 IP 记录进黑名单。

Day 4

• 小莫看到验证码有些傻脸了，不过也不是没有办法，先去学习了图像识别（关键词 PIL，tesseract），再对验证码进行了二值化，分词，模式训练以后，总之最后识别了小黎的验证码（关于验证码，验证码的识别，验证码的反识别也是一个恢弘壮丽的斗争史...），以后爬虫又跑了起来。
• 小黎是个不折不挠的好同窗，看到验证码被攻破后，和开发同窗商量了变化下开发模式，数据并再也不直接渲染，而是由前端同窗异步获取，而且经过 JavaScript 的加密库生成动态的 token，同时加密库再进行混淆（比较重要的步骤的确有网站这样作，参见淘宝和微博的登录流程）。

Day 5

• 混淆过的加密库就没有办法了么？固然不是，能够慢慢调试，找到加密原理，不太小莫不许备用这么耗时耗力的方法，他放弃了基于 HttpClient的爬虫，选择了内置浏览器引擎的爬虫(关键词：PhantomJS，Selenium)，在浏览器引擎运行页面，直接获取了正确的结果，又一次拿到了对方的数据。
• 小黎：.....

爬虫与发爬虫的斗争还在继续...

一般状况下，在爬虫与反爬虫的对弈中，爬虫必定会胜利。

换言之，只要人类可以正常访问的网页，爬虫在具有同等资源的状况下就必定能够抓取到。

关于爬虫部分一些建议：

1. 尽可能减小请求次数，能抓列表页就不抓详情页，减轻服务器压力，程序员都是混口饭吃不容易。
2. 不要只看 Web 网站，还有手机 App 和 H5，这样的反爬虫措施通常比较少。
3. 实际应用时候，通常防守方作到根据 IP 限制频次就结束了，除非很核心的数据，不会再进行更多的验证，毕竟成本的问题会考虑到。
4. 若是真的对性能要求很高，能够考虑多线程(一些成熟的框架如 Scrapy都已支持)，甚至分布式...

关于反爬虫部分的一些建议：

• 这篇文章就够了：携程技术中心 - 携程酒店研发部研发经理崔广宇 <爬虫与反爬虫> 技术分享

  动态HTML介绍

  JavaScript

  JavaScript 是网络上最经常使用也是支持者最多的客户端脚本语言。它能够收集 用户的跟踪数据,不须要重载页面直接提交表单，在页面嵌入多媒体文件，甚至运行网页游戏。

  咱们能够在网页源代码的<scripy>标签里看到，好比：

     
     
     
     
  
      
      
      
      
   
        
      
      
      
      
      
   
       
   
        
   
         
   
          
   
           
   
            
   
             
   
            
   
           
   
           
   
           
   
           
   
            
   
             
   
             
   
             
   
              
  
                1 
              
   
             
   
             
  <script type="text/javascript" src="https://statics.huxiu.com/w/mini/static_2015/js/sea.js?v=201601150944"></script>
   
            
   
           
   
          
   
         
   
        
   
       
   
       
   
       
   
        
   
       
   
      
     
     
     
     

  jQuery

  jQuery 是一个十分常见的库,70% 最流行的网站(约 200 万)和约 30% 的其余网站(约 2 亿)都在使用。一个网站使用 jQuery 的特征,就是源代码里包含了 jQuery 入口,好比:

     
     
     
     
  
      
      
      
      
   
        
      
      
      
      
      
   
       
   
        
   
         
   
          
   
           
   
            
   
             
   
            
   
           
   
           
   
           
   
           
   
            
   
             
   
             
   
             
   
              
  
                1 
              
   
             
   
             
  <script type="text/javascript" src="https://statics.huxiu.com/w/mini/static_2015/js/jquery-1.11.1.min.js?v=201512181512"></script>
   
            
   
           
   
          
   
         
   
        
   
       
   
       
   
       
   
        
   
       
   
      
     
     
     
     

  若是你在一个网站上看到了 jQuery，那么采集这个网站数据的时候要格外当心。jQuery 可 以动态地建立 HTML 内容,只有在 JavaScript 代码执行以后才会显示。若是你用传统的方 法采集页面内容,就只能得到 JavaScript 代码执行以前页面上的内容。

  Ajax

  咱们与网站服务器通讯的惟一方式，就是发出 HTTP 请求获取新页面。若是提交表单以后，或从服务器获取信息以后，网站的页面不须要从新刷新，那么你访问的网站就在用Ajax 技术。

  Ajax 其实并非一门语言,而是用来完成网络任务(能够认为 它与网络数据采集差很少)的一系列技术。Ajax 全称是 Asynchronous JavaScript and XML(异步 JavaScript 和 XML)，网站不须要使用单独的页面请求就能够和网络服务器进行交互 (收发信息)。

