Python中Selenium庫使用教程詳解
selenium介紹
selenium最初是一個自動化測試工具,而爬蟲中使用它主要是為了解決requests無法直接執(zhí)行JavaScript代碼的問題 selenium本質是通過驅動瀏覽器，完全模擬瀏覽器的操作，比如跳轉、輸入、點擊、下拉等，來拿到網(wǎng)頁渲染之后的結果，可支持多種瀏覽器
中文參考文檔
官網(wǎng)
環(huán)境安裝
下載安裝selenium
pip install selenium -i https://mirrors.aliyun.com/pypi/simple/
谷歌瀏覽器驅動程序下載地址：
http://chromedriver.storage.googleapis.com/index.html
使用示例
from selenium import webdriverfrom time import sleep# 實例化一款瀏覽器bor = webdriver.Chrome(executable_path=’chromedriver.exe’)# 對指定的url發(fā)起請求bor.get(’https://www.jd.com/’)sleep(1)# 進行標簽定位search_input = bor.find_element_by_id(’key’)# 向搜索框中錄入關鍵詞search_input.send_keys('mac pro')# 點擊搜索按鈕btn = bor.find_element_by_xpath(’//*[@id='search']/div/div[2]/button’)btn.click()sleep(2)# 執(zhí)行js，讓滾輪向下滾動bor.execute_script(’window.scrollTo(0, document.body.scrollHeight)’)sleep(2)page_text = bor.page_sourceprint(page_text)bor.quit()
瀏覽器創(chuàng)建
Selenium支持非常多的瀏覽器，如Chrome、Firefox、Edge等，還有Android、BlackBerry等手機端的瀏覽器。另外，也支持無界面瀏覽器PhantomJS。
from selenium import webdriver browser = webdriver.Chrome()browser = webdriver.Firefox()browser = webdriver.Edge()browser = webdriver.PhantomJS()browser = webdriver.Safari()
元素定位
webdriver 提供了一系列的元素定位方法，常用的有以下幾種：
定位一個元素 定位多個元素 含義 find_element_by_id find_elements_by_id 通過元素id定位 find_element_by_name find_elements_by_name 通過元素name定位 find_element_by_xpath find_elements_by_xpath 通過xpath表達式定位 find_element_by_link_text find_elements_by_link_tex 通過完整超鏈接定位 find_element_by_partial_link_text find_elements_by_partial_link_text 通過部分鏈接定位 find_element_by_tag_name find_elements_by_tag_name 通過標簽定位 find_element_by_class_name find_elements_by_class_name 通過類名進行定位 find_elements_by_css_selector find_elements_by_css_selector 通過css選擇器進行定位
注意：
1、find_element_by_xxx找的是第一個符合條件的標簽，find_elements_by_xxx找的是所有符合條件的標簽。
2、根據(jù)ID、CSS選擇器和XPath獲取，它們返回的結果完全一致。
3、另外，Selenium還提供了通用方法find_element()，它需要傳入兩個參數(shù)：查找方式By和值。實際上，它就是find_element_by_id()這種方法的通用函數(shù)版本，比如find_element_by_id(id)就等價于find_element(By.ID, id)，二者得到的結果完全一致。
實例演示
假如有一個web頁面，通過前端工具查看到一個元素的屬性是這樣的。
<html> <head> <body link='#0000cc'> <a href='http://www.b3g6.com/' rel='external nofollow' onmousedown='return c({’fm’:’tab’,’tab’:’logo’})'> <form name='f' action='/s'> <span ></span> <input name='wd' value='' maxlength='255' autocomplete='off'>
通過id定位：
dr.find_element_by_id('kw')
通過name定位：
dr.find_element_by_name('wd')
通過class name定位：
dr.find_element_by_class_name('s_ipt')
通過tag name定位：
dr.find_element_by_tag_name('input')
通過xpath定位，xpath定位有N種寫法，這里列幾個常用寫法：
