发帖
翼度科技»论坛 › 编程开发 › python › 查看内容

Python教程：selenium模块用法教程

刘杰烨

6

主题

6

帖子

18

积分

新手上路

Rank: 1

积分
18
显示全部楼层
1.介绍

selenium最初是一个自动化测试工具,而爬虫中使用它主要是为了解决requests无法直接执行JavaScript代码的问题
selenium本质是通过驱动浏览器，完全模拟浏览器的操作，比如跳转、输入、点击、下拉等，来拿到网页渲染之后的结果，可支持多种浏览器
  1. from selenium import webdriver
  2. browser=webdriver.Chrome()
  3. browser=webdriver.Firefox()
  4. browser=webdriver.PhantomJS()
  5. browser=webdriver.Safari()
  6. browser=webdriver.Edge()
复制代码
2.安装

有界面浏览器

selenium+chromedriver
安装：selenium+chromedriver
  1. pip3 install selenium
复制代码
下载chromdriver.exe放到python安装路径的scripts目录中即可，注意最新版本是2.38，并非2.9
国内镜像网站地址：http://npm.taobao.org/mirrors/chromedriver/2.38/
最新的版本去官网找:https://sites.google.com/a/chromium.org/chromedriver/downloads
验证安装
  1. C:\Users\Administrator>python3
  2. Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
  3. Type "help", "copyright", "credits" or "license" for more information.
  4. >>> from selenium import webdriver
  5. >>> driver=webdriver.Chrome() #弹出浏览器
  6. >>> driver.get('https://www.baidu.com')
  7. >>> driver.page_source
复制代码
注意：
selenium3默认支持的webdriver是Firfox，而Firefox需要安装geckodriver
下载链接：https://github.com/mozilla/geckodriver/releases
无界浏览器

PhantomJS不再更新
selenium+phantomjs：
安装：selenium+phantomjs
  1. pip3 install selenium
复制代码
下载phantomjs，解压后把phantomjs.exe所在的bin目录放到环境变量
下载链接：http://phantomjs.org/download.html
验证安装
  1. C:\Users\Administrator>phantomjs
  2. phantomjs> console.log('egon gaga')
  3. egon gaga
  4. undefined
  5. phantomjs> ^C
  6. C:\Users\Administrator>python3
  7. Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
  8. Type "help", "copyright", "credits" or "license" for more information.
  10. from selenium import webdriver
  11. driver=webdriver.PhantomJS() #无界面浏览器
  12. driver.get('https://www.baidu.com')
  13. driver.page_source
复制代码
在 PhantomJS 年久失修, 后继无人的节骨眼
Chrome 出来救场, 再次成为了反爬虫 Team 的噩梦
自Google 发布 chrome 59 / 60 正式版 开始便支持Headless mode
这意味着在无 GUI 环境下, PhantomJS 不再是唯一选择
selenium+谷歌浏览器headless模式
  1. #selenium:3.12.0
  2. #webdriver:2.38
  3. #chrome.exe: 65.0.3325.181（正式版本） （32 位）
  5. from selenium import webdriver
  6. from selenium.webdriver.chrome.options import Options
  7. chrome_options = Options()
  8. chrome_options.add_argument('window-size=1920x3000') #指定浏览器分辨率
  9. chrome_options.add_argument('--disable-gpu') #谷歌文档提到需要加上这个属性来规避bug
  10. chrome_options.add_argument('--hide-scrollbars') #隐藏滚动条, 应对一些特殊页面
  11. chrome_options.add_argument('blink-settings=imagesEnabled=false') #不加载图片, 提升速度
  12. chrome_options.add_argument('--headless') #浏览器不提供可视化页面. linux下如果系统不支持可视化不加这条会启动失败
  13. chrome_options.binary_location = r"C:\Program Files (x86)\Google\Chrome\Application\chrome.exe" #手动指定使用的浏览器位置
  15. driver=webdriver.Chrome(chrome_options=chrome_options)
  16. driver.get('https://www.baidu.com')
  18. print('hao123' in driver.page_source)
  20. driver.close() #切记关闭浏览器，回收资源
复制代码
3.基本使用
  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  8. browser=webdriver.Chrome()
  9. try:
  10.     browser.get('https://www.baidu.com')
  12.     input_tag=browser.find_element_by_id('kw')
  13.     input_tag.send_keys('美女') #python2中输入中文错误，字符串前加个u
  14.     input_tag.send_keys(Keys.ENTER) #输入回车
  16.     wait=WebDriverWait(browser,10)
  17.     wait.until(EC.presence_of_element_located((By.ID,'content_left'))) #等到id为content_left的元素加载完毕,最多等10秒
  19.     print(browser.page_source)
  20.     print(browser.current_url)
  21.     print(browser.get_cookies())
  23. finally:
  24.     browser.close()
复制代码
4.选择器

