简介
Selenium是一个Web的自动化测试工具,类型像我们玩游戏用的按键精灵,它支持所有主流的浏览器(包括PhantomJS这些无界面的浏览器)。
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。
但是被用歪了,现在一般作为破解反爬的一种手段,一般用于解决动态页面或者js加密的爬虫问题。(ps:只要有js参与页面动态生成元素的都叫动态页面)
不然的话用Python 解决这个问题只有两种途径:
1.直接从JavaScript 代码里采集内容(费时费力)
2.用Python 的第三方库运行JavaScript,直接采集你在浏览器里看到的页面。
案例瓜子二手手网站爬取:
import requests
headers = {
"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:66.0) Gecko/20100101 Firefox/66.0",
}
html = requests.get("https://www.guazi.com/zz/?ca_s=pz_baidu&ca_n=tbmkbturl&scode=10103000312",headers=headers).content.decode()
print(html)
结果:
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="utf-8">
<script type="text/javascript">...</script>
</head>
<body>
<p>正在打开中,请稍后...<e style='float:right'>2019-05-30 17:36:20</e><p>
</body>
</html>
用今天的技术就可以解决:
from selenium import webdriver
driver = webdriver.Firefox()
driver.get("https://www.guazi.com/zz/?ca_s=pz_baidu&ca_n=tbmkbturl&scode=10103000312")
print(driver.page_source)
结果:很OK
安装
pip install selenium==3.8.0 为了适配phantomjs
如果不适配phantomjs 直接pip install selenium
或者可以使用清华源,安装更快
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple selenium
浏览器驱动的安装
Selenium 自己不带浏览器,需要自己安装浏览器软件和驱动
一般测试阶段使用带界面的浏览器(谷歌/火狐等):
1.谷歌浏览器下载配置:
打开如下页面:http://npm.taobao.org/mirrors/chromedriver/
把exe文件放置到自己的python环境安装目录
2.火狐浏览器下载配置:
打开如下页面:https://github.com/mozilla/geckodriver/releases
把exe文件放置到自己的python环境安装目录
3.phantomjs浏览器下载配置:
官网下载安装http://phantomjs.org/download.html
1、解压放到:C:\phantomjs-2.1.1-windows
2、需设置环境变量,Path添加C:\phantomjs-2.1.1-windows\bin
问题说明:
真正生成环境下爬取数据阶段使用无界面(PhantomJS)
但是谷歌火狐也可以设置为无头浏览器
最新版本的selenium3.11.0停止对PhantomJS的支持,需要对selenium降级
pip3 install selenium==3.8.0
有时就算这里设置环境变量,后边有可能程序运行的时候,也有可能发生找不到的情况发生
没关系我们可以直接在代码里可以设置指明路径
webdriver.PhantomJS(executable_path=“安装路径”)
知识
快速入门
Selenium 库里有个叫WebDriver 的API。WebDriver可以加载网站也可以查找页面元素,对页面上的元素进行交互(发送文本、点击等),以及执行其他动作来运行网络爬虫。
from selenium import webdriver
import time
# 打开浏览器驱动
driver = webdriver.Firefox()
# 加载网址
driver.get("http://www.baidu.com")
# 页面源码
print(driver.page_source)
# 获取 cookie
print(driver.get_cookies())
# url
print(driver.current_url)
# 截图
driver.save_screenshot("./baidu0.png")
# 输入
driver.find_element_by_id("kw").send_keys("996")
time.sleep(2)
# 截图
driver.save_screenshot("./baidu1.png")
# 点击
driver.find_element_by_id("su").click()
time.sleep(2)
# 截图
driver.save_screenshot("./baidu2.png")
# 退出
driver.quit()
定位UI元素(WebElements)
各种方式获取元素
单个元素查找 search
# 通过属性为name的值进行过滤
find_element_by_name
find_element_by_id
find_element_by_tag_name
find_element_by_class_name
# 通过链接的文本进行过滤
find_element_by_link_text
# 通过链接的部分文本进行过滤
find_element_by_partial_link_text
# 通过xpath查找
find_element_by_xpath
# 通过css选择器查找
find_element_by_css_selector
多个元素查找 findall
find_elements_by_name
find_elements_by_id
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
通过find_element + by的属性实现获取元素
from selenium.webdriver.common.by import By
setfElement = driver.find_element(By.ID,"setf")
获取元素属性值
元素.get_attribute('属性名')
from selenium import webdriver
# 打开浏览器
browser = webdriver.Chrome()
# 发送请求
url = 'https://www.zhihu.com/explore'
browser.get(url)
# 查找元素
logo =browser.find_element_by_id('zh-top-link-logo')
print(logo)
# 获取元素