  DHTML

  Ajax 同样，动态 HTML(Dynamic HTML, DHTML)也是一系列用于解决网络问题的 技术集合。DHTML 是用客户端语言改变页面的 HTML 元素(HTML、CSS，或者两者皆 被改变)。好比页面上的按钮只有当用户移动鼠标以后才出现,背景色可能每次点击都会改变，或者用一个 Ajax 请求触发页面加载一段新内容，网页是否属于DHTML，关键要看有没有用 JavaScript 控制 HTML 和 CSS 元素。

  那么，如何搞定？

  那些使用了 Ajax 或 DHTML 技术改变 / 加载内容的页面，可能有一些采集手段。可是用 Python 解决这个问题只有两种途径:

  1. 直接从 JavaScript 代码里采集内容（费时费力）
  2. 用 Python 的 第三方库运行 JavaScript，直接采集你在浏览器里看到的页面（这个能够有）。

 

Selenium 与 PhantomJS

Selenium简介

Selenium是一个Web的自动化测试工具，最初是为网站自动化测试而开发的，类型像咱们玩游戏用的按键精灵，能够按指定的命令自动操做，不一样是Selenium 能够直接运行在浏览器上，它支持全部主流的浏览器（包括PhantomJS这些无界面的浏览器）。

Selenium 能够根据咱们的指令，让浏览器自动加载页面，获取须要的数据，甚至页面截屏，或者判断网站上某些动做是否发生。

Selenium 本身不带浏览器，不支持浏览器的功能，它须要与第三方浏览器结合在一块儿才能使用。可是咱们有时候须要让它内嵌在代码中运行，因此咱们能够用一个叫 PhantomJS 的工具代替真实的浏览器。

能够从 PyPI 网站下载 Selenium库https://pypi.python.org/simple/selenium ，也能够用 第三方管理器 pip用命令安装：pip install selenium

Selenium 官方参考文档：http://selenium-python.readthedocs.io/index.html

PhantomJS简介

PhantomJS 是一个基于Webkit的“无界面”(headless)浏览器，它会把网站加载到内存并执行页面上的 JavaScript，由于不会展现图形界面，因此运行起来比完整的浏览器要高效。

若是咱们把 Selenium 和 PhantomJS 结合在一块儿，就能够运行一个很是强大的网络爬虫了，这个爬虫能够处理 JavaScrip、Cookie、headers，以及任何咱们真实用户须要作的事情。

注意：PhantomJS 只能从它的官方网站http://phantomjs.org/download.html) 下载。 由于 PhantomJS 是一个功能完善(虽然无界面)的浏览器而非一个 Python 库，因此它不须要像 Python 的其余库同样安装，但咱们能够经过Selenium调用PhantomJS来直接使用。

PhantomJS 官方参考文档：http://phantomjs.org/documentation

快速入门

Selenium 库里有个叫 WebDriver 的 API。WebDriver 有点儿像能够加载网站的浏览器，可是它也能够像 BeautifulSoup 或者其余 Selector 对象同样用来查找页面元素，与页面上的元素进行交互 (发送文本、点击等)，以及执行其余动做来运行网络爬虫。

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
# IPython2 测试代码
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            3 
          
 
         
 
         
# 导入 webdriver
 
        
 
        
 
         
 
          

            4 
          
 
         
 
         
from selenium import webdriver
 
        
 
        
 
         
 
          

            5 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            6 
          
 
         
 
         
# 要想调用键盘按键操做须要引入keys包
 
        
 
        
 
         
 
          

            7 
          
 
         
 
         
from selenium.webdriver.common.keys import Keys
 
        
 
        
 
         
 
          

            8 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            9 
          
 
         
 
         
# 调用环境变量指定的PhantomJS浏览器建立浏览器对象
 
        
 
        
 
         
 
          

            10 
          
 
         
 
         
driver = webdriver.PhantomJS()
 
        
 
        
 
         
 
          

            11 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            12 
          
 
         
 
         
# 若是没有在环境变量指定PhantomJS位置
 
        
 
        
 
         
 
          

            13 
          
 
         
 
         
# driver = webdriver.PhantomJS(executable_path="./phantomjs"))
 
        
 
        
 
         
 
          

            14 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            15 
          
 
         
 
         
# get方法会一直等到页面被彻底加载，而后才会继续程序，一般测试会在这里选择 time.sleep(2)
 
        
 
        
 
         
 
          

            16 
          
 
         
 
         
driver.get("http://www.baidu.com/")
 
        
 
        
 
         
 
          

            17 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            18 
          
 
         
 
         
# 获取页面名为 wrapper的id标签的文本内容
 
        
 
        
 
         
 
          

            19 
          
 
         
 
         
data = driver.find_element_by_id("wrapper").text
 
        
 
        
 
         
 
          

            20 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            21 
          
 
         
 
         
# 打印数据内容
 
        
 
