Selenium简介

2019-10-15  本文已影响0人  小T数据站

1. 声明浏览器对象

Selenium支持非常多的浏览器，如Chrome、Firefox、Edge等，可用如下方式进行初始化：

from selenium import webdriver

browser = webdriver.Chrome()
browser = webdriver.Firefox()
browser = webdriver.Edge()
browser = webdriver.PhantomJS()
browser = webdriver.Safari()

Mac里需要将chromedriver放在usr/local/bin文件下

2.访问页面

可以用get()方法来请求网页，参数传入链接URL即可，此处拿访问淘宝举例：

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('Https://www.taobao.com') #访问淘宝
print('browser.page_source') #输出淘宝页面的源代码
browser.close() #关闭浏览器

3. 查找节点

4. 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：输入文字是用send_keys()方法，清空文字时用clear()方法，点击按钮时用click()方法。

from selenium import webdriver
import time 

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
imput = browser.find_element_by_id('q') #根据id找到搜索框
input.send_keys('iPhone') # 在搜索框内输入'iPhone'
time.sleep(1)
input.clear() #清楚搜索框内的内容
input.send_keys('iPad') #在搜索框内输入'iPad'
button = find_element_by_class_name('btn-search') #根据class_name找到搜索按钮
button.click() #点击搜索按钮
browser.close()

更过交互动作介绍可参见官方文档的交互动作介绍：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.remote.webelement

5. 动作链

参见官方文档介绍：http://selenium-python.readthedocs.io/api.html#module-selenium.webdrive.common.action_chains

6. 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.zhihu.com/explore')
browser.execute_script('window.scrollTo(0,document.body.scrollHeight)') #将进度条拉
browser.execute_script('alert("To Bottom")')
browser.close()

7. 获取节点信息

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.zhihu.com/explore')
logo = browser.find_element_by_id('zh-top-link-logo') #查找logo的节点
print('logo')
print(logo.get_attribute('class')) #输出logo的属性

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.zhihu.com/explore')
input = browser.find_element_by_class_name('zh-top-add-question') 
print(input.text())

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.zhihu.com/explore')
input = browser.find_element_by_class_name('zh-top-add-question')
print(input.id)
print(input.location)
print(input.tag_name)
print(inout.size)

这里首先获得“提问“按钮的这个节点，然后调用其id、location、tag_name、size属性来获取对应的属性值。

8. 切换Frame

网页中有一种节点叫做iframe，也就是子frame，相当于页面的子页面，它的结构和外部网页的结构完全一致，需要使用switch_to.frame()方法来切换Frame。

9. 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的时间，确保节点已经加载出来。

from selenium import webdriver

browser = web.Chrome()
browser.implicitly_wait(10)
browser.get('https://www.zhihu.com/explore')
input = browser.find_element_by_class_name('zu-top-add-question')
print(input)

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

browser = webdriver.Chrome()
browser.get('https://www.taobao.com/')
wait = WebDriverWait(browser,10)
input = wait.until(EC.presence_of_element_located((By.ID,'q')))
button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,'.btn-search')))
print(input,button)

上诉代码的效果是，在10秒内如果id为q的节点成功加载出来，就返回该节点；如果没加载出来就抛出异常。对于按钮，如果10秒内它是可点击的，就返回这个按钮节点；如果没有，就抛出异常。
所有的等待条件如下：

等待条件 含义
title_is 标题是某内容
title_contains 标题包含某内容
presence_of_element_located 节点加载出来，传入定位元组，如(By.ID,'p')
visibility_of_element_located 节点可见，传入定位元组
visibility_of 可见，传入节点对象
presence_of_all_elements_located 所有节点加载出来
text_to_be_present_in_element 某个节点文本包含某文字
text_to_be_present_in_element_value 某个节点值包含某文字
frame_to_be_available_and_switch_to_it 加载并切换
invisibility_of_element_located 节点不可见
element_to_be_clickable 节点可点击
staleness_of 判断一个节点是否仍在DOM，可判断页面是否已经刷新
element_to_be_selected 节点可选择，传节点对象
element_located_to_be_selected 节点可选择，传入定位元组
element_selection_state_to_be 传入节点对象以及状态，相等返回True，否则返回False
element_located_selection_state_to_be 传入定位元组以及状态，相等返回True，否则返回False
alert_is_present 是否出现警告

10. 前进和后退

使用back()方法后退，使用forward()方法前进。

import time 
from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.get('https://www.taobao.com')
browser.get('https://wwww.python.org')
browser.back()
time.sleep(1)
browser.forward()
browser.close()

11. Cookies

使用Selenium可以对Cookies进行操作，例如获取、添加、删除Cookies等。

from selenium import webdriver

browser = webdriver.Chrome()
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())

12. 选项卡管理

在浏览器打开的时候，会开启一个个的选项卡，在Selenium中，也可以对其进行操作。

import time
from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.execute_script('window.open()') #新建一个选项卡
print(browser.window_handles)
browser.switch_to.window(browser.window_handles[1]) #跳转到第二个选项卡
browser.get('https://www.taobao.com')
time.sleep(1)
browser.switch_to.window(browser.window_handles[0]) #跳转到第一个选项卡
browser.get('https://python.org')
browser.close()

13. 异常处理

使用try except语句来捕获各种异常。

from selenium import webdriver
from selenium.common.exceptions import TimeoutException,NoSuchElementException

browser = webdriver.Chrome()
try:
    browser.get('https://www.baidu.com')
except TimeoutException:
    print('Time Out')
try:
    browser.find_element_by_id('hello')
except NoSuchElementException:
    print('No Element')
finally:
    browser.close()

更多的异常类，可参考官方文档：http://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions

以上总结于崔庆才的《python3网络爬虫开发实战》

上一篇下一篇

猜你喜欢

热点阅读