在linux和windows中使用selenium

一. selenium（浏览的人你们多大呀？是AI?）

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. 环境安装

下载安装selenium：

pip install selenium

下载浏览器驱动程序：

http://chromedriver.storage.googleapis.com/index.html

查看驱动和浏览器版本的映射关系：

http://blog.csdn.net/huilan_same/article/details/51896672

2. 编码流程

- 导包: from selenium import webdriver
- 实例化某一款浏览器对象
- 制定相关的行为动作

3. 简单使用/效果展示

from selenium import webdriver

from time import sleep

# 后面是你的浏览器驱动位置，记得前面加r'','r'是防止字符转义的

driver = webdriver.Chrome(r'./chromedriver.exe')

# 用get打开百度页面

driver.get("http://www.baidu.com")

# 查找页面的“设置”选项，并进行点击

driver.find_elements_by_link_text('设置')[0].click()

sleep(2)

# # 打开设置后找到“搜索设置”选项，设置为每页显示50条

driver.find_elements_by_link_text('搜索设置')[0].click()

sleep(2)

# 选中每页显示50条

m = driver.find_element_by_id('nr')

sleep(2)

m.find_element_by_xpath('//*[@id="nr"]/option[3]').click()

m.find_element_by_xpath('.//option[3]').click()

sleep(2)

# 点击保存设置

driver.find_elements_by_class_name("prefpanelgo")[0].click()

sleep(2)

# 处理弹出的警告页面   确定accept() 和 取消dismiss()

driver.switch_to_alert().accept()

sleep(2)

# 找到百度的输入框，并输入 美女

driver.find_element_by_id('kw').send_keys('美女')

sleep(2)

# 点击搜索按钮

driver.find_element_by_id('su').click()

sleep(2)

# 在打开的页面中找到“Selenium - 开源中国社区”，并打开这个页面

driver.find_elements_by_link_text('美女_百度图片')[0].click()

sleep(3)

# 关闭浏览器

driver.quit()
import time

from selenium import webdriver

bro = webdriver.Chrome(executable_path="./chromedriver.exe")

bro.get("https://www.baidu.com")

time.sleep(2)

# 标签定位

kw = bro.find_element_by_id('kw')

kw.send_keys("汽车")

time.sleep(2)

btn = bro.find_element_by_id("su")

btn.click()

time.sleep(2)

bro.close()

展示百度搜索

import time

from selenium import webdriver

bro = webdriver.Chrome(executable_path="./chromedriver.exe")

bro.get('https://xueqiu.com')

time.sleep(5)

# 执行js实现滚轮向下滑动

js = 'window.scrollTo(0,document.body.scrollHeight)'

bro.execute_script(js)

time.sleep(2)

bro.execute_script(js)

time.sleep(2)

bro.execute_script(js)

time.sleep(2)

bro.execute_script(js)

time.sleep(2)

a_tag = bro.find_element_by_xpath('//*[@id="app"]/div[3]/div/div[1]/div[3]/div[2]/a')

a_tag.click()

time.sleep(5)

# 获取当前浏览器页面数据

print(bro.page_source)

bro.quit()

雪球网加载更多数据

4. 浏览器创建

Selenium支持非常多的浏览器，如Chrome、Firefox、Edge等，还有Android、BlackBerry等手机端的浏览器。另外，也支持无界面浏览器PhantomJS。

from selenium import webdriver

browser = webdriver.Chrome()

browser = webdriver.Firefox()

browser = webdriver.Edge()

browser = webdriver.PhantomJS()

browser = webdriver.Safari()

5. 元素定位

webdriver 提供了一系列的元素定位方法，常用的有以下几种：

find_element_by_id()

find_element_by_name()

find_element_by_class_name()

find_element_by_tag_name()

find_element_by_link_text()

find_element_by_partial_link_text()

find_element_by_xpath()

find_element_by_css_selector()

注意:

1、find_element_by_xxx找的是第一个符合条件的标签，find_elements_by_xxx找的是所有符合条件的标签。

2、根据ID、CSS选择器和XPath获取，它们返回的结果完全一致。

3、另外，Selenium还提供了通用方法find_element()，它需要传入两个参数：查找方式By和值。实际上，它就是find_element_by_id()这种方法的通用函数版本，比如find_element_by_id(id)就等价于find_element(By.ID, id)，二者得到的结果完全一致。