        
 
         
 
          

            22 
          
 
         
 
         
print data
 
        
 
        
 
         
 
          

            23 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            24 
          
 
         
 
         
# 打印页面标题 "百度一下，你就知道"
 
        
 
        
 
         
 
          

            25 
          
 
         
 
         
print driver.title
 
        
 
        
 
         
 
          

            26 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            27 
          
 
         
 
         
# 生成当前页面快照并保存
 
        
 
        
 
         
 
          

            28 
          
 
         
 
         
driver.save_screenshot("baidu.png")
 
        
 
        
 
         
 
          

            29 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            30 
          
 
         
 
         
# id="kw"是百度搜索输入框，输入字符串"长城"
 
        
 
        
 
         
 
          

            31 
          
 
         
 
         
driver.find_element_by_id("kw").send_keys(u"长城")
 
        
 
        
 
         
 
          

            32 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            33 
          
 
         
 
         
# id="su"是百度搜索按钮，click() 是模拟点击
 
        
 
        
 
         
 
          

            34 
          
 
         
 
         
driver.find_element_by_id("su").click()
 
        
 
        
 
         
 
          

            35 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            36 
          
 
         
 
         
# 获取新的页面快照
 
        
 
        
 
         
 
          

            37 
          
 
         
 
         
driver.save_screenshot("长城.png")
 
        
 
        
 
         
 
          

            38 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            39 
          
 
         
 
         
# 打印网页渲染后的源代码
 
        
 
        
 
         
 
          

            40 
          
 
         
 
         
print driver.page_source
 
        
 
        
 
         
 
          

            41 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            42 
          
 
         
 
         
# 获取当前页面Cookie
 
        
 
        
 
         
 
          

            43 
          
 
         
 
         
print driver.get_cookies()
 
        
 
        
 
         
 
          

            44 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            45 
          
 
         
 
         
# ctrl+a 全选输入框内容
 
        
 
        
 
         
 
          

            46 
          
 
         
 
         
driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'a')
 
        
 
        
 
         
 
          

            47 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            48 
          
 
         
 
         
# ctrl+x 剪切输入框内容
 
        
 
        
 
         
 
          

            49 
          
 
         
 
         
driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'x')
 
        
 
        
 
         
 
          

            50 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            51 
          
 
         
 
         
# 输入框从新输入内容
 
        
 
        
 
         
 
          

            52 
          
 
         
 
         
driver.find_element_by_id("kw").send_keys("itcast")
 
        
 
        
 
         
 
          

            53 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            54 
          
 
         
 
         
# 模拟Enter回车键
 
        
 
        
 
         
 
          

            55 
          
 
         
 
         
driver.find_element_by_id("su").send_keys(Keys.RETURN)
 
        
 
        
 
         
 
          

            56 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            57 
          
 
         
 
         
# 清除输入框内容
 
        
 
        
 
         
 
          

            58 
          
 
         
 
         
driver.find_element_by_id("kw").clear()
 
        
 
        
 
         
 
          

            59 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            60 
          
 
         
 
         
# 生成新的页面快照
 
        
 
        
 
         
 
          

            61 
          
 
         
 
         
driver.save_screenshot("itcast.png")
 
        
 
        
 
         
 
          

            62 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            63 
          
 
         
 
         
# 获取当前url
 
        
 
        
 
         
 
          

            64 
          
 
         
 
         
print driver.current_url
 
        
 
        
 
         
 
          

            65 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            66 
          
 
         
 
         
# 关闭当前页面，若是只有一个页面，会关闭浏览器
 
        
 
        
 
         
 
          

            67 
          
 
         
 
         
# driver.close()
 
        
 
        
 
         
 
          

            68 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            69 
          
 
         
 
         
# 关闭浏览器
 
        
 
        
 
         
 
          

            70 
          
 
         
 
         
driver.quit()
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

页面操做

Selenium 的 WebDriver提供了各类方法来寻找元素，假设下面有一个表单输入框：

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
<input type="text" name="user-name" id="passwd-id" />
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

那么：

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
# 获取id标签值
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
element = driver.find_element_by_id("passwd-id")
 
        
 
        
 
         
 
          

            3 
          
 
         
 
         
# 获取name标签值
 
        
 
        
 
         
 
          

            4 
          
 
         
 
         
element = driver.find_element_by_name("user-name")
 
        
 
        
 
         
 
          

            5 
          
 
         
 
         
# 获取标签名值
 
        
 
        
 
         
 
          

            6 
          
 
         
 
         
element = driver.find_elements_by_tag_name("input")
 
        
 
        
 
         
 
          

            7 
          
 
         
 
         
# 也能够经过XPath来匹配
 
        
 
        
 
         
 
          

            8 
          
 
         
 
         
element = driver.find_element_by_xpath("//input[@id='passwd-id']")
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

