技术学习：Python（21）｜爬虫篇｜selenium自动化操作浏览器

​

活动地址：CSDN21天学习挑战赛

前言

Selenium是一个用于Web应用程序测试的工具。Selenium测试直接运行在浏览器中，就像真正的用户在操作一样。支持的浏览器包括IE（7, 8, 9, 10, 11），Mozilla Firefox，Safari，Google Chrome，Opera，Edge等。这个工具的主要功能包括：测试与浏览器的兼容性——测试应用程序看是否能够很好得工作在不同浏览器和操作系统之上。测试系统功能——创建回归测试检验软件功能和用户需求。支持自动录制动作和自动生成.Net、Java、Perl等不同语言的测试脚本。

1 selenium环境搭建

官方网址：https://www.selenium.dev/，可以参考官方提供信息来做相对应的操作，此处为学习知识而做的记录。

1.1 下载模块

打开终端，输入下载命令python -m pip install selenium，安装selenium以及依赖项。

Aion.Liu $ python -m pip install selenium
Collecting selenium
  WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'ConnectTimeoutError(<pip._vendor.urllib3.connection.HTTPSConnection object at 0x103860a90>, 'Connection to files.pythonhosted.org timed out. (connect timeout=15)')': /packages/50/1a/9b92b6be1f6bbcd4e5a5b1d8e5d0c7f8224054c3bf5ea81d371be47122e8/selenium-4.4.3-py3-none-any.whl
  Downloading selenium-4.4.3-py3-none-any.whl (985 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 986.0/986.0 kB 7.7 kB/s eta 0:00:00
Requirement already satisfied: certifi>=2021.10.8 in /usr/local/lib/python3.10/site-packages (from selenium) (2022.6.15)
Collecting trio-websocket~=0.9
  Downloading trio_websocket-0.9.2-py3-none-any.whl (16 kB)
Collecting trio~=0.17
  Downloading trio-0.21.0-py3-none-any.whl (358 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 359.0/359.0 kB 6.1 kB/s eta 0:00:00
Requirement already satisfied: urllib3[socks]~=1.26 in /usr/local/lib/python3.10/site-packages (from selenium) (1.26.11)
Collecting async-generator>=1.9
  Downloading async_generator-1.10-py3-none-any.whl (18 kB)
Requirement already satisfied: idna in /usr/local/lib/python3.10/site-packages (from trio~=0.17->selenium) (3.3)
Collecting sniffio
  Downloading sniffio-1.2.0-py3-none-any.whl (10 kB)
Collecting sortedcontainers
  Downloading sortedcontainers-2.4.0-py2.py3-none-any.whl (29 kB)
Collecting outcome
  Downloading outcome-1.2.0-py2.py3-none-any.whl (9.7 kB)
Collecting attrs>=19.2.0
  Downloading attrs-22.1.0-py2.py3-none-any.whl (58 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 58.8/58.8 kB 8.1 kB/s eta 0:00:00
Collecting wsproto>=0.14
  Downloading wsproto-1.1.0-py3-none-any.whl (24 kB)
Collecting PySocks!=1.5.7,<2.0,>=1.5.6
  Downloading PySocks-1.7.1-py3-none-any.whl (16 kB)
Collecting h11<1,>=0.9.0
  Downloading h11-0.13.0-py3-none-any.whl (58 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 58.2/58.2 kB 9.4 kB/s eta 0:00:00
Installing collected packages: sortedcontainers, sniffio, PySocks, h11, attrs, async-generator, wsproto, outcome, trio, trio-websocket, selenium
Successfully installed PySocks-1.7.1 async-generator-1.10 attrs-22.1.0 h11-0.13.0 outcome-1.2.0 selenium-4.4.3 sniffio-1.2.0 sortedcontainers-2.4.0 trio-0.21.0 trio-websocket-0.9.2 wsproto-1.1.0

关于其他语言或版本，请参考这里：https://www.selenium.dev/downloads/

1.2 安装浏览器驱动WebDriver

WebDriver 以本地方式驱动浏览器，就像用户在本地或使用 Selenium 服务器在远程机器上一样，这标志着浏览器自动化方面的飞跃。
Selenium WebDriver 指的是语言绑定和单个浏览器控制代码的实现。这通常被称为WebDriver。

