21 selenuim

0 导语

ajax基本介绍

动态了解HTML技术

• JS
  是网络上最常用的脚本言语,它可以收集用户的跟踪数据,不需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
• jQuery
  jQuery是一个快速、简介的JavaScript框架,封装JavaScript常用的功能代码
• ajax
  ajax可以使用页面实现异步更新,可以在不重新加载整个页面的情况下,对页面的某部分进行更新
  • 获取ajax数据的方式

1. 直接分析ajax调用的接口。然后通过代码请求这个接口。
2. 使用Selenium+chromedriver模拟浏览器行为获取数据
   

1.selenuim

1.1 selenuim介绍

• selenium是意个web的自动化测试工具，最初是为网站自动化测试而开发的，selenium可以直接运行在浏览器上，它支持所有主流的浏览器，可以接收指令，让浏览器自动加载页面，获取需要的数据，甚至截屏

• chromedriver是一个驱动Chrome浏览器的驱动程序，使用他才可以驱动浏览器。当然针对不同的浏览器有不同的driver。以下列出了不同浏览器及其对应的driver：
  Chrome：
  https://sites.google.com/a/chromium.org/chromedriver/downloads

  Firefox：https://github.com/mozilla/geckodriver/releases

  Edge：https://developer.microsoft.com/enus/microsoftedge/tools/webdriver/

  Safari：https://webkit.org/blog/6900/webdriver-support-insafari-10/

下载chromedriver
百度搜索：淘宝镜像(https://npm.taobao.org/)
安装总结：https://www.jianshu.com/p/a383e8970135
安装Selenium：pip install selenium
为。浏览器能请求到

1.2 Phantomjs介绍

ps：现在比较少用webdriver.PhantomJs（），主流是webdriver.Chrome（）

无头浏览器：一个完整的浏览器内核,包括js解析引擎,渲染引擎,请求处理等,但是不包括显示和用户交互界面的浏览器

1 # 1.加载⽹⻚
2 from selenium import webdriver
3 driver = webdriver.PhantomJS("安装目录")
4 driver.get("https://www.baidu.com")
5 driver.save_screenshot("baidu.png")
6
7 # 2.定位和操作
8 driver.find_element_by_id("kw").send_keys("⻓城")
9 driver.find_element_by_id("su").click()
10
11 # 3.查看请求信息
12 driver.page_source
13 driver.get_cookies()
14 driver.current_url
15
16 # 4.退出
17 driver.quit()

1.3 selenuim快速入门

1 from selenium import webdriver
2
3 # 实例化浏览器
4 driver = webdriver.Chrome()
5
6 # 发送请求
7 driver.get('https://www.baidu.com')
8
9 # 退出浏览器
10 driver.quit()

chromedrive和phantomjs的驱动最好放在环境变量的目录下，这样webdriver.chrome（‘安装目录）/webdriver.PhantomJS(“安装目录”)的安装目录无需输入参数
若不放环境变量的目录下，那就复制到当前使用驱动程序的文件目录下，然后在webdriver.chrome（‘安装目录）/webdriver.PhantomJS(“安装目录”)输入其路径

1.4 selenuim定位元素

• ind_element_by_id：根据id来查找某个元素

driver.find_element_by_id(’ ‘).send_keys(’ ')

此外还有另一种根据id来查找某个元素等价的方式，需要先导入from selenium.webdriver.common.by import By
driver.find_element(By.ID,‘kw’).send_keys(‘java’)

• find_element_by_class_name：根据类名查找元素

driver.find_element_by_class_name(‘s_ipt’).send_keys(’’)

此外还有另一种根据id来查找某个元素等价的方式，需要先导入from selenium.webdriver.common.by import By
driver.find_element(By.CLASS_NAME,‘s_ipt’).send_keys(’ ')

• find_element_by_name：根据name属性的值来查找元素

driver.find_element_by_name(‘wd’).send_keys(‘James’)

同上述，先导入…driver.find_element(By.NAME,‘wd’).send_keys(‘666’)

• find_element_by_tag_name：根据标签名来查找元素

head = driver.find_element_by_tag_name(’ ')