定位UI元素 (WebElements)

关于元素的选取，有以下的API 单个元素选取

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
find_element_by_id
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
find_elements_by_name
 
        
 
        
 
         
 
          

            3 
          
 
         
 
         
find_elements_by_xpath
 
        
 
        
 
         
 
          

            4 
          
 
         
 
         
find_elements_by_link_text
 
        
 
        
 
         
 
          

            5 
          
 
         
 
         
find_elements_by_partial_link_text
 
        
 
        
 
         
 
          

            6 
          
 
         
 
         
find_elements_by_tag_name
 
        
 
        
 
         
 
          

            7 
          
 
         
 
         
find_elements_by_class_name
 
        
 
        
 
         
 
          

            8 
          
 
         
 
         
find_elements_by_css_selector
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

1. By ID

      
      
      
      
   
       
       
       
       
    
         
       
       
       
       
       
    
        
    
         
    
          
    
           
    
            
    
             
    
              
    
             
    
            
    
            
    
            
    
            
    
             
    
              
    
              
    
              
    
               
   
                 1 
               
    
              
    
              
   <div id="coolestWidgetEvah">...</div>
    
             
    
            
    
           
    
          
    
         
    
        
    
        
    
        
    
         
    
        
    
       
      
      
      
      

   • 实现

          
          
          
          
     
           
           
           
           
      
             
           
           
           
           
           
      
            
      
             
      
              
      
               
      
                
      
                 
      
                  
      
                 
      
                
      
                
      
                
      
                
      
                 
      
                  
      
                  
      
                  
      
                   
     
                     1 
                   
      
                  
      
                  
     element = driver.find_element_by_id("coolestWidgetEvah")
      
                 
      
                 
      
                  
      
                   
     
                     2 
                   
      
                  
      
                  
     ------------------------ or -------------------------
      
                 
      
                 
      
                  
      
                   
     
                     3 
                   
      
                  
      
                  
     from selenium.webdriver.common.by import By
      
                 
      
                 
      
                  
      
                   
     
                     4 
                   
      
                  
      
                  
     element = driver.find_element(by=By.ID, value="coolestWidgetEvah")
      
                 
      
                
      
               
      
              
      
             
      
            
      
            
      
            
      
             
      
            
      
           
          
          
          
          

1. By Class Name

      
      
      
      
   
       
       
       
       
    
         
       
       
       
       
       
    
        
    
         
    
          
    
           
    
            
    
             
    
              
    
             
    
            
    
            
    
            
    
            
    
             
    
              
    
              
    
              
    
               
   
                 1 
               
    
              
    
              
   <div class="cheese"><span>Cheddar</span></div><div class="cheese"><span>Gouda</span></div>
    
             
    
            
    
           
    
          
    
         
    
        
    
        
    
        
    
         
    
        
    
       
      
      
      
      

   • 实现

          
          
          
          
     
           
           
           
           
      
             
           
           
           
           
           
      
            
      
             
      
              
      
               
      
                
      
                 
      
                  
      
                 
      
                
      
                
      
                
      
                
      
                 
      
                  
      
                  
      
                  
      
                   
     
                     1 
                   
      
                  
      
                  
     cheeses = driver.find_elements_by_class_name("cheese")
      
                 
      
                 
      
                  
      
                   
     
                     2 
                   
      
                  
      
                  
     ------------------------ or -------------------------
      
                 
      
                 
      
                  
      
                   
     
                     3 
                   
      
                  
      
                  
     from selenium.webdriver.common.by import By
      
                 
      
                 
      
                  
      
                   
     
                     4 
                   
      
                  
      
                  
     cheeses = driver.find_elements(By.CLASS_NAME, "cheese")
      
                 
      
                
      
               
      
              
      
             
      
            
      
            
      
            
      
             
      
            
      
           
          
          
          
          

2. By Tag Name

      
      
      
      
   
       
       
       
       
    
         
       
       
       
       
       
    
        
    
         
    
          
    
           
    
            
    
             
    
              
    
             
    
            
    
            
    
            
    
            
    
             
    
              
    
              
    
              
    
               
   
                 1 
               
    
              
    
              
   <iframe src="..."></iframe>
    
             
    
            
    
           
    
          
    
         
    
        
    
        
    
        
    
         
    
        
    
       
      
      
      
      

   • 实现

          
          
          
          
     
           
           
           
           
      
             
           
           
           
           
           
      
            
      
             
      
              
      
               
      
                
      
                 
      
                  
      
                 
      
                
      
                
      
                
      
                
      
                 
      
                  
      
                  
      
                  
      
                   
     
                     1 
                   
      
                  
      
                  
     frame = driver.find_element_by_tag_name("iframe")
      
                 
      
                 
      
                  
      
                   
     
                     2 
                   
      
                  
      
                  
     ------------------------ or -------------------------
      
                 
      