6. 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：输入文字时用send_keys()方法，清空文字时用clear()方法，点击按钮时用click()方法。示例如下：

from selenium import webdriver

import time

browser = webdriver.Chrome()

browser.get('https://www.taobao.com')

input = browser.find_element_by_id('q')

input.send_keys('MAC')

time.sleep(1)

input.clear()

input.send_keys('IPhone')

button = browser.find_element_by_class_name('btn-search')

button.click()

browser.quit()

7. 获取页面源码数据

通过page_source属性可以获取网页的源代码，接着就可以使用解析库（如正则表达式、Beautiful Soup、pyquery等）来提取信息了。

import time

from selenium import webdriver

bro = webdriver.Chrome(executable_path="./chromedriver.exe")

bro.get('https://xueqiu.com')

time.sleep(5)

# 使用bro对象的page_source方法获取当前浏览器页面数据

print(bro.page_source)

bro.quit()

8. 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.jd.com/')

browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')

browser.execute_script('alert("123")')

9. phantomJS

PhantomJS是一款无界面的浏览器，其自动化操作流程和上述操作谷歌浏览器是一致的。由于是无界面的，为了能够展示自动化操作流程，PhantomJS为用户提供了一个截屏的功能，使用save_screenshot函数实现。

from selenium import webdriver

import time

# phantomjs路径

path = r'PhantomJS驱动路径'

browser = webdriver.PhantomJS(path)

# 打开百度

url = 'http://www.baidu.com/'

browser.get(url)

time.sleep(3)

browser.save_screenshot(r'phantomjs\baidu.png')

# 查找input输入框

my_input = browser.find_element_by_id('kw')

# 往框里面写文字

my_input.send_keys('美女')

time.sleep(3)

#截屏

browser.save_screenshot(r'phantomjs\meinv.png')

# 查找搜索按钮

button = browser.find_elements_by_class_name('s_btn')[0]

button.click()

time.sleep(3)

browser.save_screenshot(r'phantomjs\show.png')

time.sleep(3)

browser.quit()

10. 谷歌无头浏览器

由于PhantomJs最近已经停止了更新和维护，所以推荐大家可以使用谷歌的无头浏览器，是一款无界面的谷歌浏览器。

from selenium import webdriver

from selenium.webdriver.chrome.options import Options

import time

# 创建一个参数对象，用来控制chrome以无界面模式打开

chrome_options = Options()

chrome_options.add_argument('--headless')

chrome_options.add_argument('--disable-gpu')

# 驱动路径

path = r'C:\Users\ZBLi\Desktop\1801\day05\ziliao\chromedriver.exe'

# 创建浏览器对象

browser = webdriver.Chrome(executable_path=path, chrome_options=chrome_options)

# 上网

url = 'http://www.baidu.com/'

browser.get(url)

time.sleep(3)

browser.save_screenshot('baidu.png')

browser.quit()

11. 前进和后退 

# 模拟浏览器的前进后退

import time

from selenium import webdriver

browser=webdriver.Chrome(executable_path='./chromedriver.exe')

browser.get('https://www.baidu.com')

browser.get('https://www.taobao.com')

browser.get('http://www.jd.com/')

browser.back()  # 后退

time.sleep(3)

browser.forward()  # 前进

browser.close()

12. 动作链

在上面的实例中，一些交互动作都是针对某个节点执行的。比如，对于输入框，我们就调用它的输入文字和清空文字方法；对于按钮，就调用它的点击方法。其实，还有另外一些操作，它们没有特定的执行对象，比如鼠标拖曳、键盘按键等，这些动作用另一种方式来执行，那就是动作链。

比如，现在实现一个节点的拖曳操作，将某个节点从一处拖曳到另外一处，可以这样实现：

# 动作链

import time

from selenium import webdriver

from selenium.webdriver import ActionChains  # 动作链

from selenium.webdriver import ChromeOptions

bro = webdriver.Chrome(executable_path='./chromedriver.exe')

url = "http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable"

bro.get(url=url)

