PhantomJS

一 . 认识PhantomJS

1.PhantomJS：无界面的浏览器

Selenium： 可以根据我们的指令，让浏览器自动加载页面，获取需要的数据，甚至页面截屏，或者判断网站上某些动作是否发生。Selenium 自己不带浏览器，不支持浏览器的功能，它需要与第三方浏览器结合在一起才能使用。但是我们有时候需要让它内嵌在代码中运行，所以我们可以用一个叫 PhantomJS 的工具代替真实的浏览器。

文档地址：http://selenium-python.readthedocs.io/index.html

# 导入 webdriver
from selenium import webdriver
# 要想调用键盘按键操作需要引入keys包
from selenium.webdriver.common.keys 
import Keys
# 调用环境变量指定的PhantomJS浏览器创建浏览器对象
driver = webdriver.PhantomJS()
# 如果没有在环境变量指定PhantomJS位置# driver = webdriver.PhantomJS(executable_path="./phantomjs"))
# get方法会一直等到页面被完全加载，然后才会继续程序，通常测试会在这里选择 time.sleep(2) driver.get("http://www.baidu.com/") # 获取页面名为 wrapper的id标签的文本内容 data = driver.find_element_by_id("wrapper").text # 打印数据内容 print data # 打印页面标题 "百度一下，你就知道 "print driver.title # 生成当前页面快照并保存 driver.save_screenshot("baidu.png") # id="kw"是百度搜索输入框，输入字符串"长城" driver.find_element_by_id("kw").send_keys("长城") # id="su"是百度搜索按钮，click() 是模拟点击 driver.find_element_by_id("su").click() # 获取新的页面快照 driver.save_screenshot("长城.png") # 打印网页渲染后的源代码 print driver.page_source # 获取当前页面Cookie print driver.get_cookies() # ctrl+a 全选输入框内容 driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'a') # ctrl+x 剪切输入框内容 driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'x') # 输入框重新输入内容 driver.find_element_by_id("kw").send_keys("atguigu") # 模拟Enter回车键 driver.find_element_by_id("su").send_keys(Keys.RETURN) # 清除输入框内容 driver.find_element_by_id("kw").clear() # 生成新的页面快照 driver.save_screenshot("atguigu.png") # 获取当前url print driver.current_url # 关闭当前页面，如果只有一个页面，会关闭浏览器# driver.close() # 关闭浏览器 driver.quit()

 

2.页面操作大体内容

# 获取id标签值
element = driver.find_element_by_id("passwd-id")
# 获取name标签值
element = driver.find_element_by_name("user-name") # 获取标签名值 element = driver.find_elements_by_tag_name("input") # 也可以通过XPath来匹配 element = driver.find_element_by_xpath("//input[@id='passwd-id']")

 

3. 关于元素的选取，有如下的API 单个元素选取

# 定位UI元素 (WebElements)
 
find_element_by_id
find_elements_by_name
find_elements_by_xpath
find_elements_by_link_text
find_elements_by_partial_link_text
find_elements_by_tag_name
find_elements_by_class_name
find_elements_by_css_selector

 

4. 鼠标动作链

# 导入 webdriver
 
#导入 ActionChains 类
from selenium.webdriver import ActionChains
# 鼠标移动到 ac 位置
ac = driver.find_element_by_xpath('element') ActionChains(driver).move_to_element(ac).perform() # 在 ac 位置单击 ac = driver.find_element_by_xpath("elementA") ActionChains(driver).move_to_element(ac).click(ac).perform() # 在 ac 位置双击 ac = driver.find_element_by_xpath("elementB") ActionChains(driver).move_to_element(ac).double_click(ac).perform() # 在 ac 位置右击 ac = driver.find_element_by_xpath("elementC") ActionChains(driver).move_to_element(ac).context_click(ac).perform() # 在 ac 位置左键单击hold住 ac = driver.find_element_by_xpath('elementF') ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform() # 将 ac1 拖拽到 ac2 位置 ac1 = driver.find_element_by_xpath('elementD') ac2 = driver.find_element_by_xpath('elementE') ActionChains(driver).drag_and_drop(ac1, ac2).perform()

 

5 . 下拉菜单的操作(导入select类)

# 导入 Select 类
from selenium import webdriver
from selenium.webdriver.support.ui import Select
driver = webdriver.Chrome()
driver.get("http://127.0.0.1:8080")
# 找到 name 的选项卡
select = Select(driver.find_element_by_name('status')) #根据位置下标 # select.select_by_index(1) #根据值找到对应的选择 # select.select_by_value("3") #根据显示值找到对应的选择 select.select_by_visible_text("审核不通过")

 

6. 页面切换

driver.switch_to.window("window name")

 

7. 操作页面的前进和后退

driver.forward()     #前进
driver.back()        # 后退

 

8. 页面等待

显式等待是等待特定的时间，隐式等待是指定某一条件直到这个条件成立时继续执行。

8.1 隐式等待比较简单，就是简单地设置一个等待时间，单位为秒

from selenium import webdriver
driver = webdriver.Chrome()
driver.implicitly_wait(10) # seconds
driver.get("http://www.xxxxx.com/loading")

8.2  显式等待指定某个条件，然后设置最长等待时间。如果在这个时间还没有找到元素，那么便会抛出异常了

from selenium import webdriver
from selenium.webdriver.common.by import By# WebDriverWait 库，负责循环等待
from selenium.webdriver.support.ui import WebDriverWait# expected_conditions 类，负责条件出发
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Chrome()
driver.get("http://www.xxxxx.com/loading")
try: # 页面一直循环，直到 id="myElement" 出现 element = WebDriverWait(driver, 10).until(EC.presence_of_element_located((By.ID, "myElement"))) finally: driver.quit()