                 
      
                  
      
                   
     
                     3 
                   
      
                  
      
                  
     from selenium.webdriver.common.by import By
      
                 
      
                 
      
                  
      
                   
     
                     4 
                   
      
                  
      
                  
     frame = driver.find_element(By.TAG_NAME, "iframe")
      
                 
      
                
      
               
      
              
      
             
      
            
      
            
      
            
      
             
      
            
      
           
          
          
          
          

3. By Name

      
      
      
      
   
       
       
       
       
    
         
       
       
       
       
       
    
        
    
         
    
          
    
           
    
            
    
             
    
              
    
             
    
            
    
            
    
            
    
            
    
             
    
              
    
              
    
              
    
               
   
                 1 
               
    
              
    
              
   <input name="cheese" type="text"/>
    
             
    
            
    
           
    
          
    
         
    
        
    
        
    
        
    
         
    
        
    
       
      
      
      
      

   • 实现

          
          
          
          
     
           
           
           
           
      
             
           
           
           
           
           
      
            
      
             
      
              
      
               
      
                
      
                 
      
                  
      
                 
      
                
      
                
      
                
      
                
      
                 
      
                  
      
                  
      
                  
      
                   
     
                     1 
                   
      
                  
      
                  
     cheese = driver.find_element_by_name("cheese")
      
                 
      
                 
      
                  
      
                   
     
                     2 
                   
      
                  
      
                  
     ------------------------ or -------------------------
      
                 
      
                 
      
                  
      
                   
     
                     3 
                   
      
                  
      
                  
     from selenium.webdriver.common.by import By
      
                 
      
                 
      
                  
      
                   
     
                     4 
                   
      
                  
      
                  
     cheese = driver.find_element(By.NAME, "cheese")
      
                 
      
                
      
               
      
              
      
             
      
            
      
            
      
            
      
             
      
            
      
           
          
          
          
          

4. By Link Text

      
      
      
      
   
       
       
       
       
    
         
       
       
       
       
       
    
        
    
         
    
          
    
           
    
            
    
             
    
              
    
             
    
            
    
            
    
            
    
            
    
             
    
              
    
              
    
              
    
               
   
                 1 
               
    
              
    
              
   <a href="http://www.google.com/search?q=cheese">cheese</a>
    
             
    
            
    
           
    
          
    
         
    
        
    
        
    
        
    
         
    
        
    
       
      
      
      
      

   • 实现

          
          
          
          
     
           
           
           
           
      
             
           
           
           
           
           
      
            
      
             
      
              
      
               
      
                
      
                 
      
                  
      
                 
      
                
      
                
      
                
      
                
      
                 
      
                  
      
                  
      
                  
      
                   
     
                     1 
                   
      
                  
      
                  
     cheese = driver.find_element_by_link_text("cheese")
      
                 
      
                 
      
                  
      
                   
     
                     2 
                   
      
                  
      
                  
     ------------------------ or -------------------------
      
                 
      
                 
      
                  
      
                   
     
                     3 
                   
      
                  
      
                  
     from selenium.webdriver.common.by import By
      
                 
      
                 
      
                  
      
                   
     
                     4 
                   
      
                  
      
                  
     cheese = driver.find_element(By.LINK_TEXT, "cheese")
      
                 
      
                
      
               
      
              
      
             
      
            
      
            
      
            
      
             
      
            
      
           
          
          
          
          

5. By Partial Link Text

      
      
      
      
   
       
       
       
       
    
         
       
       
       
       
       
    
        
    
         
    
          
    
           
    
            
    
             
    
              
    
             
    
            
    
            
    
            
    
            
    
             
    
              
    
              
    
              
    
               
   
                 1 
               
    
              
    
              
   <a href="http://www.google.com/search?q=cheese">search for cheese</a>>
    
             
    
            
    
           
    
          
    
         
    
        
    
        
    
        
    
         
    
        
    
       
      
      
      
      

   • 实现

          
          
          
          
     
           
           
           
           
      
             
           
           
           
           
           
      
            
      
             
      
              
      
               
      
                
      
                 
      
                  
      
                 
      
                
      
                
      
                
      
                
      
                 
      
                  
      
                  
      
                  
      
                   
     
                     1 
                   
      
                  
      
                  
     cheese = driver.find_element_by_partial_link_text("cheese")
      
                 
      
                 
      
                  
      
                   
     
                     2 
                   
      
                  
      
                  
     ------------------------ or -------------------------
      
                 
      
                 
      
                  
      
                   
     
                     3 
                   
      
                  
      
                  
     from selenium.webdriver.common.by import By
      
                 
      
                 
      
                  
      
                   
     
                     4 
                   
      
                  
      
                  
     cheese = driver.find_element(By.PARTIAL_LINK_TEXT, "cheese")
      
                 
      
                
      
