Python爬虫工具之Selenium

首先介绍一下Selenium

selenium
是一个用于web自动化测试的工具集，selenium不尽支持所有主流的浏览器，而且还支持很多开发语言，更好的是他这种测试工具其实可以融入到不同的测试框架中，根据你的要求，适应不同的测试流程。其实selenium最核心的就是一个驱动浏览器进行自动化测试的东东。

安装Selenium

pip install Selenium,

建议用pip安装的时候翻墙这样安装的速度会快一些

---

快速开始

第一个demo

# -*- coding:utf-8 -*-
from selenium import webdriver

browser = webdriver.Chrome()
browser.get('http://www.baidu.com/')

运行这段代码，程序会打开我的谷歌浏览器，然后访问百度的首页。

第二个demo

# -*- coding:utf-8 -*-
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.common.by import By

driver = webdriver.Chrome()
driver.get("https://www.sogou.com")
# 通过XPATH语法找到按钮对应的元素
button = driver.find_element(By.XPATH, '//span//input[@type="submit"]')
# 找到搜索框对应的元素
element = driver.find_element_by_id("query")
# 向搜索框中输入some text
element.send_keys("some text", Keys.ARROW_DOWN)
# 模拟了点击按钮
button.click()
# 打印页面源码
print driver.page_source

运行程序，发现打开了谷歌浏览器，打开了搜狗主页，然后在搜索框中输入了 some text 然后，点击了搜索按钮，打印出了搜索完毕的界面。

---

Selenium进阶

页面交互
仅仅通过传入URL来抓取页面是不够的，我们想要做的是和页面进行交互，比如在demo2中做到的，搜索框中填写想要搜索的内容，然后自动点击按钮去搜索。比如说，有这么一个元素

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

我们可以通过以下三种方式实现，

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

第一和第二种是原始的DOM操作，第三种是通过XPATH，这两种方法Selenium是都可以支持的。可能你没接触过XPATH，但是如果你是谷歌用户那你就有福了，谷歌浏览器自带的可以自动生成XPATH语法的功能，这里介绍一下，打开百度主页，打开开发者模式

右键检查百度一下这个按钮，找到元素后，右键然后就和图上的结果一样了

这里粘贴下这个按钮元素的XPATH语法，就是这么简单
//*[@id="su"]
回归正题，在使用XPATH语法找元素的时候，可能会匹配到多个元素，这是就会抛出 NoSuchElementException异常.

获取到元素都我们就可以向文本框中输入一些文本了，

element.send_keys("some text")

还可以通过keys类来模拟点击按钮

element.send_keys(" and some", Keys.ARROW_DOWN)

清除文本框输入的内容可以这样

element.clear()

---

填写表单

上面介绍了向搜索框中填写内容的方式，接下来就要介绍如何处理表单数据

element = driver.find_element_by_xpath("//select[@name='name']")
all_options = element.find_elements_by_tag_name("option")
for option in all_options:
    print("Value is: %s" % option.get_attribute("value"))
    option.click()

首先通过XPATH得到下拉栏这个元素然后遍历下拉栏中的内容，然而这并不是一个最有效的方法，WebDriver给我们提供了一个Select方法:

# -*- coding:utf-8 -*-
from selenium.webdriver.support.ui import Select
select = Select(driver.find_element_by_name('name'))
# 通过索引选择
select.select_by_index(index)
# 通过文字选择
select.select_by_visible_text("text")
# 通过值选择
select.select_by_value(value)

WebDriver提供了一个方法可以全部取消选择

select = Select(driver.find_element_by_id('id'))
select.deselect_all()

可以通过下面代码获取已经选择的选项

select = Select(driver.find_element_by_xpath("xpath"))
all_selected_options = select.all_selected_options

获取可选项

options = select.options

选择完表单后就要提交了

driver.find_element_by_id("submit").click()

---

元素拖拽

# 元素位置
element = driver.find_element_by_name("source")
# 目标位置
target = driver.find_element_by_name("target")

from selenium.webdriver import ActionChains
# 实现一个ActionChains
action_chains = ActionChains(driver)
# 从element拖拽到target
action_chains.drag_and_drop(element, target).perform()

切换窗口

# 在window中切换
driver.switch_to_window("windowName")
# 在frame中切换
driver.switch_to_frame("frameName")

---

弹出窗口处理