selenium使用

go&Python

已于 2022-04-03 21:38:06 修改

阅读量883

点赞数 1

文章标签： python 爬虫

于 2022-03-31 17:53:23 首次发布

本文链接：https://blog.csdn.net/qq_55752792/article/details/123879326

版权

python学习与分享专栏收录该内容

92 篇文章 9 订阅

订阅专栏

文章目录

selenium使用

selenium使用

介绍

selenium最初是一个自动化测试工具,而爬虫中使用它主要是为了解决requests无法直接执行JavaScript代码的问题 selenium本质是通过驱动浏览器，完全模拟浏览器的操作，比如跳转、输入、点击、下拉等，来拿到网页渲染之后的结果，可支持多种浏览器

使用

1 下载驱动

谷歌浏览器驱动

注意：驱动要跟浏览器版本对应(可以稍低一点，但不能高)

在这里插入图片描述

下载完解压即可

在这里插入图片描述

2 下载selenium模块

pip3 install selenium

Selenium支持非常多的浏览器，如Chrome、Firefox、Edge等，还有Android、BlackBerry等手机端的浏览器。另外，也支持无界面浏览器PhantomJS。

from` `selenium ``import` `webdriver`` ` `browser ``=` `webdriver.Chrome()``browser ``=` `webdriver.Firefox()``browser ``=` `webdriver.Edge()``browser ``=` `webdriver.PhantomJS()``browser ``=` `webdriver.Safari()

3. 简单使用

from selenium import webdriver
import time
# 使用time模块主要是加入等待，防止页面还没加载，程序就跑完了
# 获得一个谷歌浏览器对象
bro = webdriver.Chrome(executable_path='./chromedriver.exe')
time.sleep(2)

bro.get('https://www.baidu.com/')   # 在地址栏里输入百度

time.sleep(2)
print(bro.page_source)  # 返回页面源码
time.sleep(2)
# 关闭浏览器
bro.close()

# 模拟百度搜索

from selenium import webdriver
import time

bro = webdriver.Chrome(executable_path='./chromedriver.exe')
bro.get('https://www.baidu.com/')   # 在地址栏里输入百度
time.sleep(0.01)
# 找到搜索框
input_k = bro.find_element_by_id('kw')
input_k.send_keys('美女')  # 在框里写入美女
time.sleep(2)
# 找到搜索按钮
sou = bro.find_element_by_id('su')
sou.click()   # 点击按钮
time.sleep(4)
bro.close()

4. selenium方法介绍

4.1 元素定位

webdriver 提供了一系列的元素定位方法，常用的有以下几种：

元素	方法
id	find_element_by_id()
name	find_element_by_name()
class name	find_element_by_class_name()
tag name	find_element_by_tag_name()
link text	find_element_by_link_text()
link text	find_element_by_partial_link_text()
link text	find_element_by_xpath()
css selector	find_element_by_css_selector()

注意：

find_element_by_xxx找的是第一个符合条件的标签，find_elements_by_xxx找的是所有符合条件的标签。
根据ID、CSS选择器和XPath获取，它们返回的结果完全一致。
另外，Selenium还提供了通用方法find_element()，它需要传入两个参数：查找方式By.和值。实际上，它就是find_element_by_id()这种方法的通用函数版本，比如find_element_by_id(id)就等价于find_element(By.ID, id)，二者得到的结果完全一致。

4.2 节点交互

Selenium可以驱动浏览器来执行一些操作，也就是说可以让浏览器模拟执行一些动作。比较常见的用法有：输入文字时用send_keys()方法，清空文字时用clear()方法，点击按钮时用click()方法。

常用:
    clear()——如果是文本输入框，就清除文本。
    click()——单击
    send_keys("值")——文字输入
了解:
    get_attribute(name)——获取元素的属性值
    get_property(name)——获取元素的给定属性值
    is_displayed()——元素对用户是否可见
    is_enabled()——是否启用元素
    is_selected()——是否选择了复选框或者单选框
    screenshot(filename)——将当前元素的屏幕截图保存到png文件中
      示例：element.screenshot（'/Screenshots / foo.png'）
    submit()——提交表格
    value_of_css_property(属性名)——获取css属性的值
    text——元素的文本
    tag_name——当前元素的标签名
    size——元素的大小
    location——元素在当前可渲染画布的位置
    location_once_scrolled_into_view——用来找到元素在屏幕上的位置。（位置是屏幕左上角的位置，返回None表示不可见）
    screenshot_as_base64——以base64编码字符串的形式获取当前元素的屏幕快照
      示例：img_b64 = element.screenshot_as_base64
    screenshot_as_png——二进制数据获取当前元素的屏幕截图
    parent——（官网原文）Internal reference to the WebDriver instance this element was found from
    rect——（官网原文）A dictionary with the size and location of the element

4.3 动作链

在上面的实例中，一些交互动作都是针对某个节点执行的。比如，对于输入框，我们就调用它的输入文字和清空文字方法；对于按钮，就调用它的点击方法。其实，还有另外一些操作，它们没有特定的执行对象，比如鼠标拖曳、键盘按键等，这些动作用另一种方式来执行，那就是动作链。