               
      
              
      
             
      
            
      
            
      
            
      
             
      
            
      
           
          
          
          
          

6. By CSS

      
      
      
      
   
       
       
       
       
    
         
       
       
       
       
       
    
        
    
         
    
          
    
           
    
            
    
             
    
              
    
             
    
            
    
            
    
            
    
            
    
             
    
              
    
              
    
              
    
               
   
                 1 
               
    
              
    
              
   <div id="food"><span class="dairy">milk</span><span class="dairy aged">cheese</span></div>
    
             
    
            
    
           
    
          
    
         
    
        
    
        
    
        
    
         
    
        
    
       
      
      
      
      

   • 实现

          
          
          
          
     
           
           
           
           
      
             
           
           
           
           
           
      
            
      
             
      
              
      
               
      
                
      
                 
      
                  
      
                 
      
                
      
                
      
                
      
                
      
                 
      
                  
      
                  
      
                  
      
                   
     
                     1 
                   
      
                  
      
                  
     cheese = driver.find_element_by_css_selector("#food span.dairy.aged")
      
                 
      
                 
      
                  
      
                   
     
                     2 
                   
      
                  
      
                  
     ------------------------ or -------------------------
      
                 
      
                 
      
                  
      
                   
     
                     3 
                   
      
                  
      
                  
     from selenium.webdriver.common.by import By
      
                 
      
                 
      
                  
      
                   
     
                     4 
                   
      
                  
      
                  
     cheese = driver.find_element(By.CSS_SELECTOR, "#food span.dairy.aged")
      
                 
      
                
      
               
      
              
      
             
      
            
      
            
      
            
      
             
      
            
      
           
          
          
          
          

7. By XPath

      
      
      
      
   
       
       
       
       
    
         
       
       
       
       
       
    
        
    
         
    
          
    
           
    
            
    
             
    
              
    
             
    
            
    
            
    
            
    
            
    
             
    
              
    
              
    
              
    
               
   
                 1 
               
    
              
    
              
   <input type="text" name="example" />
    
             
    
             
    
              
    
               
   
                 2 
               
    
              
    
              
   <INPUT type="text" name="other" />
    
             
    
            
    
           
    
          
    
         
    
        
    
        
    
        
    
         
    
        
    
       
      
      
      
      

   • 实现

          
          
          
          
     
           
           
           
           
      
             
           
           
           
           
           
      
            
      
             
      
              
      
               
      
                
      
                 
      
                  
      
                 
      
                
      
                
      
                
      
                
      
                 
      
                  
      
                  
      
                  
      
                   
     
                     1 
                   
      
                  
      
                  
     inputs = driver.find_elements_by_xpath("//input")
      
                 
      
                 
      
                  
      
                   
     
                     2 
                   
      
                  
      
                  
     ------------------------ or -------------------------
      
                 
      
                 
      
                  
      
                   
     
                     3 
                   
      
                  
      
                  
     from selenium.webdriver.common.by import By
      
                 
      
                 
      
                  
      
                   
     
                     4 
                   
      
                  
      
                  
     inputs = driver.find_elements(By.XPATH, "//input")
      
                 
      
                
      
               
      
              
      
             
      
            
      
            
      
            
      
             
      
            
      
           
          
          
          
          

鼠标动做链

有些时候，咱们须要再页面上模拟一些鼠标操做，好比双击、右击、拖拽甚至按住不动等，咱们能够经过导入 ActionChains 类来作到：

示例：

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
#导入 ActionChains 类
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
from selenium.webdriver import ActionChains
 
        
 
        
 
         
 
          

            3 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            4 
          
 
         
 
         
# 鼠标移动到 ac 位置
 
        
 
        
 
         
 
          

            5 
          
 
         
 
         
ac = driver.find_element_by_xpath('element')
 
        
 
        
 
         
 
          

            6 
          
 
         
 
         
ActionChains(driver).move_to_element(ac).perform()
 
        
 
        
 
         
 
          

            7 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            8 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            9 
          
 
         
 
         
# 在 ac 位置单击
 
        
 
        
 
         
 
          

            10 
          
 
         
 
         
ac = driver.find_element_by_xpath("elementA")
 
        
 
        
 
         
 
          

            11 
          
 
         
 
         
ActionChains(driver).move_to_element(ac).click(ac).perform()
 
        
 
        
 
         
 
          

            12 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            13 
          
 
         
 
         
# 在 ac 位置双击
 
        
 
        
 
         
 
          

            14 
          
 
         
 
         
ac = driver.find_element_by_xpath("elementB")
 
        
 
        
 
         
 
          

            15 
          
 
         
 
         
ActionChains(driver).move_to_element(ac).double_click(ac).perform()
 
        
 
        
 
         
 
          

            16 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            17 
          
 
         
 
         
# 在 ac 位置右击
 
        
 
