扣丁学堂Python培训之爬虫selenium库使用详解

2018-05-17 09:48:24 613浏览

什么是Selenium？selenium是一套完整的web应用程序测试系统，包含了测试的录制（seleniumIDE）,编写及运行（SeleniumRemoteControl）和测试的并行处理（SeleniumGrid）。Selenium的核心SeleniumCore基于JsUnit，完全由Java编写，因此可以用于任何支持Java的浏览器上。

selenium可以模拟真实浏览器，自动化测试工具，支持多种浏览器，爬虫中主要用来解决Java渲染问题。

selenium基本使用

用python写爬虫的时候，主要用的是selenium的Webdriver，我们可以通过下面的方式先看看Selenium.Webdriver支持哪些浏览器

Python3.5.2(default,Aug242016,16:48:29)
[GCC4.2.1CompatibleAppleLLVM7.3.0(clang-703.0.31)]ondarwin
Type"help","copyright","credits"or"license"formoreinformation.
>>>fromseleniumimportwebdriver
>>>help(webdriver)

执行结果如下，从结果中我们也可以看出基本支持了常见的所有浏览器：

PACKAGECONTENTS
android(package)
blackberry(package)
chrome(package)
common(package)
edge(package)
firefox(package)
ie(package)
opera(package)
phantomjs(package)
remote(package)
safari(package)
support(package)
webkitgtk(package)

这里要说一下比较重要的PhantomJS,PhantomJS是一个而基于WebKit的服务端JavaAPI,支持Web而不需要浏览器支持，其快速、原生支持各种Web标准：Dom处理，CSS选择器，JSON等等。PhantomJS可以用用于页面自动化、网络监测、网页截屏，以及无界面测试

声明浏览器对象

上面我们知道了selenium支持很多的浏览器，但是如果想要声明并调用浏览器则需要：

fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser=webdriver.Firefox()

这里只写了两个例子，当然了其他的支持的浏览器都可以通过这种方式调用

访问页面

fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser.get("http://www.codingke.com")
print(browser.page_source)
browser.close()

上述代码运行后，会自动打开Chrome浏览器，并登陆百度打印百度首页的源代码，然后关闭浏览器

查找元素

单个元素查找

fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser.get("http://www.codingke.com")
input_first=browser.find_element_by_id("q")
input_second=browser.find_element_by_css_selector("#q")
input_third=browser.find_element_by_xpath('//*[@id="q"]')
print(input_first)
print(input_second)
print(input_third)
browser.close()

这里我们通过三种不同的方式去获取响应的元素，第一种是通过id的方式，第二个中是CSS选择器，第三种是xpath选择器，结果都是相同的。

这里列举一下常用的查找元素方法：

find_element_by_name
find_element_by_id
find_element_by_xpath
find_element_by_link_text
find_element_by_partial_link_text
find_element_by_tag_name
find_element_by_class_name
find_element_by_css_selector

下面这种方式是比较通用的一种方式：这里需要记住By模块所以需要导入

fromselenium.webdriver.common.byimportBy
fromseleniumimportwebdriver
fromselenium.webdriver.common.byimportBy
browser=webdriver.Chrome()
browser.get("http://www.coodingke.com")
input_first=browser.find_element(By.ID,"q")
print(input_first)
browser.close()

当然这种方法和上述的方式是通用的，browser.find_element(By.ID,"q")这里By.ID中的ID可以替换为其他几个

多个元素查找

其实多个元素和单个元素的区别，举个例子：find_elements,单个元素是find_element,其他使用上没什么区别，通过其中的一个例子演示：

fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser.get("http://www.codingke.com")
lis=browser.find_elements_by_css_selector('.service-bdli')
print(lis)
browser.close()

这样获得就是一个列表

当然上面的方式也是可以通过导入fromselenium.webdriver.common.byimportBy这种方式实现

lis=browser.find_elements(By.CSS_SELECTOR,'.service-bdli')