# 如果定位的标签存在于iframe标签之中, 则必须经过switch_to操作再进行标签定位

bro.switch_to.frame("iframeResult")

source_tag = bro.find_element_by_id('draggable')

# 实例化一个动作链对象

action = ActionChains(bro)

action.click_and_hold(source_tag)  # 点击并保持(长按)

for i in range(4):

    action.move_by_offset(20,0)  # 移动象素

    time.sleep(1)

# 使用perform()方法执行动作链

action.perform()

bro.quit()
# 动作链

import time

from selenium import webdriver

from selenium.webdriver import ActionChains  # 动作链

from selenium.webdriver import ChromeOptions

bro = webdriver.Chrome(executable_path='./chromedriver.exe')

url = "http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable"

bro.get(url=url)

# 如果定位的标签存在于iframe标签之中, 则必须经过switch_to操作再进行标签定位

bro.switch_to.frame("iframeResult")

source_tag = bro.find_element_by_id('draggable')

target_tag = bro.find_element_by_id('droppable')

# 实例化一个动作链对象

action = ActionChains(bro)

action.click_and_hold(source_tag)

time.sleep(1)

for i in range(0, 5):

    action.move_by_offset(20, 0)

action.drag_and_drop(source_tag, target_tag)

# 表示开始执行动作链

action.perform()

time.sleep(2)

bro.quit()

完整的拖拽操作

Cookie处理

使用Selenium，还可以方便地对Cookies进行操作，例如获取、添加、删除Cookies等。示例如下：

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())

异常处理

from selenium import webdriver

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

try:

    browser=webdriver.Chrome()

    browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')

    browser.switch_to.frame('iframssseResult')

except TimeoutException as e:

    print(e)

except NoSuchFrameException as e:

    print(e)

finally:

    browser.close()

三 selenium相关案例

登录qq空间，爬取数据

import requests

from selenium import webdriver

from lxml import etree

import time

driver = webdriver.Chrome(executable_path='/Users/bobo/Desktop/chromedriver')

driver.get('https://qzone.qq.com/')

#在web 应用中经常会遇到frame 嵌套页面的应用，使用WebDriver 每次只能在一个页面上识别元素，对于frame 嵌套内的页面上的元

素，直接定位是定位是定位不到的。这个时候就需要通过switch_to_frame()方法将当前定位的主体切换了frame 里。

driver.switch_to.frame('login_frame')

driver.find_element_by_id('switcher_plogin').click()

#driver.find_element_by_id('u').clear()

driver.find_element_by_id('u').send_keys('328410948')  #这里填写你的QQ号

#driver.find_element_by_id('p').clear()

driver.find_element_by_id('p').send_keys('xxxxxx')  #这里填写你的QQ密码

driver.find_element_by_id('login_button').click()

time.sleep(2)

driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')

time.sleep(2)

driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')

time.sleep(2)

driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')

time.sleep(2)

page_text = driver.page_source

tree = etree.HTML(page_text)

#执行解析操作

li_list = tree.xpath('//ul[@id="feed_friend_list"]/li')

for li in li_list:

    text_list = li.xpath('.//div[@class="f-info"]//text()|.//div[@class="f-info qz_info_cut"]//text()')

    text = ''.join(text_list)

    print(text+'\n\n\n')

driver.close()

尽可能多的爬取豆瓣网中的电影信息

from selenium import webdriver

from time import sleep

import time

if __name__ == '__main__':

    url = 'https://movie.douban.com/typerank?type_name=%E6%81%90%E6%80%96&type=20&interval_id=100:90&action='

    # 发起请求前，可以让url表示的页面动态加载出更多的数据

    path = r'C:\Users\Administrator\Desktop\爬虫授课\day05\ziliao\phantomjs-2.1.1-windows\bin\phantomjs.exe'

    # 创建无界面的浏览器对象

    bro = webdriver.PhantomJS(path)

    # 发起url请求

    bro.get(url)

    time.sleep(3)

    # 截图

    bro.save_screenshot('1.png')

    # 执行js代码（让滚动条向下偏移n个像素（作用：动态加载了更多的电影信息））

    js = 'window.scrollTo(0,document.body.scrollHeight)'

    bro.execute_script(js)  # 该函数可以执行一组字符串形式的js代码

    time.sleep(2)

    bro.execute_script(js)  # 该函数可以执行一组字符串形式的js代码

    time.sleep(2)

    bro.save_screenshot('2.png')

    time.sleep(2)