        
 
         
 
          

            18 
          
 
         
 
         
ac = driver.find_element_by_xpath("elementC")
 
        
 
        
 
         
 
          

            19 
          
 
         
 
         
ActionChains(driver).move_to_element(ac).context_click(ac).perform()
 
        
 
        
 
         
 
          

            20 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            21 
          
 
         
 
         
# 在 ac 位置左键单击hold住
 
        
 
        
 
         
 
          

            22 
          
 
         
 
         
ac = driver.find_element_by_xpath('elementF')
 
        
 
        
 
         
 
          

            23 
          
 
         
 
         
ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()
 
        
 
        
 
         
 
          

            24 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            25 
          
 
         
 
         
# 将 ac1 拖拽到 ac2 位置
 
        
 
        
 
         
 
          

            26 
          
 
         
 
         
ac1 = driver.find_element_by_xpath('elementD')
 
        
 
        
 
         
 
          

            27 
          
 
         
 
         
ac2 = driver.find_element_by_xpath('elementE')
 
        
 
        
 
         
 
          

            28 
          
 
         
 
         
ActionChains(driver).drag_and_drop(ac1, ac2).perform()
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

填充表单

咱们已经知道了怎样向文本框中输入文字，可是有时候咱们会碰到<select> </select>标签的下拉框。直接点击下拉框中的选项不必定可行。

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
<select id="status" class="form-control valid" onchange="" name="status">
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
    <option value=""></option>
 
        
 
        
 
         
 
          

            3 
          
 
         
 
         
    <option value="0">未审核</option>
 
        
 
        
 
         
 
          

            4 
          
 
         
 
         
    <option value="1">初审经过</option>
 
        
 
        
 
         
 
          

            5 
          
 
         
 
         
    <option value="2">复审经过</option>
 
        
 
        
 
         
 
          

            6 
          
 
         
 
         
    <option value="3">审核不经过</option>
 
        
 
        
 
         
 
          

            7 
          
 
         
 
         
</select>
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

Selenium专门提供了Select类来处理下拉框。 其实 WebDriver 中提供了一个叫 Select 的方法，能够帮助咱们完成这些事情：

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
# 导入 Select 类
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
from selenium.webdriver.support.ui import Select
 
        
 
        
 
         
 
          

            3 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            4 
          
 
         
 
         
# 找到 name 的选项卡
 
        
 
        
 
         
 
          

            5 
          
 
         
 
         
select = Select(driver.find_element_by_name('status'))
 
        
 
        
 
         
 
          

            6 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            7 
          
 
         
 
         
# 
 
        
 
        
 
         
 
          

            8 
          
 
         
 
         
select.select_by_index(1)
 
        
 
        
 
         
 
          

            9 
          
 
         
 
         
select.select_by_value("0")
 
        
 
        
 
         
 
          

            10 
          
 
         
 
         
select.select_by_visible_text(u"未审核")
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

以上是三种选择下拉框的方式，它能够根据索引来选择，能够根据值来选择，能够根据文字来选择。注意：

• index 索引从 0 开始
• value是option标签的一个属性值，并非显示在下拉框中的值
• visible_text是在option标签文本的值，是显示在下拉框的值

所有取消选择怎么办呢？很简单:

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
select.deselect_all()
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

弹窗处理

当你触发了某个事件以后，页面出现了弹窗提示，处理这个提示或者获取提示信息方法以下：

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
alert = driver.switch_to_alert()
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

页面切换

一个浏览器确定会有不少窗口，因此咱们确定要有方法来实现窗口的切换。切换窗口的方法以下：

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
driver.switch_to.window("this is window name")
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

也可使用 window_handles 方法来获取每一个窗口的操做对象。例如：

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
for handle in driver.window_handles:
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
    driver.switch_to_window(handle)
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

页面前进和后退

操做页面的前进和后退功能：

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
driver.forward()     #前进
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
driver.back()        # 后退
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

Cookies

获取页面每一个Cookies值，用法以下

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
for cookie in driver.get_cookies():
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
    print "%s -> %s" % (cookie['name'], cookie['value'])
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

删除Cookies，用法以下

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
# By name
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
driver.delete_cookie("CookieName")
 
        
 
        
 
         
 
          

            3 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            4 
          
 
         
 
         
# all
 
        
 
        
 
         
 
          

            5 
          
 
         
 
         
driver.delete_all_cookies()
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

页面等待

注意：这是很是重要的一部分！！

如今的网页愈来愈多采用了 Ajax 技术，这样程序便不能肯定什么时候某个元素彻底加载出来了。若是实际页面等待时间过长致使某个dom元素还没出来，可是你的代码直接使用了这个WebElement，那么就会抛出NullPointer的异常。

为了不这种元素定位困难并且会提升产生 ElementNotVisibleException 的几率。因此 Selenium 提供了两种等待方式，一种是隐式等待，一种是显式等待。