1.基本用法
  1. #官网链接：http://selenium-python.readthedocs.io/locating-elements.html
  2. from selenium import webdriver
  3. from selenium.webdriver import ActionChains
  4. from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
  5. from selenium.webdriver.common.keys import Keys #键盘按键操作
  6. from selenium.webdriver.support import expected_conditions as EC
  7. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  8. import time
  10. driver=webdriver.Chrome()
  11. driver.get('https://www.baidu.com')
  12. wait=WebDriverWait(driver,10)
  14. try:
  15.     # 所有方法
  16.     # 1、find_element_by_id
  17.     # 2、find_element_by_link_text
  18.     # 3、find_element_by_partial_link_text
  19.     # 4、find_element_by_tag_name
  20.     # 5、find_element_by_class_name
  21.     # 6、find_element_by_name
  22.     # 7、find_element_by_css_selector
  23.     # 8、find_element_by_xpath
  24.     # 强调：
  25.     # 1、上述均可以改写成find_element(By.ID,'kw')的形式
  26.     # 2、find_elements_by_xxx的形式是查找到多个元素，结果为列表
  28.     # 示范用法
  29.     # 1、find_element_by_id
  30.     print(driver.find_element_by_id('kw'))
  32.     # 2、find_element_by_link_text
  33.     # login=driver.find_element_by_link_text('登录')
  34.     # login.click()
  36.     # 3、find_element_by_partial_link_text
  37.     login=driver.find_elements_by_partial_link_text('录')[0]
  38.     login.click()
  40.     # 4、find_element_by_tag_name
  41.     print(driver.find_element_by_tag_name('a'))
  43.     # 5、find_element_by_class_name
  44.     button=wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'tang-pass-footerBarULogin')))
  45.     button.click()
  47.     # 6、find_element_by_name
  48.     input_user=wait.until(EC.presence_of_element_located((By.NAME,'userName')))
  49.     input_pwd=wait.until(EC.presence_of_element_located((By.NAME,'password')))
  50.     commit=wait.until(EC.element_to_be_clickable((By.ID,'TANGRAM__PSP_10__submit')))
  52.     input_user.send_keys('18611453110')
  53.     input_pwd.send_keys('xxxxxx')
  54.     commit.click()
  56.     # 7、find_element_by_css_selector
  57.     driver.find_element_by_css_selector('#kw')
  59.     # 8、find_element_by_xpath
  61.     time.sleep(5)
  63. finally:
  64.     driver.close()
复制代码
2.xpath
  1. #官网链接：http://selenium-python.readthedocs.io/locating-elements.html
  2. from selenium import webdriver
  3. from selenium.webdriver import ActionChains
  4. from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
  5. from selenium.webdriver.common.keys import Keys #键盘按键操作
  6. from selenium.webdriver.support import expected_conditions as EC
  7. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  8. import time
  10. driver=webdriver.PhantomJS()
  11. driver.get('https://doc.scrapy.org/en/latest/_static/selectors-sample1.html')
  12. # wait=WebDriverWait(driver,3)
  13. driver.implicitly_wait(3) #使用隐式等待
  15. try:
  16.     # find_element_by_xpath
  17.     #//与/
  18.     # driver.find_element_by_xpath('//body/a')  # 开头的//代表从整篇文档中寻找,body之后的/代表body的儿子，这一行找不到就会报错了
  20.     driver.find_element_by_xpath('//body//a')  # 开头的//代表从整篇文档中寻找,body之后的//代表body的子子孙孙
  21.     driver.find_element_by_css_selector('body a')
  23.     #取第n个
  24.     res1=driver.find_elements_by_xpath('//body//a[1]') #取第一个a标签
  25.     print(res1[0].text)
  27.     #按照属性查找,下述三者查找效果一样
  28.     res1=driver.find_element_by_xpath('//a[5]')
  29.     res2=driver.find_element_by_xpath('//a[@href="image5.html"]')
  30.     res3=driver.find_element_by_xpath('//a[contains(@href,"image5")]') #模糊查找
  31.     print('==>', res1.text)
  32.     print('==>',res2.text)
  33.     print('==>',res3.text)
  36.     #其他
  37.     res1=driver.find_element_by_xpath('/html/body/div/a')
  38.     print(res1.text)
  40.     res2=driver.find_element_by_xpath('//a[img/@src="image3_thumb.jpg"]') #找到子标签img的src属性为image3_thumb.jpg的a标签
  41.     print(res2.tag_name,res2.text)
  43.     res3 = driver.find_element_by_xpath("//input[@name='continue'][@type='button']") #查看属性name为continue且属性type为button的input标签
  44.     res4 = driver.find_element_by_xpath("//*[@name='continue'][@type='button']") #查看属性name为continue且属性type为button的所有标签
  45.    
  46.    
  47.     time.sleep(5)
  49. finally:
  50.     driver.close()
复制代码
3.获取标签属性
  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  8. browser=webdriver.Chrome()
  10. browser.get('https://www.amazon.cn/')
  12. wait=WebDriverWait(browser,10)
  13. wait.until(EC.presence_of_element_located((By.ID,'cc-lm-tcgShowImgContainer')))
  15. tag=browser.find_element(By.CSS_SELECTOR,'#cc-lm-tcgShowImgContainer img')
  17. #获取标签属性，
  18. print(tag.get_attribute('src'))
  20. #获取标签ID，位置，名称，大小（了解）
  21. print(tag.id)
  22. print(tag.location)
  23. print(tag.tag_name)
  24. print(tag.size)
  26. browser.close()
复制代码
5.等待元素被加载

