（python）selenium工具的安装及其使用

selenium概述

一个自动化测试工具。它可以让python代码调用浏览器。并获取到浏览器中加载的各种资源
优缺点：

• 优点
  • selenium能够执行页面上的js，对于js渲染的数据和模拟登陆处理起来非常容易
  • 使用难度简单
  • 爬取速度慢，爬取频率更像人的行为，天生能够应对一些反爬措施
• 缺点
  • 由于selenium操作浏览器，因此会将发送所有的请求，因此占用网络带宽
  • 由于操作浏览器，因此占用的内存非常大
  • 速度慢，对于效率要求高的话不建议使用

selenium安装

python终端安装selenium

pip install selenium

推荐使用谷歌浏览器，本文以谷歌浏览器为例

1、查看浏览器的版本号

2、下载浏览器对应版本的驱动

chrome驱动地址下载
找到对应的版本号（前三段数字相同即可），下载

3、驱动配置

将压缩包解压，建议放入与python解释器同一目录（此方式无需配置环境变量）

如何查看python解释器位置？
win下输入 py -0p查看（其余操作系统方式请自行查找查看方式）

selenium的基本使用

from selenium import webdriver

driver = webdriver.Chrome()
driver.get("http://www.baidu.com/")   # 访问百度网（会弹出百度网页）
driver.save_screenshot("baidu.png")   # 截图
print(driver.page_source)             # 打印源码
print(driver.get_cookies())           # 打印cookies
print(driver.current_url)             # 打印当前url

driver.close()  # 退出当前页面
driver.quit()   # 退出浏览器

cookie的使用

import time
from selenium.webdriver import Chrome
import json

# 登录操作 ...

#获取cookie
cookies = driver.get_cookies()
json_cookies = json.dumps(cookies)  # 使用json进行处理
with open('gsw_cookies.txt', 'w') as f:
    f.write(json_cookies)
    
with open('gsw_cookies.txt', 'r') as f:
    cookies = json.loads(f.read())  # 读取所有cookies  转换为列表的cookie

for cookie in cookies:
    cookie_dict = {}
    for k,v in cookie.items():
        cookie_dict[k] = v
    driver.add_cookie(cookie_dict) # 设置cookie

# 刷新  使我们的cookie生效
driver.refresh() 
 
# 此刻重新访
driver.get('https://xxx')

获取懒加载网页的源代码

import random
import time
from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By

def scroll_windwo(driver, stop_lengt=None, step_length=2000):
    '''
    使窗口不断向下滚动
    :param driver:
    :param stop_lengt:
    :param step_length:
    :return:
    '''
    while True:
        if stop_lengt:
            if stop_lengt - step_length <= 0:
                # 使用js实现滚动条自动往下走
                driver.execute_script(f'window.scrollBy(0, {stop_lengt})')
                break
            print(stop_lengt)
            # 使用js实现滚动条自动往下走
            driver.execute_script(f'window.scrollBy(0, {step_length})')
            stop_lengt -= step_length   # 每次减去滚动的距离
            time.sleep(0.1)

driver = Chrome()
driver.get('https://xxx.com/')
step_length = 2000  # 每次向下滚动的步长
stop_lengt = 30000   # 向下滚动到当前整个值得时候就不滚了
for i in range(1, 6):
    scroll_windwo(driver, stop_lengt, step_length)  # 先滚一些  把异步的分页加载先加载文 直到出现加载更多按钮
    more = driver.find_element(By.XPATH, '//*[@id="index2016_wrap"]/div[2]/div[2]/div[3]/div[2]/div[5]/div/a[3]')
    # more.click()
    # 无法使用more.click  原因上面有我们看不到的覆盖物 点击会报错
    driver.execute_script('arguments[0].click();', more)
    print(f'第{i}次点击')

print(driver.page_source)   # 获取页面最终源代码

selenium的定位操作

1、元素定位的两种方式

• 精确定位一个元素，返回结果为一个element对象,定位不到则报错

	driver.find_element(By.xx, value)  # 建议使用
    driver.find_element_by_xxx(value)

• 定位一组元素，返回结果为element对象列表,定位不到返回空列表

 	driver.find_elements(By.xx, value)  # 建议使用
    driver.find_elements_by_xxx(value)

2、元素定位的八种方法

• By.ID 使用id值定位

	el = driver.find_element(By.ID, '')
    el = driver.find_element_by_id()    

• By.XPATH 使用xpath定位

	el = driver.find_element(By.XPATH, '')
    el = driver.find_element_by_xpath()   

• By.TAG_NAME. 使用标签名定位

	el = driver.find_element(By.TAG_NAME, '')
    el = driver.find_element_by_tag_name()    