隐式等待是等待特定的时间，显式等待是指定某一条件直到这个条件成立时继续执行。

显式等待

显式等待指定某个条件，而后设置最长等待时间。若是在这个时间尚未找到元素，那么便会抛出异常了。

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
from selenium import webdriver
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
from selenium.webdriver.common.by import By
 
        
 
        
 
         
 
          

            3 
          
 
         
 
         
# WebDriverWait 库，负责循环等待
 
        
 
        
 
         
 
          

            4 
          
 
         
 
         
from selenium.webdriver.support.ui import WebDriverWait
 
        
 
        
 
         
 
          

            5 
          
 
         
 
         
# expected_conditions 类，负责条件出发
 
        
 
        
 
         
 
          

            6 
          
 
         
 
         
from selenium.webdriver.support import expected_conditions as EC
 
        
 
        
 
         
 
          

            7 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            8 
          
 
         
 
         
driver = webdriver.Chrome()
 
        
 
        
 
         
 
          

            9 
          
 
         
 
         
driver.get("http://www.xxxxx.com/loading")
 
        
 
        
 
         
 
          

            10 
          
 
         
 
         
try:
 
        
 
        
 
         
 
          

            11 
          
 
         
 
         
    # 页面一直循环，直到 id="myDynamicElement" 出现
 
        
 
        
 
         
 
          

            12 
          
 
         
 
         
    element = WebDriverWait(driver, 10).until(
 
        
 
        
 
         
 
          

            13 
          
 
         
 
         
        EC.presence_of_element_located((By.ID, "myDynamicElement"))
 
        
 
        
 
         
 
          

            14 
          
 
         
 
         
    )
 
        
 
        
 
         
 
          

            15 
          
 
         
 
         
finally:
 
        
 
        
 
         
 
          

            16 
          
 
         
 
         
    driver.quit()
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

若是不写参数，程序默认会 0.5s 调用一次来查看元素是否已经生成，若是原本元素就是存在的，那么会当即返回。

下面是一些内置的等待条件，你能够直接调用这些条件，而不用本身写某些等待条件了。

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
title_is
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
title_contains
 
        
 
        
 
         
 
          

            3 
          
 
         
 
         
presence_of_element_located
 
        
 
        
 
         
 
          

            4 
          
 
         
 
         
visibility_of_element_located
 
        
 
        
 
         
 
          

            5 
          
 
         
 
         
visibility_of
 
        
 
        
 
         
 
          

            6 
          
 
         
 
         
presence_of_all_elements_located
 
        
 
        
 
         
 
          

            7 
          
 
         
 
         
text_to_be_present_in_element
 
        
 
        
 
         
 
          

            8 
          
 
         
 
         
text_to_be_present_in_element_value
 
        
 
        
 
         
 
          

            9 
          
 
         
 
         
frame_to_be_available_and_switch_to_it
 
        
 
        
 
         
 
          

            10 
          
 
         
 
         
invisibility_of_element_located
 
        
 
        
 
         
 
          

            11 
          
 
         
 
         
element_to_be_clickable – it is Displayed and Enabled.
 
        
 
        
 
         
 
          

            12 
          
 
         
 
         
staleness_of
 
        
 
        
 
         
 
          

            13 
          
 
         
 
         
element_to_be_selected
 
        
 
        
 
         
 
          

            14 
          
 
         
 
         
element_located_to_be_selected
 
        
 
        
 
         
 
          

            15 
          
 
         
 
         
element_selection_state_to_be
 
        
 
        
 
         
 
          

            16 
          
 
         
 
         
element_located_selection_state_to_be
 
        
 
        
 
         
 
          

            17 
          
 
         
 
         
alert_is_present
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

隐式等待

隐式等待比较简单，就是简单地设置一个等待时间，单位为秒。

 
 
 
 

  
  
  
  
 
    
  
  
  
  
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
        
 
       
 
       
 
       
 
       
 
        
 
         
 
         
 
         
 
          

            1 
          
 
         
 
         
from selenium import webdriver
 
        
 
        
 
         
 
          

            2 
          
 
         
 
         
​
 
        
 
        
 
         
 
          

            3 
          
 
         
 
         
driver = webdriver.Chrome()
 
        
 
        
 
         
 
          

            4 
          
 
         
 
         
driver.implicitly_wait(10) # seconds
 
        
 
        
 
         
 
          

            5 
          
 
         
 
         
driver.get("http://www.xxxxx.com/loading")
 
        
 
        
 
         
 
          

            6 
          
 
         
 
         
myDynamicElement = driver.find_element_by_id("myDynamicElement")
 
        
 
       
 
      
 
     
 
    
 
   
 
   
 
   
 
    
 
   
 
  
 
 
 
 

固然若是不设置，默认等待时间为0。