    # 使用爬虫程序爬去当前url中的内容

    html_source = bro.page_source # 该属性可以获取当前浏览器的当前页的源码（html）

    with open('./source.html', 'w', encoding='utf-8') as fp:

        fp.write(html_source)

    bro.quit()

爬取今日头条科技版块的头条标题，并将其保存到指定文件中

from selenium import webdriver

from lxml import etree

from pyquery import PyQuery as pq

import time

driver = webdriver.Chrome() # 实例化

driver.maximize_window()    # 窗口最大化

driver.get('https://www.toutiao.com/')

driver.implicitly_wait(10)  # 隐性等待10s【必须有，多加几个】

driver.find_element_by_link_text('科技').click()

driver.implicitly_wait(10)  # 隐性等待10s

for i in range(3):

    js = "var q = document.documentElement.scrollTop="+str(i*500)

    driver.execute_script(js)

    time.sleep(2)

for i in range(10):

    driver.execute_script('window.scrollTo(0, document.body.scrollHeight)')

    time.sleep(2)

time.sleep(5)

page = driver.page_source

doc = pq(page)  # 用pyquery实例化一下

doc = etree.HTML(str(doc))

contents = doc.xpath('//div[@class="wcommonFeed"]/ul/li')

print(contents)  # 这是一个对象

print("--------------------------")

for x in contents:

    title = x.xpath('div/div[1]/div/div[1]/a/text()')

    if title:

        title = title[0]

        with open('toutiao.txt', 'a+', encoding='utf8')as f:

            f.write(title + '\n')

        print(title)

    else:

        pass

driver.close()

selenium规避被检测识别

现在不少大网站有对selenium采取了监测机制。比如正常情况下我们用浏览器访问淘宝等网站的 window.navigator.webdriver的值为 
undefined。而使用selenium访问则该值为true。那么如何解决这个问题呢？

只需要设置Chromedriver的启动参数即可解决问题。在启动Chromedriver之前，为Chrome开启实验性功能参数excludeSwitches，它的值为['enable-automation']，完整代码如下：

from selenium.webdriver import Chrome

from selenium.webdriver import ChromeOptions

option = ChromeOptions()

option.add_experimental_option('excludeSwitches', ['enable-automation'])

driver = Chrome(options=option)

最新文章

  1. 豪情-CSS解构系列之-新浪页面解构-01
  2. 用于 Linux 平台的 Java
  3. CS 231n----Assignment1 记录
  4. C++ 简单的学生信息管理系统
  5. 《深入浅出Windows Phone 8.1 应用开发》基于Runtime框架全新升级版
  6. codeforces480E Parking Lot
  7. SpringMVC学习系列（4） 之 数据绑定-1
  8. DataTable 更改在有数据列的类型方法+DataTable 导出excel功能
  9. 利用ZABBIX的RPC-JSON作API扩展应用示例
  10. Selenium RC 环境搭建（eclipse）
  11. (转)requirejs：杏仁的优化(almond)
  12. 旺财速啃H5框架之Bootstrap（六）
  13. 201521123034《Java程序设计》第十一周学习总结
  14. python + selenium 自动化测试框架
  15. Python读取JSON数据，并解决字符集不匹配问题
  16. Java 学习笔记- classpath classpath*
  17. canal demo搭建全记录
  18. 64位ubuntu搭建android开发环境问题解决方案
  19. MDX Cookbook 06 - GENERATE 循环遍历
  20. Java基础-语法定义

热门文章

  1. Linux系统 multitail 同时跟踪查看多个日志文件
  2. Web for pentester_writeup之File Include篇
  3. PHP函数preg_match（）
  4. My Eclipse 配置
  5. jquery获取input输入框中的值
  6. Spring Boot 配置 - Consul 配置中心
  7. Apache安装问题：APR not found
  8. 必知必会的JavaJDK工具
  9. CSS复合选择器是什么？复合选择器是如何工作
  10. 微信web协议，群成员唯一uin，获取群成员唯一标识