学习笔记-Python-爬虫5-Selenium + PhantomJS

# 动态HTML
    - JavaScript
    - jQuery
    - Ajax
    - DHTML
    - Python采集动态数据
        - 从JavaScript代码入手采集
        - Python第三方库运行JavaScript，直接采集你在浏览器看到的页面
# Selenium + PhantomJS
    - Selenium:web自动化测试工具（操纵浏览器）
        - 自动加载页面
        - 获取数据
        - 截屏
        - 安装:pip install selenium==2.48.0
        - 官网:http://selenium.python.readthedocs.io/index.html
        - Selenium库有一个WebDriver的API
        - WebDriver可以跟页面上的元素进行各种交互，用它来进行爬取
        - 下载完chromedriver并配置完成环境变量之后，如果webdriver.Chrome()还是无法使用，可以把chromedriver.exe文件放在当前目录
    - PhantomJS(幽灵浏览器)
        - 基于webkit的无界面的浏览器
        - 官网:http://phantomjs.org
    - 案例v36
    - chrome + chromedriver
        - 下载安装chrome
        - 下载安装chromedriver
            - 在尤班图下安装方法：
                aptitude search chromedriver
                aptitude install chromium-chromedriver
                # 一、查看chromedriver安装位置
                dpkg -L chromedriver
                # 进入查找到的目录
                cd /usr/lib/chromium-browser/
                # 查到进入到的目录下有什么
                ls chromedriver
                # 运行这个文件
                ./chromedriver
                # 二、做配置
                cd /usr/bin/
                # 找chromedriver链接（相当于windows的快捷方式）
                ll chromedriver
    - Selenium操作主要分两大类
        - 得到UI元素
            - find_element_by_id
            - find_elements_by_name
            - 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
        - 基于UI元素操作的模拟
            - 单击
            - 右键
            - 拖拽
            - 输入
            - 可以通过导入ActionsChains类做到
        - 案例v37

# 案例v37
from selenium import webdriver
import time
from selenium.webdriver.common.keys import Keys

# Chrome有时候可能找不到，需要手动添加路径
driver = webdriver.Chrome()
url = "http://www.baidu.com"
driver.get(url)

text = driver.find_element_by_id("wrapper").text
print(text)
print(driver.title)
# 得到页面的快照
driver.save_screenshot('index.png')

# 找到id是kw的输入框，输入大熊猫
driver.find_element_by_id('kw').send_keys(u"大熊猫")
# su是百度搜索按钮的id，用click模拟点击
driver.find_element_by_id('su').click()
time.sleep(5)
driver.save_screenshot("daxiongmao.png")

# 获取当前页面的cookie
cookies = driver.get_cookies()
print('这里是cookies:',cookies)

# 模拟输入两个按键ctrl+a
driver.find_element_by_id("kw").send_keys(Keys.CONTROL, 'a')
# ctrl+x是剪切快捷键
driver.find_element_by_id("kw").send_keys(Keys.CONTROL, 'x')

driver.find_element_by_id("kw").send_keys(u'航母')
driver.save_screenshot('hangmu.png')
# 输入回车键
driver.find_element_by_id("kw").send_keys(Keys.RETURN, 'x')
time.sleep(5)
driver.save_screenshot('hangmu2.png')

# 清空输入框
driver.find_element_by_id('kw').clear()
driver.save_screenshot('clear.png')
# 关闭浏览器
driver.quit()