Tag标签的查找方式比较少用，知道就可以

• find_element_by_xpath：根据xpath语法来获取元素

driver.find_element_by_xpath(’ ‘).send_keys(’ ')

selenium使用find_element_by_xpath(’//li[@class = xx xx x’)时，注意，使用的xpath里面不能有空格，操作：空格/on均需删除

• find_element_by_css_selector：根据css选择器选择元素

driver.find_element_by_css_selector(’.s_ipt’).send_keys(‘python’)
(’.s_ipt’.)里面的.点相当于 class，若里面是#，则相当于id

要注意，find_element是获取第一个满足条件的元素。find_elements是获取所有满足条件的元素

1.5 操作表单元素

操作输入框：分为两步。
第1步：找到这个元素。
第2步：使用send_keys(value)，将数据填充进去

• 使用clear，可以清除输入框中的内容

xxx.clear()

• 操作按钮
  操作按钮有很多种方式。如单击、右击、双击等。最常用的就是单击。直接调用click函数就可以了

rememberTag=driver.find_element_by_name(“rememberMe”)
rememberTag.click()

• 选择select（下拉框常用到该方法）
  select元素不能直接点击。因为点击后还需要选中元素。这时候selenium就专门为select标签提供了一个类selenium.webdriver.support.ui.Select。将获取到的元素当成参数传到这个类中，创建这个对象。以后就可以使用这个对象进行选择了。使用详情https://www.17sucai.com/boards/53562.html

案例：

使用Select方法，要先导入selenium.webdriver.support.ui import Select

from selenium import webdriver
import time
from selenium.webdriver.support.ui import Select
driver = webdriver.Chrome()
# 打开目标网站
driver.get('https://www.17sucai.com/pins/demo-show?id=5926')

# 切换iframe
driver.switch_to_frame(driver.find_element_by_id('iframe'))

# 找到下拉框

selectTag = Select(driver.find_element_by_class_name('nojs'))

# 选择方式
# 1.根据值来选择
selectTag.select_by_value('CA')

# 2.根据索引来选择
selectTag.select_by_index(3)

上述网站在iframe处做了反爬技术，因此，以后注意，若定位的元素获取不了时，查看网站源代码是否有iframe，若有，要用driver.switch_to_frame（）切换至正真能获取该元素的页面，尤其是获取下拉框的时候，要特别注意这个iframe

当所需选取下拉框里的元素与下拉框不同时存在于select标签中时，无法使用Select（）方法
此时，用回常规方法，先选取下拉框元素后.click（），然后选取所需下拉框里得元素.click（）

driver = webdriver.Chrome()
url = 'https://www.17sucai.com/pins/demo-show?id=5926'
driver.get(url)
driver.switch_to_frame(driver.find_element_by_id('iframe'))
driver.find_element_by_xpath('//*[@id="dk_container_country-nofake"]/a').click()
key = int(input("请输入："))
if key ==1:
    driver.find_element_by_xpath('//*[@id="dk_container_country-nofake"]/div/ul/li[1]/a').click()
elif key ==2:
    driver.find_element_by_xpath('//*[@id="dk_container_country-nofake"]/div/ul/li[2]/a').click()
elif key ==3:
    driver.find_element_by_xpath('//*[@id="dk_container_country-nofake"]/div/ul/li[3]/a').click()

1.6 行为链

有时候在页面中的操作可能要有很多步，那么这时候可以使用鼠标行为链类ActionChains来完成。如现在要将鼠标移动到某个元素上并执行点击事件

案列：

使用ActionChains方法，先导入from selenium.webdriver.common.action_chains import ActionChains，
且最后要提交行为链上的操作，actions.perform()，否则该行为不会执行

from selenium import webdriver
import time
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.by import By

driver = webdriver.Chrome()

driver.get('https://www.baidu.com/')

