一、BeautifulSoup
1.1.简介
Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Beautiful Soup会帮你节省数小时甚至数天的工作时间.
1.2.安装
1.2.1.安装beautifulsoup4模块
pip3 install beautifulsoup4
1.2.2.安装lxml解析器模块
pip3 install lxml
1.2.3.安装html5lib解析器模块
pip3 install html5lib
1.3.beautifulsoup种类
Beautiful Soup将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种: Tag , NavigableString , BeautifulSoup , Comment
1.Tag
2.
二、webdriver
2.1.简介
Selenium是ThroughtWorks公司开发的一套Web自动化测试工具。
它分为三个组件:
Selenium IDE
Selenium RC (Remote Control)
Selenium Webdriver
Selenium IDE是firefox的一个插件,允许测试人员录制脚本并回放。
Selenium RC和Selenium Webdriver是测试框架,提供多种语言的API。不同的是,Selenium Webdriver以一种更底层、更灵活的方式来操作浏览器,并不仅仅使用JavaScript。这样它可以绕开浏览器的沙箱限制,实现Selenium RC不支持的框架、弹出窗口、页面导航、下拉菜单、基于AJAX的UI元素等控件的操作。以及,Selenium Webdriver不需要本地服务器。
Selenium 1.x版本只包含前两个组件。从2.0开始Webdriver加入其中。
主要是来解决https的加密问题
Webdriver在使用之前,不需要下载一个浏览器所对应用的驱动插件,请根据自己不同的浏览器版本,进行下载:
Google的推荐给大家一个百度地址:
链接:https://pan.baidu.com/s/1qZ2LfmW 密码:qixa
下载以后,并把chromdriver放在google.exe那个当前目录下面
示例
import os import time from selenium import webdriver chromedriver="C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe" os.environ["webdriver.chrome.dirver"] = chromedriver driver=webdriver.Chrome(chromedriver) driver.get("http://www.python.org/") time.sleep(10) driver.quit()
2.2.选择器
1. find_elements_by_name(“test”)
页面:
<input type="text" name="passwd" id="passwd-id" class=”input-class”/>
代码:
element = driver.find_elements_by_name(“passwd”)
2. find_elements_by_id()
element = driver.find_element_by_id(“passwd-id”)
By.tagname()
element = driver.find_element_by_tagname(“input”)
3. find_element_by_class_name(‘input-class’)
4. find_elements_by_tag_name(‘iframe’)
DOM的Tag元素
用Tag name 定位元素的例子:
<iframe src="..."></iframe>
element = driver.find_elements_by_tag_name("iframe")
5. find_element_by_link_text()
页面:
<a href="http://www.google.com/search?q=baidu">baidu</a>
代码:
element = browser.find_elements_by_link_text("baidu")
6 xpath 这个特别强大,所有的元素都可以通过这个可以找到。
XPath是XML Path的简称,由于HTML文档本身就是一个标准的XML页面,所以我们可以使用XPath的语法来定位页面元素。
绝对路径: 根元素开始,及html开始用/
相对路劲: 任意符合条件的元素 //
查找页面上所有的input元素://input
查找页面上第一个form元素内的直接子input元素(即只包括form元素的下一级input元素,使用绝对路径表示,单/号)://form[1]/input
查找页面上第一个form元素内的所有子input元素(只要在form元素内的input都算,不管还嵌套了多少个其他标签,使用相对路径表示,双//号)://form[1]//input
查找页面上第一个form元素://form[1]
查找页面上id为loginForm的form元素://form[@id='loginForm']
查找页面上具有name属性为username的input元素://input[@name='username']
查找页面上id为loginForm的form元素下的第一个input元素://form[@id='loginForm']/input[1]
查找页面具有name属性为contiune并且type属性为button的input元素://input[@name='continue'][@type='button']
查找页面上id为loginForm的form元素下第4个input元素://form[@id='loginForm']/input[4]
2.3.控件操作
输入框;
element.clear() 清空输入框数据
element.sendkeys(“username”) 发送数据
element.text 获取文本的值
按钮:
element.click()
表单提交
element.submit()
单选和多选框
element.clear()
element = browser.find_elements_by_id(' checkbox')
##选择某个单选项:
element.click();
2.4.常用方法
browser.get_cookies()
browser.title 头名字
browser.close()
forward()
前进,browser.foeward()
.back()
后退,browser.back()
.refresh()
刷新,browser.refresh()
.current_url
返回当前页面url,browser.current_url
自动登录京东示例
import random import time import os from selenium import webdriver def randomSpleep(minS,maxS): time.sleep((maxS - minS) * random.random() + minS) url="https://passport.jd.com/new/login.aspx?ReturnUrl=https%3A%2F%2Fwww.jd.com%2F" chromedriver="C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe" os.environ["webdriver.chrome.dirver"] = chromedriver driver=webdriver.Chrome(chromedriver) driver.get(url=url) randomSpleep(1,3) driver.find_elements_by_xpath('//a[@clstag="pageclick|keycount|login_pc_201804112|10"]')[0].click() randomSpleep(1,3) driver.find_element_by_id("loginname").clear() randomSpleep(1,3) driver.find_element_by_id("loginname").send_keys("139214309") randomSpleep(1,3) driver.find_element_by_id("nloginpwd").send_keys("xxxxx") randomSpleep(3,5) driver.find_element_by_id("loginsubmit").click() randomSpleep(5,10) print(driver.get_cookies()) driver.close()
登录12306示例
from selenium import webdriver import random import time def randomSleep(minS, maxS): time.sleep((maxS - minS) * random.random() + minS) browser = webdriver.Chrome(r"C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe") url = "https://kyfw.12306.cn/otn/login/init" browser.get(url=url) print(browser.find_element_by_id("username").text) browser.find_element_by_id("username").clear() browser.find_element_by_id("username").send_keys("test123") randomSleep(2, 5) browser.find_element_by_id("password").send_keys("xxxxxxxxx") randomSleep(1, 4) time.sleep(6) browser.find_element_by_id("loginSub").click() randomSleep(2, 5) print(browser.get_cookies()) browser.quit()