同样的在单个元素中查找的方法在多个元素查找中同样存在：

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

元素交互操作

对于获取的元素调用交互方法

fromseleniumimportwebdriver
importtime
browser=webdriver.Chrome()
browser.get("http://www.codingke.com")
input_str=browser.find_element_by_id('q')
input_str.send_keys("ipad")
time.sleep(1)
input_str.clear()
input_str.send_keys("MakBookpro")
button=browser.find_element_by_class_name('btn-search')
button.click()

运行的结果可以看出程序会自动打开Chrome浏览器并打开淘宝输入ipad,然后删除，重新输入MakBookpro，并点击搜索

交互动作

将动作附加到动作链中串行执行

fromseleniumimportwebdriver
fromselenium.webdriverimportActionChains
browser=webdriver.Chrome()
url="http://www.codingke.com/try/try.php?filename=jqueryui-api-droppable"
browser.get(url)
browser.switch_to.frame('iframeResult')
source=browser.find_element_by_css_selector('#draggable')
target=browser.find_element_by_css_selector('#droppable')
actions=ActionChains(browser)
actions.drag_and_drop(source,target)
actions.perform()

执行Java

这是一个非常有用的方法，这里就可以直接调用js方法来实现一些操作，

下面的例子是通过登录知乎然后通过js翻到页面底部，并弹框提示

fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser.get("http://www.codingke.com/explore")
browser.execute_('window.scrollTo(0,document.body.scrollHeight)')
browser.execute_('alert("ToBottom")')

获取元素属性

get_attribute('class')
fromseleniumimportwebdriver
browser=webdriver.Chrome()
url='https://www.codingke.com/explore'
browser.get(url)
logo=browser.find_element_by_id('zh-top-link-logo')
print(logo)
print(logo.get_attribute('class'))
获取文本值
fromseleniumimportwebdriver
browser=webdriver.Chrome()
url='https://www.codingke.com/explore'
browser.get(url)
input=browser.find_element_by_class_name('zu-top-add-question')
print(input.text)
获取ID，位置，标签名
id
location
tag_name
size
fromseleniumimportwebdriver
browser=webdriver.Chrome()
url='https://www.codingke.com/explore'
browser.get(url)
input=browser.find_element_by_class_name('zu-top-add-question')
print(input.id)
print(input.location)
print(input.tag_name)
print(input.size)
Frame

在很多网页中都是有Frame标签，所以我们爬取数据的时候就涉及到切入到frame中以及切出来的问题，通过下面的例子演示

这里常用的是switch_to.from()和switch_to.parent_frame()

　　importtime
　　fromseleniumimportwebdriver
　　fromselenium.common.exceptionsimportNoSuchElementException
　　browser=webdriver.Chrome()
　　url='http://www.codingke.com/try/try.php?filename=jqueryui-api-droppable'
　　browser.get(url)
　　browser.switch_to.frame('iframeResult')
　　source=browser.find_element_by_css_selector('#draggable')
　　print(source)
　　try:
　　logo=browser.find_element_by_class_name('logo')
　　exceptNoSuchElementException:
　　print('NOLOGO')
　　browser.switch_to.parent_frame()
　　logo=browser.find_element_by_class_name('logo')
　　print(logo)
　　print(logo.text)

等待

当使用了隐式等待执行测试的时候，如果WebDriver没有在DOM中找到元素，将继续等待，超出设定时间后则抛出找不到元素的异常,换句话说，当查找元素或元素并没有立即出现的时候，隐式等待将等待一段时间再查找DOM，默认的时间是0

隐式等待

到了一定的时间发现元素还没有加载，则继续等待我们指定的时间，如果超过了我们指定的时间还没有加载就会抛出异常，如果没有需要等待的时候就已经加载完毕就会立即执行

fromseleniumimportwebdriver
browser=webdriver.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)