比如，现在实现一个节点的拖曳操作，将某个节点从一处拖曳到另外一处，可以这样实现：

from selenium import webdriver
from selenium.webdriver import ActionChains
import time
browser = webdriver.Chrome()
url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'
browser.get(url)
browser.switch_to.frame('iframeResult')
source = browser.find_element_by_css_selector('#draggable')
target = browser.find_element_by_css_selector('#droppable')
actions = ActionChains(browser)
# actions.drag_and_drop(source, target)
actions.click_and_hold(source)
time.sleep(3)
for i in range(5):
    actions.move_by_offset(xoffset=17,yoffset=0).perform()
    time.sleep(0.5)

actions.release()

4.4 执行JavaScript

对于某些操作，Selenium API并没有提供。比如，下拉进度条，它可以直接模拟运行JavaScript，此时使用execute_script()方法即可实现，代码如下：

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.jd.com/')
browser.excute_script('window.scrollTo(0, document.body.scrollHeight)')
browser.execute_script('alert("123")')

4.5 获取节点信息

通过page_source属性可以获取网页的源代码，接着就可以使用解析库（如正则表达式、Beautiful Soup、pyquery等）来提取信息了。

不过，既然Selenium已经提供了选择节点的方法，返回的是WebElement类型，那么它也有相关的方法和属性来直接提取节点信息，如属性、文本等。这样的话，我们就可以不用通过解析源代码来提取信息了，非常方便。

#获取标签属性，
print(tag.get_attribute('src'))
#获取标签ID，位置，名称，大小（了解）
print(tag.id)
print(tag.location)
print(tag.tag_name)
print(tag.size)

4.6 延时等待

在Selenium中，get()方法会在网页框架加载结束后结束执行，此时如果获取page_source，可能并不是浏览器完全加载完成的页面，如果某些页面有额外的Ajax请求，我们在网页源代码中也不一定能成功获取到。所以，这里需要延时等待一定时间，确保节点已经加载出来。这里等待的方式有两种：一种是隐式等待，一种是显式等待。

隐式等待(推荐使用)：

当使用隐式等待执行测试的时候，如果Selenium没有在DOM中找到节点，将继续等待，超出设定时间后，则抛出找不到节点的异常。换句话说，当查找节点而节点并没有立即出现的时候，隐式等待将等待一段时间再查找DOM，默认的时间是0。示例如下：

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.keys import Keys # 键盘按键操作
from selenium.webdriver.support.wait import WebDriverWait # 等待页面加载某些元素

browser=webdriver.Chrome()

# 隐式等待:在查找所有元素时，如果尚未被加载，则等10秒
browser.implicitly_wait(10)

browser.get('https://www.baidu.com')
input_tag=browser.find_element_by_id('kw')
input_tag.send_keys('美女')
input_tag.send_keys(Keys.ENTER)

contents=browser.find_element_by_id('content_left') # 没有等待环节而直接查找，找不到则会报错
print(contents)

browser.close()

显示等待：

隐式等待的效果其实并没有那么好，因为我们只规定了一个固定时间，而页面的加载时间会受到网络条件的影响。这里还有一种更合适的显式等待方法，它指定要查找的节点，然后指定一个最长等待时间。如果在规定时间内加载出来了这个节点，就返回查找的节点；如果到了规定时间依然没有加载出该节点，则抛出超时异常。

# 用法   等待id为content_left的标签 10s
wait=WebDriverWait(browser,10)
wait.until(EC.presence_of_element_located((By.ID,'content_left')))

4.7 前进后退

Selenium也可以完成前进后退操作，它使用back()方法后退，使用forward()方法前进。

#模拟浏览器的前进后退
import time
from selenium import webdriver
 
browser=webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.get('https://www.taobao.com')
browser.get('http://www.sina.com.cn/')
 
browser.back()
time.sleep(10)
browser.forward()
browser.close()

4.8 无界面浏览器（phantomjs）

# 谷歌浏览器支持不打开页面
from selenium.webdriver.chrome.options import Options
from selenium import webdriver
chrome_options = Options()
chrome_options.add_argument('window-size=1920x3000') # 指定浏览器分辨率
chrome_options.add_argument('--disable-gpu') # 谷歌文档提到需要加上这个属性来规避bug
chrome_options.add_argument('--hide-scrollbars') # 隐藏滚动条, 应对一些特殊页面
chrome_options.add_argument('blink-settings=imagesEnabled=false') # 不加载图片, 提升速度

chrome_options.add_argument('--headless') # 浏览器不提供可视化页面. linux下如果系统不支持可视化不加这条会启动失败

4.9 Cookies

使用Selenium，还可以方便地对Cookies进行操作，例如获取、添加、删除Cookies等。示例如下：

browser = webdriver.Chrome(executable_path='./chromedriver.exe')
browser.get('https://www.zhihu.com/explore')
print(browser.get_cookies())
browser.add_cookie({'name': 'name', 'domain': 'www.zhihu.com', 'value': 'germey'})
print(browser.get_cookies())
browser.delete_all_cookies()
print(browser.get_cookies())
browser.close()

4.10 异常处理

try:
    # 写出操作代码
    browser=webdriver.Chrome()
    browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
    browser.switch_to.frame('iframssseResult')

except TimeoutException as e:
    print(e)
except NoSuchFrameException as e:
    print(e)
finally:
    browser.close()