• By.LINK_TEXT使用超链接文本定位

	el = driver.find_element(By.LINK_TEXT, '')
    el = driver.find_element_by_link_text() 

• By.PARTIAL_LINK_TEXT 使用部分超链接文本定位

	el = driver.find_element(By.PARTIAL_LINK_TEXT  , '')
    el = driver.find_element_by_partial_link_text()

• By.NAME 使用name属性值定位

	el = driver.find_element(By.NAME, '')
    el = driver.find_element_by_name()

• By.CLASS_NAME 使用class属性值定位

     el = driver.find_element(By.CLASS_NAME, '')   
     el = driver.find_element_by_class_name()

• By.CSS_SELECTOR 使用css选择器定位

 	el = driver.find_element(By.CSS_SELECTOR, '')  
    el = driver.find_element_by_css_selector()

3、元素的操作

• 从定位到的元素中获取数据

el.get_attribute(key)           # 获取key属性名对应的属性值
el.text                        	# 获取开闭标签之间的文本内容

• 对定位到的元素的操作

el.click()                      # 对元素执行点击操作

el.submit()                     # 对元素执行提交操作

el.clear()                      # 清空可输入元素中的数据

el.send_keys(data)              # 向可输入元素输入数据

4、使用案例

import time

from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By

driver = Chrome()  # 实例化
driver.get('https://www.gushiwen.cn/')  # 访问古诗文网站

# 使用id查找节点
# txtKey = driver.find_element(By.ID, 'txtKey')
# print(txtKey)  #<selenium.webdriver.remote.webelement.WebElement (session="953d50dc821197e9bd2ce97a7ab66045", element="9f422884-c998-45f2-8274-3414bd3c50db")>
# time.sleep(1)
# 向搜索框中输入数据
# txtKey.send_keys('唐诗')
# 点击搜索
# submit = driver.find_element(By.XPATH, '/html/body/div[1]/div/div[2]/div[2]/div[1]/form/input[3]')
# submit.click()  # 点击搜索按钮


# 使用xpath
# txtKey = driver.find_element(By.XPATH, '//*[@id="txtKey"]')
# txtKey.send_keys('唐诗')
# 点击搜索
# submit = driver.find_element(By.XPATH, '/html/body/div[1]/div/div[2]/div[2]/div[1]/form/input[3]')
# submit.click()  # 点击搜索按钮

# 匹配所有超链接
# a_list = driver.find_elements(By.TAG_NAME, 'a')
# a_list = driver.find_elements_by_tag_name('a')  # 老版本的写法  作为了解
# print(a_list)
# for a in a_list:
    # 获取href属性
    # print(a.get_attribute('href'))

# 通过超链接的内容进行节点获取
# res = driver.find_elements(By.LINK_TEXT, '唐诗三百')
# print(res)

# 通过class进行查找  只要是是cont值 就都会返回
# res = driver.find_elements(By.CLASS_NAME, 'cont')
# print(res)

# print(driver.page_source)  # 获取页面源代码

selenium的其他操作

1、无头浏览器

无头即不显示网页

from selenium.webdriver import Chrome
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.by import By
opt = Options()
opt.add_argument("--headless")
opt.add_argument('--disable-gpu')
opt.add_argument("--window-size=4000,1600")  # 设置窗口大小

web = Chrome(options=opt)
web.get('https://news.163.com/')
print(web.page_source)

2、switch方法切换的操作

2.1 一个浏览器肯定会有很多窗口，切换窗口的方法如下：

# 可以使用 window_handles 方法来获取每个窗口的操作对象。例如：
# 1. 获取当前所有的窗口
current_windows = driver.window_handles

# 2. 根据窗口索引进行切换
driver.switch_to.window(current_windows[1])

driver.switch_to.window(web.window_handles[-1])  # 跳转到最后一个窗口
driver.switch_to.window(current_windows[0])      # 回到第一个窗口

2.2 iframe是html中常用的一种技术，即一个页面中嵌套了另一个网页，selenium默认是访问不了frame中的内容的，对应的解决思路是

driver.switch_to.frame(name/el/id)     
# 传入的参数可以使iframe对应的id值，也可以是用元素定位之后的元素对象

2.3 当你触发了某个事件之后，页面出现了弹窗提示，处理这个提示或者获取提示信息方法如下：

alert = driver.switch_to_alert()

2.4. 页面前进和后退

driver.forward()     # 前进
driver.back()        # 后退
driver.refresh() 	 # 刷新
driver.close()       # 关闭当前窗口

2.5、设置浏览器最大窗口

driver.maximize_window()  # 最大化浏览器窗口