显示等待

指定一个等待条件，并且指定一个最长等待时间，会在这个时间内进行判断是否满足等待条件，如果成立就会立即返回，如果不成立，就会一直等待，直到等待你指定的最长等待时间，如果还是不满足，就会抛出异常，如果满足了就会正常返回

　　fromseleniumimportwebdriver
　　fromselenium.webdriver.common.byimportBy
　　fromselenium.webdriver.support.uiimportWebDriverWait
　　fromselenium.webdriver.supportimportexpected_conditionsasEC
　　browser=webdriver.Chrome()
　　browser.get('https://www.codingke.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)

上述的例子中的条件：EC.presence_of_element_located（）是确认元素是否已经出现了

EC.element_to_be_clickable（）是确认元素是否是可点击的

常用的判断条件：

title_is标题是某内容

title_contains标题包含某内容

presence_of_element_located元素加载出，传入定位元组，如(By.ID,'p')

visibility_of_element_located元素可见，传入定位元组

visibility_of可见，传入元素对象

presence_of_all_elements_located所有元素加载出

text_to_be_present_in_element某个元素文本包含某文字

text_to_be_present_in_element_value某个元素值包含某文字

frame_to_be_available_and_switch_to_itframe加载并切换

invisibility_of_element_located元素不可见

element_to_be_clickable元素可点击

staleness_of判断一个元素是否仍在DOM，可判断页面是否已经刷新

element_to_be_selected元素可选择，传元素对象

element_located_to_be_selected元素可选择，传入定位元组

element_selection_state_to_be传入元素对象以及状态，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Alert

浏览器的前进和后退

　　back()
　　forward()
　　importtime
　　fromseleniumimportwebdriver
　　browser=webdriver.Chrome()
　　browser.get('https://www.codingke.com/')
　　browser.get('https://www.codingke.com/')
　　browser.get('http://www.codingke.com/')
　　browser.back()
　　time.sleep(1)
　　browser.forward()
　　browser.close()
　　cookie操作
　　get_cookies()
　　delete_all_cookes()
　　add_cookie()
　　fromseleniumimportwebdriver
　　browser=webdriver.Chrome()
　　browser.get('https://www.codingke.com/explore')
　　print(browser.get_cookies())
　　browser.add_cookie({'name':'name','domain':'www.codingke.com','value':'zhaofan'})
　　print(browser.get_cookies())
　　browser.delete_all_cookies()
　　print(browser.get_cookies())

选项卡管理

通过执行js命令实现新开选项卡window.open()

不同的选项卡是存在列表里browser.window_handles

通过browser.window_handles[0]就可以操作第一个选项卡

　　importtime
　　fromseleniumimportwebdriver
　　browser=webdriver.Chrome()
　　browser.get('https://www.codingke.com')
　　browser.execute_('window.open()')
　　print(browser.window_handles)
　　browser.switch_to_window(browser.window_handles[1])
　　browser.get('https://www.codingke.com')
　　time.sleep(1)
　　browser.switch_to_window(browser.window_handles[0])
　　browser.get('http://www.codingke.com')

异常处理，这里只进行简单的演示，查找一个不存在的元素

　　fromseleniumimportwebdriver
　　fromselenium.common.exceptionsimportTimeoutException,NoSuchElementException
　　browser=webdriver.Chrome()
　　try:
　　browser.get('https://www.codingke.com')
　　exceptTimeoutException:
　　print('TimeOut')
　　try:
　　browser.find_element_by_id('hello')
　　exceptNoSuchElementException:
　　print('NoElement')
　　finally:
　　browser.close()

以上就是扣丁学堂Python培训之爬虫selenium库使用详解的介绍，希望能给大家一个参考。想要了解更多内容的小伙伴可以登录扣丁学堂官网了解更多内容。扣丁学堂是专业的Python培训机构，不仅有专业的老师和与时俱进的课程体系，还有大量的Python视频教程供学员观看学习，想要学习Python的小伙伴快快行动吧。扣丁学堂Python技术交流群：279521237。

【关注微信公众号获取更多学习资料】

查看更多关于"Python开发资讯"的相关文章>