python爬虫---从零开始（六）Selenium库

什么是Selenium库：

　　自动化测试工具，支持多种浏览器。支持的浏览器包括IE（7, 8, 9, 10, 11），Mozilla Firefox，Safari，Google Chrome，Opera等。

爬虫中主要用来解决JavaScript渲染的问题。用于驱动浏览器，而且给予浏览器动做。

安装Selenium库：pip3 install selenium

Selcnium库的使用详解：

　　在使用以前咱们须要安装webDriver驱动，具体安装方式，自行百度，切记版本对应。

　　基本使用：

#!/usr/bin/env python # -*- coding: utf-8 -*- # 基本用法
from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.common.keys import Keys from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait browser = webdriver.Chrome() try: browser.get("http://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()

若是这段代码能够运行，说明你的webDriver版本正确（须要安装Google浏览器）

运行结果：

　　声明浏览器对象：

刚才咱们说了Selenium支持多浏览器，下面我看下分别怎么进行声明

#!/usr/bin/env python # -*- coding: utf-8 -*- # 声明浏览器对象
from selenium import webdriver browser = webdriver.Chrome() browser = webdriver.Safari() browser = webdriver.Edge() browser = webdriver.Firefox() browser = webdriver.PhantomJS()

我这里没有安装那些浏览器，就不给你们运行代码了，建议使用Chrome浏览器（Google谷歌浏览器）

访问页面：

#!/usr/bin/env python # -*- coding: utf-8 -*- # 访问页面
from selenium import webdriver browser = webdriver.Chrome() browser.get("http://baidu.com") print(browser.page_source) browser.close()

运行结果：

查找元素：

　　单个元素：

#!/usr/bin/env python # -*- coding: utf-8 -*- # 查找元素，单个元素
from selenium import webdriver browser = webdriver.Chrome() browser.get("http://taobao.com") input_first = browser.find_element_by_id('q') input_second = browser.find_element_by_css_selector('#q') input_three = browser.find_element_by_xpath('//*[@id="q"]') print(input_first) print(input_second) print(input_three) browser.close()

运行结果：

• 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

这些都为查找方式

也能够用通用方式来查找：

#!/usr/bin/env python # -*- coding: utf-8 -*- # 查找元素，单个元素
from selenium import webdriver from selenium.webdriver.common.by import By browser = webdriver.Chrome() browser.get("http://taobao.com") input_first = browser.find_element(By.ID,'q') print(input_first) browser.close()

运行结果：

多个元素：

#!/usr/bin/env python # -*- coding: utf-8 -*- # 查找元素，多个元素
from selenium import webdriver from selenium.webdriver.common.by import By browser = webdriver.Chrome() browser.get("http://taobao.com") input_first = browser.find_elements_by_css_selector('.service-bd li') for i in input_first: print(i) browser.close()

运行结果：

还有不少方法和find_elment用法彻底一致，返回一个列表数据。

元素交互操做：

对获取的元素调用交互方法：

#!/usr/bin/env python # -*- coding: utf-8 -*- # 元素交互操做

from selenium import webdriver from selenium.webdriver.common.by import By browser = webdriver.Chrome() browser.get("http://baidu.com") input_first = browser.find_element(By.ID,'kw') input_first.send_keys('python从入坑到放弃') button = browser.find_element_by_class_name('bg s_btn') button.click()

运行代码咱们会看到打开Chrome浏览器，而且输入要搜索的内容，而后点击搜索按钮。更多操做访问地址：https://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.remote.webelement

交互操做：

将动做附加到动做链中串行执行

#!/usr/bin/env python # -*- coding: utf-8 -*- # 交互操做
from selenium import webdriver from selenium.webdriver import ActionChains browser = webdriver.Chrome() url = 'https://www.runoob.com/try/try.php?filename=jqueryui-api-droppable' browser.get(url) browser.switch_to.frame('iframeResult') source = browser.find_element_by_id('draggable') target = browser.find_element_by_id('droppable') actions = ActionChains(browser) actions.drag_and_drop(source, target) actions.perform()

运行代码咱们会看到内部的滑块进行了拖拽操做。更多详细的操做能够访问：https://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains

执行Javascript：⭐️⭐️⭐️⭐️⭐️

#!/usr/bin/env python # -*- coding: utf-8 -*- # 执行javascript
from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.zhihu.com/explore') browser.execute_script('window.scrollTo(0,document.body.scrollHeight)') browser.execute_script('alert("弹出")')

运行代码咱们能够看到，滚动条被下拉，而且给予了弹出框。

获取元素信息：

　　获取属性：

#!/usr/bin/env python # -*- coding: utf-8 -*- # 获取元素信息：获取属性
from selenium import webdriver browser = webdriver.Chrome() url = "http://www.zhihu.com/explore" browser.get(url) logo = browser.find_element_by_id('zh-top-link-logo') print(logo) print(logo.get_attribute('class'))

运行结果：

获取文本值：

#!/usr/bin/env python # -*- coding: utf-8 -*- # 获取文本值
from selenium import webdriver browser = webdriver.Chrome() url = "http://www.zhihu.com/explore" browser.get(url) question = browser.find_element_by_class_name('zu-top-add-question') print(question.text)