1、selenium只是模拟浏览器的行为，而浏览器解析页面是需要时间的（执行css，js），一些元素可能需要过一段时间才能加载出来，为了保证能查找到元素，必须等待
2、等待的方式分两种：

  • 隐式等待：在browser.get（'xxx'）前就设置，针对所有元素有效
  • 显式等待：在browser.get（'xxx'）之后设置，只针对某个元素有效
隐式等待
  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  8. browser=webdriver.Chrome()
  10. #隐式等待:在查找所有元素时，如果尚未被加载，则等10秒
  11. browser.implicitly_wait(10)
  13. browser.get('https://www.baidu.com')
  15. input_tag=browser.find_element_by_id('kw')
  16. input_tag.send_keys('美女')
  17. input_tag.send_keys(Keys.ENTER)
  19. contents=browser.find_element_by_id('content_left') #没有等待环节而直接查找，找不到则会报错
  20. print(contents)
  22. browser.close()
复制代码
显式等待
  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  8. browser=webdriver.Chrome()
  9. browser.get('https://www.baidu.com')
  11. input_tag=browser.find_element_by_id('kw')
  12. input_tag.send_keys('美女')
  13. input_tag.send_keys(Keys.ENTER)
  15. #显式等待：显式地等待某个元素被加载
  16. wait=WebDriverWait(browser,10)
  17. wait.until(EC.presence_of_element_located((By.ID,'content_left')))
  19. contents=browser.find_element(By.CSS_SELECTOR,'#content_left')
  20. print(contents)
  22. browser.close()
复制代码
6.元素交互操作

点击，清空
  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  8. browser=webdriver.Chrome()
  9. browser.get('https://www.amazon.cn/')
  10. wait=WebDriverWait(browser,10)
  12. input_tag=wait.until(EC.presence_of_element_located((By.ID,'twotabsearchtextbox')))
  13. input_tag.send_keys('iphone 8')
  14. button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
  15. button.click()
  17. import time
  18. time.sleep(3)
  20. input_tag=browser.find_element_by_id('twotabsearchtextbox')
  21. input_tag.clear() #清空输入框
  22. input_tag.send_keys('iphone7plus')
  23. button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')
  24. button.click()
  26. # browser.close()
复制代码
Action Chains
  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By  # 按照什么方式查找，By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys  # 键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait  # 等待页面加载某些元素
  7. import time
  9. driver = webdriver.Chrome()
  10. driver.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
  11. wait=WebDriverWait(driver,3)
  12. # driver.implicitly_wait(3)  # 使用隐式等待
  14. try:
  15.     driver.switch_to.frame('iframeResult') ##切换到iframeResult
  16.     sourse=driver.find_element_by_id('draggable')
  17.     target=driver.find_element_by_id('droppable')
  19.     #方式一：基于同一个动作链串行执行
  20.     # actions=ActionChains(driver) #拿到动作链对象
  21.     # actions.drag_and_drop(sourse,target) #把动作放到动作链中，准备串行执行
  22.     # actions.perform()
  24.     #方式二：不同的动作链，每次移动的位移都不同
  25.     ActionChains(driver).click_and_hold(sourse).perform()
  26.     distance=target.location['x']-sourse.location['x']
  28.     track=0
  29.     while track < distance:
  30.         ActionChains(driver).move_by_offset(xoffset=2,yoffset=0).perform()
  31.         track+=2
  33.     ActionChains(driver).release().perform()
  35.     time.sleep(10)
  37. finally:
  38.     driver.close()
复制代码
在交互动作比较难实现的时候可以自己写JS（万能方法）
  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  9. try:
  10.     browser=webdriver.Chrome()
  11.     browser.get('https://www.baidu.com')
  12.     browser.execute_script('alert("hello world")') #打印警告
  13. finally:
  14.     browser.close()
复制代码
frame的切换