# 定位到输入框
inputTag = driver.find_element_by_id('kw')

# 定位到百度按钮
submitBtn = driver.find_element_by_id('su')

# 实例化
actions = ActionChains(driver)

# 把鼠标移动到输入框
#actions.move_to_element(inputTag)

# 输入内容
actions.send_keys_to_element(inputTag,'python')

# 点击按钮 百度一下
#actions.move_to_element(submitBtn)
actions.click(submitBtn)

# 点击右键
actions.context_click()

# 提交行为链上的操作
actions.perform()

还有更多的鼠标相关的操作
click_and_hold(element)：点击但不松开鼠标。
context_click(element)：右键点击。
double_click(element)：双击。
更多用法请参考：http://seleniumpython.readthedocs.io/api.html

1.7 Selenium页面等待

1.7.1 Cookie操作

• 获取所有的cookie

cookies = driver.get_cookies()

• 根据cookie的key获取cookie

value = driver.get_cookie(key)

• 删除某个cookie

driver.delete_cookie(‘key’)

1.7.2 页面等待

• 现在的⽹⻚越来越多采用了 Ajax 技术，这样程序便不能确定何时某个元素完全加载出来了。如果实际页面等待时间过长导致某个dom元素还没出来，但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
  解决这个问题。所以 Selenium 提供了两种等待方式：隐式等待、显式等待

  • 隐式等待：调用driver.implicitly_wait。那么在获取不可用的元素之前，会先等待X秒中的时间。若在X秒内获取到所需元素，则立即开始执行程序。（注，time.sleep（），则 无论是否获取到元素，都要等待设定的时间过了才会执行）

  driver.implicitly_wait(10)

  • 显示等待：显示等待是表明某个条件成⽴后才执⾏获取元素的操作。也可以在等待的时候指定一个最长的时间，如果超过这个时间那么就抛出一个异常。显示等待应该使用selenium.webdriver.support.excepted_conditions期望的条件selenium.webdriver.support.ui.WebDriverWait来配合完成

1 from selenium import webdriver
2 from selenium.webdriver.common.by import By
3 from selenium.webdriver.support.ui import WebDriverWait
4 from selenium.webdriver.support import expected_conditions as EC
5
6 driver = webdriver.Chrome()
7 driver.get("https://www.baidu.com/")
8
9 try:
10 element = WebDriverWait(driver, 10).until(
11 EC.presence_of_element_located((By.ID, "myDynamicElement"))
12 )
13 finally:
14 driver.quit()

其他的等待条件
presence_of_element_located：某个元素已经加载完毕了。
presence_of_all_elements_located：网页中所有满足条件的元素都加载完毕了。
element_to_be_clickable：某个元素是可以点击了。
更多条件请参考：http://seleniumpython.readthedocs.io/waits.html

1.8 打开多窗口和切换页面

• 有时候窗口中有很多个tab页面。这时候肯定是需要进行切换的。selenium提供了一个叫做switch_to_window来进行切换，具体切换到哪个窗口，可以从driver.window_handles[ 序数 ]中找到

案列：

from selenium import webdriver
import time

driver = webdriver.Chrome()

driver.get('https://www.baidu.com/') # 打开百度

driver.execute_script('window.open("https://www.douban.com/")') # 打开豆瓣

# driver.close() # 关闭的是百度

# driver.quit() # 2个都关闭了

driver.find_element_by_id('kw').send_keys('python') # 操作的是百度

print(driver.current_url) # 打印的是百度

driver.switch_to_window(driver.window_handles[1])

print(driver.current_url) # 打印的是豆瓣

登陆豆瓣/QQ邮箱…案例

from selenium import webdriver
import time

driver = webdriver.Chrome()
url = 'https://www.douban.com/'
driver.get(url)
driver.switch_to_frame(driver.find_element_by_xpath('//div[@class="login"]/iframe'))
driver.find_element_by_xpath('//li[@class="account-tab-account"]').click()
driver.find_element_by_id('account-form-remember').click()
driver.find_element_by_id('username').send_keys('xxxx')
driver.find_element_by_id('password').send_keys('yyyyy')
driver.find_element_by_xpath('/html/body/div[1]/div[2]/div[1]/div[5]/a').click()

time.sleep(15)
driver.close()