运行结果：

获取ID，位置，标签名，大小：

#!/usr/bin/env python # -*- coding: utf-8 -*- # 获取ID，位置，标签名，大小
from selenium import webdriver browser = webdriver.Chrome() url = "http://www.zhihu.com/explore" browser.get(url) question = browser.find_element_by_class_name('zu-top-add-question') print(question.id) print(question.location) print(question.tag_name) print(question.size)

运行结果：

Frame：

#!/usr/bin/env python # -*- coding: utf-8 -*- # Frame
from selenium import webdriver from selenium.common.exceptions import NoSuchElementException browser = webdriver.Chrome() url = 'https://www.runoob.com/try/try.php?filename=jqueryui-api-droppable' browser.get(url) browser.switch_to.frame('iframeResult') source = browser.find_element_by_id('draggable') print(source) try: logo = browser.find_element_by_class_name('logo') except NoSuchElementException: print("NO LOGO") browser.switch_to.parent_frame() logo = browser.find_element_by_class_name('logo') print(logo) print(logo.text)

运行结果：

等待：

隐式等待 ：

当使用了隐式等待执行测试的时候，若是WebDriver没有在DOM中找到元素，将继续等待，超出设定时间则抛出找不到元素的异常，换句话来讲，当元素或查找元素没有当即出现的时候，隐式等待将等待一段时间再查找DOM，默认时间是0

#!/usr/bin/env python # -*- coding: utf-8 -*- # 隐式等待
from selenium import webdriver browser = webdriver.Chrome() url = "http://www.zhihu.com/explore" browser.get(url) input = browser.find_element_by_class_name('zu-top-add-question') print(input)

运行结果：

显示等待：比较经常使用

#!/usr/bin/env python # -*- coding: utf-8 -*- # 显示等待
from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.common.keys import Keys from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait browser = webdriver.Chrome() browser.get("http://www.taobao.com") wait = WebDriverWait(browser, 10) wait.until(EC.presence_of_element_located((By.ID,'q'))) button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,'.btn-search'))) print(input,button)

• title_is 标题是某内容

• title_contains 标题包含某内容

• presence_of_element_located 元素加载出，传入定位元祖，如（By.ID,'p'）

• visibility_of_element_located 元素可见，传入定位元祖

• visibility_of 可见，传入元素对象

• presence_of_all_elements_located 全部元素加载出

• text_to_be_present_in_element 某个元素文本包含某文字

• text_to_be_present_in_element_value 某个元素值包含某文字

• frame_to_be_available_and_switch_to_it 加载并切换

• invisibility_of_element_located 元素不可见

• element_to_be_clickable 元素可点击

• staleness_of 判断一个元素是否仍在DOM,可判断页面是否已经刷新

• element_to_be_selected 元素可选择，传元素对象

• element_located_to_be_selected 元素能够选择，传入定位元祖

• element_selection_state_to_be 传入元素对象以及状态，相等返回True，不然返回False

• element_located_selection_state_to_be 传入定位元祖以及状态，相等返回True，不然返回False

• alert_is_present 是否出现Alert

　　详细内容，能够阅读官方地址：https://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.expected_conditions

前进和后退：

#!/usr/bin/env python # -*- coding: utf-8 -*- # 前进和后退
from selenium import webdriver browser = webdriver.Chrome() browser.get("http://www.taobao.com") browser.get("http://www.baidu.com") browser.get("http://www.zhihu.com") browser.back() browser.forward()

运行代码咱们会看到优先你们taobao.com而后打开baidu.com，最后打开zhihu.com，而后执行退回动做和前进动做

Cookies：

#!/usr/bin/env python # -*- coding: utf-8 -*- # Cookies
from selenium import webdriver browser = webdriver.Chrome() browser.get("http://www.zhihu.com") print(browser.get_cookies()) browser.add_cookie({'name':'admin','domain':'www.zhihu.com','value':'cxiaocai'}) print(browser.get_cookies()) browser.delete_all_cookies() print(browser.get_cookies())

运行结果：

选项卡管理：

#!/usr/bin/env python # -*- coding: utf-8 -*- # 选项卡管理
from selenium import webdriver browser = webdriver.Chrome() browser.get("http://www.baidu.com") browser.execute_script('window.open()') print(browser.window_handles) browser.switch_to.window(browser.window_handles[1]) browser.get('http://www.taobao.com') browser.switch_to.window(browser.window_handles[0]) browser.get('http://www.zhihu.com')

也可使用浏览器的快捷方式的操做键位来打开窗口（不建议这样使用，建议使用上面的方式来管理选项卡）

异常处理：

#!/usr/bin/env python # -*- coding: utf-8 -*- # 异常处理
from selenium import webdriver from selenium.common.exceptions import TimeoutException,NoSuchElementException browser = webdriver.Chrome() try: browser.get("http://www.baidu.com") except TimeoutException: print("请求超时") try: browser.find_element_by_id('hello') except NoSuchElementException: print("NoSuchElementException")

运行结果：

因为异常处理比较复杂，异常也有不少，在这里不在一一列举了，建议你们去官网查看，地址：https://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions  

上述代码地址：https://gitee.com/dwyui/senlenium.git

到这里Selenium库的使用就说完了，python用于爬虫的库就说了这么多，前面的urllib,Requests,BeautfuliSoup,PyQuery还有今天的Selenium库，明天开始直接讲解真实案例，最近我会整理几个简单的小爬虫案例。