frame相当于一个单独的网页，在父frame里是无法直接查看到子frame的元素的，必须switch_to_frame切到该frame下，才能进一步查找
  1. from selenium import webdriver
  2. from selenium.webdriver import ActionChains
  3. from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR
  4. from selenium.webdriver.common.keys import Keys #键盘按键操作
  5. from selenium.webdriver.support import expected_conditions as EC
  6. from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
  8. #学习中遇到问题没人解答？小编创建了一个Python学习交流群：489111204
  9. try:
  10.     browser=webdriver.Chrome()
  11.     browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
  13.     browser.switch_to.frame('iframeResult') #切换到id为iframeResult的frame
  15.     tag1=browser.find_element_by_id('droppable')
  16.     print(tag1)
  18.     # tag2=browser.find_element_by_id('textareaCode') #报错，在子frame里无法查看到父frame的元素
  19.     browser.switch_to.parent_frame() #切回父frame,就可以查找到了
  20.     tag2=browser.find_element_by_id('textareaCode')
  21.     print(tag2)
  23. finally:
  24.     browser.close()
复制代码
7.其他

模拟浏览器的前进后退
  1. import time
  2. from selenium import webdriver
  4. browser=webdriver.Chrome()
  5. browser.get('https://www.baidu.com')
  6. browser.get('https://www.taobao.com')
  7. browser.get('http://www.sina.com.cn/')
  9. browser.back()
  10. time.sleep(10)
  11. browser.forward()
  12. browser.close()
复制代码
cookies
  1. from selenium import webdriver
  3. browser=webdriver.Chrome()
  4. browser.get('https://www.zhihu.com/explore')
  5. print(browser.get_cookies())
  6. browser.add_cookie({'k1':'xxx','k2':'yyy'})
  7. print(browser.get_cookies())
  9. # browser.delete_all_cookies()
复制代码
选项卡管理

选项卡管理：切换选项卡，有js的方式windows.open,有windows快捷键：ctrl+t等，最通用的就是js的方式
  1. import time
  2. from selenium import webdriver
  4. browser=webdriver.Chrome()
  5. browser.get('https://www.baidu.com')
  6. browser.execute_script('window.open()')
  8. print(browser.window_handles) #获取所有的选项卡
  9. browser.switch_to_window(browser.window_handles[1])
  10. browser.get('https://www.taobao.com')
  11. time.sleep(10)
  12. browser.switch_to_window(browser.window_handles[0])
  13. browser.get('https://www.sina.com.cn')
  14. browser.close()
复制代码
异常处理
  1. from selenium import webdriver
  2. from selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameException
  4. try:
  5.     browser=webdriver.Chrome()
  6.     browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
  7.     browser.switch_to.frame('iframssseResult')
  9. except TimeoutException as e:
  10.     print(e)
  11. except NoSuchFrameException as e:
  12.     print(e)
  13. finally:
  14.     browser.close()
复制代码
来源:https://www.cnblogs.com/python1111/p/17103260.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！

上一篇: 03-Pandas详解

下一篇: Python装饰器实例讲解(一)

发表于 2023-2-9 06:35:57

举报 回复 使用道具

返回列表 发新帖

Archiver|手机版|小黑屋|翼度科技

Copyright © 2001-2020, Tencent Cloud.　Powered by Discuz! X3.4