dr.find_element_by_xpath('//*[@]')dr.find_element_by_xpath('//*[@name=’wd’]')dr.find_element_by_xpath('//input[@]')dr.find_element_by_xpath('/html/body/form/span/input')dr.find_element_by_xpath('//span[@]/input')dr.find_element_by_xpath('//form[@]/span/input')dr.find_element_by_xpath('//input[@ and @name=’wd’]')
通過css定位，css定位有N種寫法，這里列幾個常用寫法：
dr.find_element_by_css_selector('#kw')dr.find_element_by_css_selector('[name=wd]')dr.find_element_by_css_selector('.s_ipt')dr.find_element_by_css_selector('html > body > form > span > input')dr.find_element_by_css_selector('span.soutu-btn> input#kw')dr.find_element_by_css_selector('form#form > span > input')
假如頁面上有如下一組文本鏈接
<a rel='external nofollow' name='tj_trnews'>新聞</a><a rel='external nofollow' name='tj_trhao123'>hao123</a>
通過link text定位：
dr.find_element_by_link_text('新聞')dr.find_element_by_link_text('hao123')
通過partial link text定位：
dr.find_element_by_partial_link_text('新')dr.find_element_by_partial_link_text('hao')dr.find_element_by_partial_link_text('123')
控制瀏覽器
常用的控制瀏覽器操作的一些方法
方法 說明 set_window_size() 設置瀏覽器的大小 back() 控制瀏覽器后退 forward() 控制瀏覽器前進 refresh() 刷新當前頁面 clear() 清除文本 send_keys (value) 模擬按鍵輸入 click() 單擊元素 submit() 用于提交表單 get_attribute(name) 獲取元素屬性值 is_displayed() 設置該元素是否用戶可見 size 返回元素的尺寸 text 獲取元素的文本📝 示例
from selenium import webdriverfrom time import sleep#1.創(chuàng)建Chrome瀏覽器對象，這會在電腦上在打開一個瀏覽器窗口browser = webdriver.Chrome(executable_path= 'chromedriver.exe')#2.通過瀏覽器向服務器發(fā)送URL請求browser.get('https://www.baidu.com/')sleep(3)#3.刷新瀏覽器browser.refresh()#4.設置瀏覽器的大小browser.set_window_size(1400,800)#5.設置鏈接內容element=browser.find_element_by_link_text('新聞')element.click()
調用JavaScript代碼
雖然WebDriver提供了操作瀏覽器的前進和后退方法，但對于瀏覽器滾動條并沒有提供相應的操作方法。在這種情況下，就可以借助JavaScript來控制瀏覽器的滾動條。WebDriver提供了execute_script()方法來執(zhí)行JavaScript代碼。
用于調整瀏覽器滾動條位置的JavaScript代碼如下：
<!-- window.scrollTo(左邊距,上邊距); -->window.scrollTo(0,450);
from selenium import webdriverfrom time import sleep# 1.訪問百度drive = webdriver.Chrome(executable_path=’chromedriver.exe’)drive.get(’https://www.baidu.com’)# 2.搜索drive.find_element_by_id(’kw’).send_keys(’python’)drive.find_element_by_id(’su’).click()# 3.休眠2s,獲取服務器的響應內容sleep(2)# 4.通過javascript設置瀏覽器窗口的滾動條位置drive.execute_script(’window.scrollTo(0, 500)’)# drive.execute_script(’window.scrollTo(0, document.body.scrollHeight)’) #滑到最底部sleep(2)drive.close()
獲取頁面源碼數(shù)據(jù)
通過page_source屬性可以獲取網(wǎng)頁的源代碼，接著就可以使用解析庫（如正則表達式、Beautiful Soup、pyquery等）來提取信息了。
📝 示例
