待改进
- 应该使用自动填充内容到搜索输入框, 然后通过点击
好搜一下
去搜索
- 360 haosou 的每次搜索有一个随机生成的参数
psid
, 不知道有什么特别的作用
不过为了测试的准确性,应该避免这样请求 - 换成输入搜索内容, 这样更方便使用
- 360 haosou 的每次搜索有一个随机生成的参数
- 应该在每一步访问后, 等待下一步执行询问
自动访问这样毕竟太快了,虽然有日志在控制台输出, 但是有些效果需要看 UI
定位操作
以下是所有定位操作的 API :
# 返回一个匹配元素, 即一个 WebElement 元素
find_element_by_id()
find_element_by_name()
find_element_by_class_name()
find_element_by_tag_name()
find_element_by_link_text()
find_element_by_partial_link_text()
find_element_by_xpath()
find_element_by_css_selector()
# 返回一个列表, 包含所有匹配的元素, 即一个 WebElement 列表
find_elements_by_id()
find_elements_by_name()
find_elements_by_class_name()
find_elements_by_tag_name()
find_elements_by_link_text()
find_elements_by_partial_link_text()
find_elements_by_xpath()
find_elements_by_css_selector()
关于 API 的具体介绍, 请参考 :
module-selenium.webdriver.chrome.webdriver
使用的时候需注意下面几点 :
- python selenium 提供了两种对象 :
WebDriver
和WebElement
这两种对象都可以使用这些 API - 这些 API 一旦执行失败(即查找不到), 就会抛出异常
因此必须使用try: .. except: ...
机制避免错误的行为影响程序继续进行 WebDriver
调用以上 API 进行全局定位WebElement
调用以上 API 可以进行层级定位, 即查找当前元素的子元素
WebDriver 的使用
开始的时候必须要有初始化一个 WebDriver
实例, 即下面的 browser
用来对浏览器进行控制以及页面的访问
# 请求连接
req_url = "http://www.haosou.com/s?ie=utf-8&shb=1&src=360sou_newhome&q=%E9%B2%9C%E8%8A%B1"
# 打开浏览器
print "Opening chrome ..."
browser = webdriver.Chrome()
# 开始请求
print "Visit %s ..." %(req_url)
browser.get(req_url)
接着, 就可以使用异常 API 进行当前页面的全局查找, 比如 :
# 获取所有的广告
print "Get all advertisement ..."
all_ads_li = browser.find_elements_by_css_selector('#e_idea_pp li')
WebElement 的使用
使用
browser.find_element_by_xx()
得到的是一个WebElement
实例
使用获得的实例调用上面的 API 即可进行层级查找使用
browser.find_elements_by_xx()
的到的是一个元素是WebElement
实例的 list
通过对 list 的遍历, 即可对各个实例进行相应的操作
WebDriver 的一些常用操作
browser.curren_url
: 获取当前加载页面的 URLbrowser.close()
: 关闭当前窗口, 如果当前窗口是最后一个窗口, 浏览器将关闭browser.quit()
: 关闭所有窗口并停止 ChromeDriver 的执行browser.add_cookie(cookie_dict)
: 为当前会话添加 cookiebrowser.get_cookie(name)
: 得到执行 cookiebrowser.get_cookies()
: 得到所有的 cookiedriver.add_cookie({‘name’ : ‘foo’, ‘value’ : ‘bar’}) driver.add_cookie({‘name’ : ‘foo’, ‘value’ : ‘bar’, ‘path’ : ‘/’}) driver.add_cookie({‘name’ : ‘foo’, ‘value’ : ‘bar’, ‘path’ : ‘/’, ‘secure’:True})
browser.delete_all_cookies()
: 删除当前会话的所有cookiebrowser.delete_cookie(name)
: 删除指定 cookiebrowser.back()
: 相当于浏览器的后退历史记录browser.forward()
: 相当于浏览器的前进历史记录browser.execute_script(script, *args)
: 同步执行 js 脚本browser.execute_async_script(script, *args)
: 异步执行 js 脚本browser.get(url)
: 在当前窗口加载 urlbrowser.refresh()
: 刷新当前页面browser.current_window_handle
: 当前窗口的 handle, 相当于一个指针一样的东西, 用来指向当前窗口browser.window_handles
