python爬虫知识点总结（八）Selenium库详解

 官方学习文档：http://selenium-python.readthedocs.io/api.html

一、什么是Selenium?

答：自动化测试工具，支持多种浏览器。用来驱动浏览器，发出指令让浏览器做出各种动作，如下拉，跳转等。

　　爬虫中主要用来解决JavaScript渲染的问题。

注：如果用requests,urllib这些库无法正常获取网页内容，可以用Selenium来完成渲染

二、安装

pip3 install selenium

三、基本使用

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait

browser = webdriver.Chrome()
try:
    browser.get('http://www.baidu.com')
    input = browser.find_element_by_id('kw')
    input.send_keys('Python')
    input.send_keys(Keys.ENTER)
    wait = WebDriverWait(browser,50)
    wait.until(EC.presence_of_element_located((By.ID,'content_left')))
    print(browser.current_url) 
    print(browser.get_cookies())
    print(browser.page_source)
finally:
    browser.close()

　　

声明浏览器对象

from selenium import webdriver

browser = webdriver.Chrome()
browser = webdriver.Firefox()
browser = webdriver.Edge()
browser = webdriver.PhantomJS()
browser = webdriver.Safari()

　　

访问页面

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
print(browser.page_source)
browser.close()

　　

四、查找元素

单个元素

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.taobao.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,input_second,input_third)
browser.close()

　　

其他方法：

• fid_element_by_name
• fid_element_by_xpath
• fid_element_by_link_text
• fid_element_by_partial_link_text
• fid_element_by_tag_name
• fid_element_by_class_name
• fid_element_by_css_selector

from selenium import webdriver
from selenium.webdriver.common.by import By

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
input_first = browser.find_element(By.ID,'q')
print(input_first)
browser.close()

　　

多个元素

from selenium import webdriver
from selenium.webdriver.common.by import By

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
lis = browser.find_elements_by_css_selector('.service-bd li')
print(lis)
browser.close()

　　

from selenium import webdriver
from selenium.webdriver.common.by import By

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
lis = browser.find_elements(By.CSS_SELECTOR,'.service-bd li')
print(lis)
browser.close()

　　

其他方法：

• fid_elements_by_name
• fid_elements_by_xpath
• fid_elements_by_link_text
• fid_elements_by_partial_link_text
• fid_elements_by_tag_name
• fid_elements_by_class_name
• fid_elements_by_css_selector

五、元素交互操作

对获取的元素调用交互方法

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('iPhone')
time.sleep(1)
input.clear()
input.send_keys('iPad')# 发送keys，即搜索内容
button = browser.find_element_by_class_name('btn-search')
button.click()

　　

更多操作：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.remote.webelement

交互动作

将动作附加到动作链中串行执行

from selenium import webdriver
from selenium.webdriver import ActionChains

browser = webdriver.Chrome()
url = 'http://www.runoob.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()

　　

更多操作：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains

六、执行JavaScript

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.zhihu.com/explore')
browser.execute_script('window.scrollTo(0,document.body.scrollHeight)')
browser.execute_script('alert("To Buttom")')

　　

七、获取元素信息

获取属性

from selenium import webdriver
from selenium.webdriver import ActionChains

browser = webdriver.Chrome()
url = 'http://www.zhihu.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

from selenium import webdriver

browser = webdriver.Chrome()
url = 'https://www.zhihu.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、大小

from selenium import webdriver

browser = webdriver.Chrome()
url = 'https://www.zhihu.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)

　　

八、Frame

import time
from selenium import webdriver
from selenium.common.exceptions import NoSuchElementException

browser = webdriver.Chrome()
url = 'http://www.runoob.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')
    print(logo.text)
except NoSuchElementException:
    print('NO LOGO')
browser.switch_to.parent_frame()
logo = browser.find_element_by_class_name('logo')
print(logo)
print(logo.text)

　　

九、等待

隐式等待

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，超过设定事件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，默认时间是0

from selenium import webdriver

url='https://www.zhihu.com/explore'
browser = webdriver.Chrome()
browser.implicitly_wait(10)
browser.get(url)
input = browser.find_element_by_class_name('zu-top-add-question')
print(input)

　　

显式等待

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

url = 'https://www.taobao.com'
browser = webdriver.Chrome()
browser.get(url)
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,'.bin-search')))
print(input)
print(button)

　　

其他等待条件

* 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')
* visiblility_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_it frame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_if_present 是否出现Alert

详细内容：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.excepted_conditions

十、前进后退

import time
from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.baidu.com/')
browser.get('https://www.taobao.com/')
browser.get('https://www.zhihu.com')
browser.back()
time.sleep(1)
browser.forward()
browser.close()

　　

十一、Cookies

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.zhihu.com/explore')
print(browser.get_cookies())
print('
')

browser.add_cookie({'name':'name','domain':'www.zhihu.com','value':'jack'})
print(browser.get_cookies())
print('
')
browser.delete_all_cookies()
print(browser.get_cookies())

　　

十二、选项卡管理

import time
from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.execute_script('window.open()') #js方式window.open打开一个新的选项卡
print(browser.window_handles)
browser.switch_to_window(browser.window_handles[1])# 切换到第一个选项卡
browser.get('https://www.taobao.com')
time.sleep(1)
browser.switch_to_window(browser.window_handles[0])# 切换到第二个选项卡
browser.get('https://python.org')

　　

十三、异常处理

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.find_element_by_id('hello') # 查找一个不存的id，回报出异常

　　

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

browser = webdriver.Chrome()
try:
    browser.get('https://www.baidu.com')
    print('ok')
except TimeoutException:
    print('Time out')

　　

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

browser = webdriver.Chrome()
try:
    browser.get('https://www.baidu.com')
    print('ok')
except TimeoutException:
    print('Time out')
try:
    browser.get('https://www.baidu.com')
except:
    print('No Element')
finally:
    browser.close()

　　

异常处理详细文档：http://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions