八、动态HTML技术了解
8.1 ajax基本介绍
- 动态了解HTML技术
- JS是⽹络上最常⽤的脚本语⾔,它可以收集⽤户的跟踪数据,不需要重载⻚⾯ 直接提交表单,在⻚⾯嵌⼊多媒体⽂件,甚⾄运⾏⽹⻚
- jQuery:jQuery是⼀个快速、简介的JavaScript框架,封装了JavaScript常⽤的功能代码
- ajax:ajax可以使⽤⽹⻚实现异步更新,可以在不重新加载整个⽹⻚的情况下,对⽹⻚的某部分进⾏更新
- 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。(需将chromedriver放入python的解释器中)
方式 | 优点 | 缺点 |
---|---|---|
分析接⼝ | 直接可以请求到数据。 不需要做⼀些解析⼯作。代码量少,性能⾼ | 别是一些通过js混淆的接口,要有一定的js功底。容易被发现是爬虫。 |
selenium | 直接模拟浏览器的⾏为。浏览器能请求到的,使⽤selenium也能请求到。爬⾍更稳定。 | 代码量多。性能 |
8.2 Selenium+chromedriver获取动态数据
8.2.1 Selenium 介绍
-
selenium是⼀个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,让浏览器⾃动加载⻚⾯,获取需要的数据,甚⾄⻚⾯截屏
-
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/en-us/microsoft-edge/tools/webdriver/
-
Safari:https://webkit.org/blog/6900/webdriver-support-in-safari-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
8.3 Phantomjs快速入门
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⻚⾯的浏览器。
from selenium import webdriver
import time
#PhantomJS 无界面浏览器,导入phantomjs.exe路径
driver=webdriver.PhantomJS('F:\pthonStudyFile\jichu\爬虫\phantomjs.exe')
#打开百度
driver.get('https://www.baidu.com/')
#定位操作,输入搜索内容python
driver.find_element_by_id('kw').send_keys('python')
#百度一下按钮
driver.find_element_by_id('su').click()
time.sleep(3)
#查看网页源代码
print(driver.page_source)
#查看当前请求的url地址
print(driver.current_url)
#截屏
driver.save_screenshot('baidu.png')
8.4 selenium快速入门
from selenium import webdriver
import time
driver=webdriver.Chrome()
#打开百度
driver.get('https://www.baidu.com/')
#窗口最大化
driver.maximize_window()
#窗口最小化
driver.minimize_window()
print()
#关闭窗口
driver.close()
#等待三秒
time.sleep(3)
#退出浏览器
driver.quit()
8.4.1 定位元素
方法 | 功能 |
---|---|
find_element_by_id | 根据id来查找某个元素 |
find_element_by_class_name | 根据类名查找元素 |
find_element_by_name | 根据name属性的值来查找元素 |
find_element_by_tag_name | 根据标签名来查找元素 |
find_element_by_xpath | 根据xpath语法来获取元素 |
find_element_by_css_selector | 根据css选择器选择元素 |
from selenium import webdriver
from selenium.webdriver.common.by import By
import time
driver=webdriver.Chrome()
#打开百度
driver.get('https://www.baidu.com/')
#定位元素
# find_element_by_id 跟着id来查找某个元素
#找到输入框,并输入文本
#根据id定位元素
driver.find_element_by_id('kw').send_keys('python')
driver.find_element(By.ID,'kw').send_keys('java')
# 根据类名查找元素
driver.find_element_by_class_name('s_ipt').send_keys('C++')
driver.find_element(By.CLASS_NAME,'s_ipt').send_keys('C')
#根据name属性来查找元素
driver.find_element_by_name('wd').send_keys('php')
driver.find_element(By.NAME,'wd').send_keys('Go')
#根据标签名查找元素
head=driver.find_element_by_tag_name('head')
print(head)
# 根据xpath语法来获取元素
driver.find_element_by_xpath('//input[@id="kw"]').send_keys('R')
# 根据css选择器选择元素
driver.find_element_by_css_selector('.s_ipt').send_keys('python')
inputTag=driver.find_elements_by_tag_name('input')
print(inputTag,len(inputTag))
# driver.close()
- 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
8.4.2 操作表单元素
方法 | 功能 |
---|---|
send_keys(value) | 将数据填充入输入框 |
clear() | 清除输入框中的内容 |
click() | 鼠标点击事件 |
switch_to_frame(iframe位置) | 却换到iframe |
select_by_value(value) | 根据值来选择元素 |
select_by_index(3) | 根据索引来选择元素 |
- 1.操作输入框:1.找到这个元。2.使用send_keys(value),将数据填充进去
- 使用clear()方法可以清除输入框中的内容
- 2.操作checkbox(如点击记住密码自动登录按钮)
- 因为要选中checkbox标签,在⽹⻚中是通过⿏标点击的。因此想要选中checkbox标签,那么先选中这个标签,然后执⾏click()事件
rememberTag = driver.find_element_by_name("rememberMe")
rememberTag.click()
- 3.操作按钮
- 操作按钮有很多种⽅式。⽐如单击、右击、双击等。这⾥讲⼀个最常⽤的。就 是点击。直接调⽤click函数就可以了。
inputTag = driver.find_element_by_id('su') inputTag.click()
- 4.选择select(下拉列表)
- 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 ⻔为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。https://www.17sucai.com/boards/53562.html
- 5.操作下拉列表案例
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(独立于源码外的一个url,拥有特定的功能)
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('AU')
#2.根据索引来选择
selectTag.select_by_index(3)
- 6.登录豆瓣案例
from selenium import webdriver
import time
from selenium.webdriver.support.ui import Select
driver=webdriver.Chrome()
#登录豆瓣
driver.get('https://www.douban.com/')
#却换iframe
login_iframe=driver.find_element_by_xpath('//div[@class="login"]/iframe')
driver.switch_to_frame(login_iframe)
time.sleep(2)
#却换登录方式
driver.find_element_by_xpath('//li[@class="account-tab-account"]').click()
#选中checkbox选项
driver.find_element_by_id('account-form-remember').click()
# 输入账号密码
driver.find_element_by_id('username').send_keys('123456')
driver.find_element_by_id('password').send_keys('mima')
# 点击登录按钮
driver.find_element_by_class_name('btn-account').click()
8.5 行为链
-
有时候在⻚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。⽐如现在要将⿏标移动到某个元素上并执⾏点击事件
-
常用方法:详情见 https://selenium-python.readthedocs.io/api.html
方法 功能 click_and_hold(element) 点击但不松开⿏标 context_click(element) 右键点击 double_click(element) 双击 move_to_element(element) 移动鼠标 actions.perform() 提交行为链 from selenium.webdriver import ActionChains from selenium import webdriver 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() #点击右键 actions.context_click() #提交行为链的操作 actions.perform()
8.6 Cookie操作
- 获取所有cookie:
cookies = driver.get_cookies()
- 根据cookie的name获取cookie :
value = driver.get_cookie(key)
- 删除某个cookie:
driver.delete_cookie('key')
8.7 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。如果实际⻚⾯等待时间过⻓导致某个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:⼀种是隐式等待、⼀种是显式等待
-
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10秒中的时间
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⼤的时间,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 期望的条件和selenium.webdriver.support.ui.WebDriverWait来配合完成
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Chrome()
driver.get("https://www.baidu.com/")
try:
element = WebDriverWait(driver, 10).until(EC.presence_of_element_located((By.ID, "myDynamicElement")))
finally:
driver.quit()
⼀些其他的等待条件
-
presence_of_element_located():某个元素已经加载完毕了。
-
presence_of_all_elements_located():⽹⻚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://selenium-python.readthedocs.io/waits.html
8.8 打开多窗口和却换页面
- 有时候窗⼝中有很多⼦tab⻚⾯。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,具体切换到哪个⻚⾯,可以从driver.window_handles中找到
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/') # 打开百度
driver.execute_script('window.open("https://www.douban.com/")') # 打开豆瓣
# driver.get('https://www.douban.com/')
# 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) # 打印网址 打印的是百度
driver.switch_to_window(driver.window_handles[1])#数字表示第几个url
print(driver.current_url)
8.9 登录qq邮箱
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://mail.qq.com/') # 打开百度
login_frame=driver.find_element_by_id('login_frame')
driver.switch_to_frame(login_frame)
driver.find_element_by_id('switcher_plogin').click()
driver.find_element_by_id('u').send_keys('qq账号')
driver.find_element_by_id('p').send_keys('qq密码')
driver.find_element_by_id('login_button').click()
2.14.10 登录淘宝
# 打开网址 https://www.taobao.com/
# 点击登录
# 点击进入购物车 https://cart.taobao.com/cart.htm
# 全选商品
# 点击结算
# 点击提交订单 生成一个订单 代表着商品已经抢购了
from selenium import webdriver
import time,datetime
def login():
# 进入淘宝
driver.get('https://www.taobao.com/')
# 点击登录
driver.find_element_by_xpath('//*[@id="J_SiteNavLogin"]/div[1]/div[1]/a[1]').click()
# # 登录的方式
# # # 账号密码
# # driver.find_element_by_id('fm-login-id').send_keys('1212313')
# # time.sleep(1)
# # driver.find_element_by_id('fm-login-password').send_keys('fdfdfdf')
# # # 登录按钮
# # driver.find_element_by_class_name('fm-button').click()
time.sleep(6)
driver.get('https://cart.taobao.com/cart.htm')
now = datetime.datetime.now()
print('登录成功,当前时间为',now.strftime('%Y-%m-%d %H:%M:%S'))
def buy(times):
while True:
now = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S.%f')
# 现在的时间要大于抢购的时间
if now > times:
# 点击全选
while True:
try:
if driver.find_element_by_xpath('//*[@id="J_SelectAll1"]/div'):
driver.find_element_by_xpath('//*[@id="J_SelectAll1"]/div').click()
break
except:
print('找不到全选按钮')
time.sleep(1)
# 点击结算
while True:
try:
if driver.find_element_by_xpath('//*[@id="J_Go"]/span'):
driver.find_element_by_xpath('//*[@id="J_Go"]/span').click()
break
except:
print('找不到结算按钮')
# 提交订单
time.sleep(3)
while True:
try:
if driver.find_element_by_xpath('//*[@id="submitOrderPC_1"]/div/a[2]'):
driver.find_element_by_xpath('//*[@id="submitOrderPC_1"]/div/a[2]').click()
break
except:
print('找不到结算按钮')
if __name__ == '__main__':
times = input('请输入抢购的时间:')
driver = webdriver.Chrome()
login()
buy(times)