Selenium WebDriver 是W3C 推荐的。

• WebDriver 被设计为一个更简洁的编程接口。
• WebDriver 是一个紧凑的面向对象的 API。
• 它有效地驱动浏览器。

下面在mac中，安装谷歌浏览器WebDriver驱动。
首先按照官方的地址，下载软件，下载地址如下：

Ghrome/Chromium驱动程序下载地址：https://chromedriver.storage.googleapis.com/index.html

FireFox驱动程序下载地址：https://github.com/mozilla/geckodriver/tags

Edge驱动程序下载地址：https://developer.microsoft.com/en-us/microsoft-edge/tools/webdriver/

IE驱动程序下载地址：https://www.selenium.dev/downloads/

Safari驱动程序下载地址：内置

Opera 驱动程序：不支持 w3c 语法，建议使用 chromedriver 与 Opera 一起工作。

查看自己机器浏览器的版本

下载WebDriver的版本



下载相对应的软件程序或者相近的软件程序。

将下载好的软件程序解压，并放在python的安装目录，也就是Python_HOME/下，我机器的安装目录是：

$ pwd
/usr/local/Cellar/python@3.10/3.10.1

$ open .

2 使用WebDriver驱动程序

2.1 驱动管理软件

# 导入WebDriver 管理器
from webdriver_manager.chrome import ChromeDriverManager
# 获取管理器使用的位置并将其传递给服务类
service = Service(executable_path=ChromeDriverManager().install())
# 初始化驱动时使用Service实例
driver = webdriver.Chrome(service=service)

完整的示例请参考：GitHub示例

2.2 加入到环境变量

首先手工下载，然后将路径放在机器环境变量：echo 'export PATH=$PATH:[WebDriver_HOME]' >> ~/.bash_profile，其中【WebDriver_HOME】是路径地址，如下：

$ echo 'export PATH=$PATH:/usr/local/Cellar/python@3.10/3.10.1' >> ~/.bash_profile

$ source ~/.bash_profile

$ chromedriver
Starting ChromeDriver 103.0.5060.134 (8ec6fce403b3feb0869b0732eda8bd95011d333c-refs/branch-heads/5060@{#1262}) on port 9515
Only local connections are allowed.
Please see https://chromedriver.chromium.org/security-considerations for suggestions on keeping ChromeDriver safe.
ChromeDriver was started successfully.

2.3 在Python中直接引用

这里其实也是手工下载，然后在编码中直接使用。其中【WebDriver_HOME】 同 步骤2.2中的一致。

from selenium.webdriver.chrome.service import Service
from selenium import webdriver

service = Service(executable_path="【WebDriver_HOME】")
driver = webdriver.Chrome(service=service)

2.4 打开谷歌（Chrome）浏览器

• 界面模式（Chrome）浏览器

from selenium import webdriver

# 浏览器的初始化
browser = webdriver.Chrome()
# 发送请求
browser.get('https://www.baidu.com/')

# 打印页面的标题
print(browser.title)

# 退出模拟浏览器
browser.quit()  # 一定要退出！不退出会有残留进程

在执行browser = webdriver.Chrome()时比较慢，后续就比较快些。我使用这个打开火狐浏览器出现了错误。

• 无界面模式（Chrome）浏览器

from selenium import webdriver
# 1. 实例化配置对象
chrome_options = webdriver.ChromeOptions()
# 2. 配置对象添加开启无界面命令
chrome_options.add_argument('--headless')
# 3. 配置对象添加禁用gpu命令
chrome_options.add_argument('--disable-gpu')
# 4. 实例化带有配置对象的browser 对象
browser = webdriver.Chrome(chrome_options=chrome_options)
browser.get('https://www.baidu.com/')
# 查看请求的数据
print(browser.page_source)  # 查看渲染后的数据，就可以Xpath进行解析获取数据了
print(browser.get_cookies())  # 查看请求页面后的cookies值
print(browser.current_url)  # 查看请求url
# 关闭页面
browser.close()
# 关闭浏览器
browser.quit()

2.5 元素定位

2.6 元素操作

2.7 前进/后退

2.8 执行js脚本

2.9 页面等待

• 页面显示等待（常用模式）

• 页面隐式等待

3 进阶操作

3.1 使用代理IP

3.2 修改请求头

3.3 隐藏指纹特征