 

二、网站模拟登录豆瓣网

from selenium import webdriver
import time
 
# 创建一个浏览器客户端,并且指定配置
# 如果是PhantomJS做浏览器客户端还要设置路径
# driver = webdriver.PhantomJS(executable_path="/usr/local/bin/phantomjs")
driver = webdriver.Chrome()
 
driver.get("https://www.douban.com/")
time.sleep(1) driver.save_screenshot("豆瓣首页.png") #输入账号 driver.find_element_by_id("form_email").send_keys("username") #输入密码 driver.find_element_by_name("form_password").send_keys("password") #保存验证码的图片 driver.save_screenshot("验证码.png") #输入验证码 check_code = input("请输入验证码:") print(r"验证码是多少:%s" % check_code) driver.find_element_by_id("captcha_field").send_keys(check_code) #点击登录按钮 driver.find_element_by_xpath("//input[@class='bn-submit']").click() #休眠一下等待登录成功 time.sleep(3) #保存登录成功的快照 driver.save_screenshot("登录成功.png") #保存成功登录好的html到本地 with open("douban.html","w",encoding="utf-8") as f: f.write(driver.page_source) #退出成功 driver.quit()

 

三、动态页面模拟点击（unittest -python测试模块）

import time
#导入python测试模块
import unittest
 
#类名任意,但必须继承unittest.TestCase
class DouyuTest(unittest.TestCase):
   #固定写法,通常做初始化
   def setUp(self):
      print("setUp()....") self.num1 = 1 self.num2 = 1 def testTest(self): for i in range(1,3): print("testTest()==",i) self.num1 += 1 time.sleep(1) def testTest2(self): for i in range(1,3): print("testTest2()==",i) self.num2 += 1 time.sleep(1) #固定写法,但每个自定义方法接收后都会调用一次该方法 def tearDown(self): print("tearDown()...") print("num1==",self.num1) print("num2==", self.num2) if __name__ == "__main__": #调用的时候只需要写上main,固定的调用方式 unittest.main()

 

四、执行JavaScript代码from selenium import webdriver

import time
 
driver = webdriver.PhantomJS()
 
driver.get("https://movie.douban.com/typerank?type_name=剧情&type=11&interval_id=100:90&action=")
# 向下滚动10000像素
js = "document.body.scrollTop=10000"
time.sleep(5) #查看页面快照 driver.save_screenshot("douban.png") # 执行JS语句 driver.execute_script(js) time.sleep(5) #查看页面快照 driver.save_screenshot("newdouban.png") #退出浏览器 driver.quit()

 

五、模拟最新无界面浏览器（绝招在这，缺陷性能太慢）

from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
from bs4 import BeautifulSoup
from selenium.webdriver.chrome.options import Options
 
#不加载图片,不缓存在硬盘(内存)
SERVICE_ARGS = ['--load-images=false', '--disk-cache=false']
chrome_options = Options()
chrome_options.add_argument("--headless") # 创建浏览器, 添加参数设置为无界面浏览器 driver = webdriver.Chrome(service_args=SERVICE_ARGS, chrome_options=chrome_options) #设置等待时间 waite = WebDriverWait(driver, 5) driver.get('https://taobao.com/') def get_page_num(): # 等待搜索框出现 input = waite.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#q'))) # 输入美食 input.send_keys('美食') # 点击搜索 driver.find_element_by_css_selector("#J_TSearchForm > div > button").click() # 共计多少页 text = driver.find_element_by_css_selector('#mainsrp-pager > div > div > div > div[class="total"]').text data = text[2:6] get_product_info() return data #得到某一个宝贝,商品的大体信息 def get_product_info(): waite.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-itemlist .items .item'))) # 通过BeautifulSoup取数据 soup = BeautifulSoup(driver.page_source, 'lxml') #取所有的列表数据 item_lists = soup.select("#mainsrp-itemlist .items .item") for item_list in item_lists: item_dict = {} image = item_list.select('.J_ItemPic.img')[0].attrs["data-src"] if not image: image = item_list.select('.J_ItemPic.img')[0].attrs["data-ks-lazyload"] # 销售地 location = item_list.select(".location")[0].text # 价格 price = item_list.select(".price")[0].text # 商店名称 shopname = item_list.select(".shopname")[0].text.strip() # 宝贝名称 title = item_list.select('a[class="J_ClickStat"]')[0].text.strip() # 链接 data_link = item_list.select('a[class="J_ClickStat"]')[0].attrs["href"] item_dict["image"] = "https:" + image item_dict["location"] = location item_dict["shopname"] = shopname item_dict["title"] = title item_dict["data_link"] = "https:" + data_link item_dict["price"] = price print(item_dict) # 切换下一页 def next_page(page): print("当前正在加载第%s页的数据--------" % page) try: input = waite.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div > input'))) input.clear() # 清空输入框 # 页面框添加页码 input.send_keys(page) #找到确定按钮,点击确定 driver.find_element_by_css_selector("#mainsrp-pager > div > div > div > div > span.btn.J_Submit").click() waite.until(EC.text_to_be_present_in_element( (By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > ul.items > li.item.active"), str(page))) except Exception as e: print(e) next_page(page) # 当前切换后的页面的数据 get_product_info() def main(): data = get_page_num() print('总页数是=', data) for page in range(2, int(data) + 1): next_page(page) # 退出浏览器 driver.quit() if __name__ == '__main__': main()

 

来源：https://blog.csdn.net/GoAheadNeverTurnBack/article/details/81270571

转载于:https://www.cnblogs.com/linuxws/p/11139742.html