from selenium import webdriverfrom time import sleep# 1.訪問百度drive = webdriver.Chrome(executable_path=’chromedriver.exe’)drive.get(’https://www.baidu.com’)# 2.搜索drive.find_element_by_id(’kw’).send_keys(’python’)drive.find_element_by_id(’su’).click()# 3.休眠2s,獲取服務器的響應內容sleep(2)# 4.獲取頁面源碼數(shù)據(jù)text = drive.page_sourceprint(text)drive.close()
cookie操作
有時候我們需要驗證瀏覽器中cookie是否正確，因為基于真實cookie的測試是無法通過白盒和集成測試進行的。WebDriver提供了操作Cookie的相關方法，可以讀取、添加和刪除cookie信息。
WebDriver操作cookie的方法：
方法 說明 get_cookies() 獲得所有cookie信息 get_cookie(name) 返回字典的key為“name”的cookie信息 add_cookie(cookie_dict) 添加cookie。“cookie_dict”指字典對象，必須有name 和value 值 delete_cookie(name,optionsString) 刪除cookie信息。“name”是要刪除的cookie的名稱，“optionsString”是該cookie的選項，目前支持的選項包括“路徑”，“域” delete_all_cookies() 刪除所有cookie信息📝 示例
from selenium import webdriverdrive = webdriver.Chrome(executable_path=’chromedriver.exe’)drive.get(’https://www.cnblogs.com/’)# 1.打印cookie信息print(drive.get_cookies())# 2.添加cookie信息dic = {’name’:’name’, ’value’:’python’}drive.add_cookie(dic)print(drive.get_cookies())# 3.遍歷打印cookie信息for cookie in drive.get_cookies(): print(f'{cookie[’name’]}---f{cookie[’value’]}n')drive.close()
谷歌無頭瀏覽器
PhantomJs已停止維護更新，這里使用谷歌的無頭瀏覽器，是一款無界面的谷歌瀏覽器。很多時候我們爬取數(shù)據(jù)，并不想打開一個瀏覽器窗口進行操作，我們只需要獲取數(shù)據(jù)或者拿到cookie然后進行操作。
📝 示例
from selenium import webdriverfrom selenium.webdriver.chrome.options import Options# 1.創(chuàng)建一個參數(shù)對象，用來控制chrome以無界面模式打開chrome_options = Options()chrome_options.add_argument(’--headless’)chrome_options.add_argument(’--disable-gpu’)# 2.創(chuàng)建瀏覽器對象drive = webdriver.Chrome(executable_path=’chromedriver.exe’, chrome_options=chrome_options)# 3.發(fā)起請求獲取數(shù)據(jù)drive.get(’https://www.cnblogs.com/’)page_text = drive.page_sourceprint(page_text)drive.close()
selenium規(guī)避被檢測識別
現(xiàn)在不少大網(wǎng)站有對selenium采取了監(jiān)測機制。比如正常情況下我們用瀏覽器訪問淘寶等網(wǎng)站的 window.navigator.webdriver的值為 undefined。而使用selenium訪問則該值為true。那么如何解決這個問題呢？
只需要設置Chromedriver的啟動參數(shù)即可解決問題。在啟動Chromedriver之前，為Chrome開啟實驗性功能參數(shù)excludeSwitches，它的值為[’enable-automation’]，完整代碼如下：
📝 示例
from selenium import webdriverfrom selenium.webdriver import ChromeOptions# 1.實例化一個ChromeOptions對象option = ChromeOptions()option.add_experimental_option(’excludeSwitches’, [’enable-automation’])# 2.將ChromeOptions實例化的對象option作為參數(shù)傳給Crhome對象driver = webdriver.Chrome(executable_path=’chromedriver.exe’, options=option)# 3.發(fā)起請求driver.get(’https://www.taobao.com/’)
到此這篇關于Python中Selenium庫使用教程詳解的文章就介紹到這了,更多相關Python Selenium庫使用內容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網(wǎng)！
相關文章：
網(wǎng)公網(wǎng)安備