简介
Selenium是一个用于Web应用程序测试的工具。Selenium可以直接运行在浏览器中,就像真正的用户在操作一样。支持的浏览器包括IE(7, 8, 9, 10, 11),Mozilla Firefox,Safari,Google Chrome,Opera等。
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。
环境安装
安装selenium:pip install selenium
下载浏览器驱动程序:http://chromedriver.storage.googleapis.com/index.html
简单使用/效果展示
from selenium import webdriver from time import sleep driver = webdriver.Chrome(r'chromedriver.exe') # 加载驱动程序 driver.get("http://www.baidu.com") # 用get打开百度页面 driver.find_elements_by_link_text('设置')[0].click() # 查找页面的“设置”选项,并进行点击 sleep(2) driver.find_elements_by_link_text('搜索设置')[0].click() # 打开设置后找到“搜索设置”选项,设置为每页显示50条 sleep(2) m = driver.find_element_by_id('nr') # 找到搜索设置中的选中条目 sleep(2) m.find_element_by_xpath('//*[@id="nr"]/option[3]').click() # 点击显示条目选择框 m.find_element_by_xpath('.//option[3]').click() # 选中最后一项每页显示50条 sleep(2) driver.find_elements_by_class_name("prefpanelgo")[0].click() # 点击保存设置 sleep(2) driver.switch_to_alert().accept() # 处理弹出的警告页面 确定accept() 和 取消dismiss() sleep(2) driver.find_element_by_id('kw').send_keys('美女') # 找到百度的输入框,并输入 美女 sleep(2) driver.find_element_by_id('su').click() # 点击搜索按钮 sleep(2) driver.find_elements_by_link_text('美女_百度图片')[0].click() # 在打开的页面中找到“美女_百度图片”,并打开这个页面 sleep(3) # 关闭浏览器 driver.quit()
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。
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:
from selenium import webdriver from selenium.webdriver import ActionChains from time import sleep # 实例化了一个谷歌浏览器对象且将驱动程序进行了加载 bro = webdriver.Chrome(executable_path='chromedriver.exe') bro.get('https://www.runoob.com/try/try.php?filename=jqueryui-api-droppable') bro.switch_to.frame('iframeResult') # 基于动作链实现拖动操作 div_tag = bro.find_element_by_id('draggable') # 定位即将被拖动的标签 # 实例化一个动作链对象,将当前浏览器对象作为参数进行传入 action = ActionChains(bro) action.click_and_hold(div_tag) # 点击且长按的操作 for i in range(5): action.move_by_offset(20, 0).perform() # perform()表示立即执行动作链 sleep(0.5) action.release() sleep(2) bro.quit()
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")')
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。
前进和后退
import time from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.baidu.com') browser.get('https://www.taobao.com') browser.back() time.sleep(5) browser.forward() browser.close()
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()
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'./chromedriver.exe' # 创建浏览器对象 browser = webdriver.Chrome(executable_path=path, chrome_options=chrome_options) # 访问百度 url = 'http://www.baidu.com/' browser.get(url) time.sleep(3) browser.save_screenshot('baidu.png') # 截取图片 browser.quit()
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=r'./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('1233333') # 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()
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)
神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试