: 当前浏览器中的已经打开的所有窗口, 是一个 listbrowser.switch_to_window(window_handle)
: 切换 window_handle 指向的窗口browser.title
: 当前页面的 titlebrowser.name
: 当前浏览器的名字
具体参照 : module-selenium.webdriver.remote.webdriver
WebElement 的一些常用操作
webEle.clear()
: 清楚元素的内容, 假如这个元素是一个文本元素webEle.click()
: 点击当前元素webEle,is_displayed()
: 当前元素是否可见webEle.is_enabled()
: 当前元素是否禁止, 比如经常会禁用一些元素的点击webEle.is_selected()
: 当前元素是否选中, 文本输入框的内容webEle.send_keys(*value)
: 向当前元素模拟键盘事件webEle.submit()
: 提交表单webEle.tag_name
: 当前元素的标签名webEle.text
: 当前元素的内容webEle.get_attribute(name)
: 获取当前元素执行属性的值
#coding=utf-8
from selenium import webdriver
import os
import time
# set little time stop and big time stop for viewing changes
little_time_stop = 1
big_time_stop = 2
# 默认广告条数
ads_num_require = 8
# 请求连接
req_url = "http://www.haosou.com/s?ie=utf-8&shb=1&src=360sou_newhome&q=%E9%B2%9C%E8%8A%B1"
# 打开浏览器
print "Opening chrome ..."
browser = webdriver.Chrome()
# 开始请求
print "Visit %s ..." %(req_url)
browser.get(req_url)
# 获取所有的广告
print "Get all advertisement ..."
all_ads_li = browser.find_elements_by_css_selector('#e_idea_pp li')
# 当前广告条数
ads_num_current = len(all_ads_li)
print "Has been got %d ads" %(ads_num_current)
# 如果广告条数与默认不符
if ads_num_current < ads_num_require:
print "The number of ads is not enough ( current : %d require: %d)" %(ads_num_current,ads_num_require)
# exit()
# 获取顶部连接
i = 0
for ads_li in all_ads_li:
time.sleep(big_time_stop)
i = i+1
print "ads %d :" %i
try:
main = ads_li.find_element_by_css_selector('h3 a')
except:
print "\tError: ads %d cann't find" %(i)
else:
print "\tReady: visit ads %d" %(i)
main.click()
print "\tSucess: visit ads %d" %(i)
time.sleep(little_time_stop)
try:
img_link = ads_li.find_element_by_class_name('e_biyi_img')
except:
print "\tError : no img in ads %d " %(i)
else:
print "\tReady : visit img_link %d" %(i)
img_link.click()
print "\tSuccess : visit img_link %d" %(i)
time.sleep(little_time_stop)
try:
child_div = ads_li.find_element_by_class_name('e_biyi_childLink');
except:
print "\tError : no child link in ads %d" %(i)
else:
try:
child_links = child_div.find_elements_by_css_selector('a')
except:
print "\tError : find child_links error"
else:
num_links = len(child_links)
print "\tSuccess : there are %d child_links" %(num_links)
j = 0
for child_a in child_links:
j = j + 1
print "\t\tReady : visit child link %d in ads %d" %(j, i)
child_a.click()
print "\t\tSuccess : visit child link %d in ads %d" %(j, i)
time.sleep(little_time_stop)
print "End and thanks for your using!"
# 下面代码选择取消注释
# 延时
# time.sleep(5)
# 关闭当前窗口
# browser.close()
# 关闭所有已经打开的窗口
# browser.quit()