一。安装selenium pip install selenium
二。安装相应浏览器的Driver(selenium 文档) http://selenium-python.readthedocs.io/api.html 推荐使用Chrome
三。selenium的使用
1 # -*- coding: utf-8 -*- 2 3 from selenium import webdriver 4 from scrapy.selector import Selector 5 6 7 #知乎的模拟登录 8 browser = webdriver.Chrome(executable_path="E:/chromedriver.exe") #路径是chromedriver.exe的存放的位置 9 browser.get("https://www.zhihu.com/#signin") 10 browser.find_element_by_css_selector(".view-signin input[name='account']").send_keys("********") #帐号 11 browser.find_element_by_css_selector(".view-signin input[name='password']").send_keys("********") #密码 12 browser.find_element_by_id("captcha").send_keys(input('请输入验证码：')) 13 browser.find_element_by_css_selector(".view-signin button.sign-button").click() #登录 14 browser.quit() 15 16 实例二： 17 #可以用selenium得到js加载后的html，比如这样的话可以抓取到本来抓取的不到的一些字段（淘宝的交易量等等） 18 browser = webdriver.Chrome(executable_path="E:/chromedriver.exe") 19 browser.get("https://detail.tmall.com/item.htm?spm=a230r.1.14.3.yYBVG6&id=538286972599&cm_id=140105335569ed55e27b&abbucket=15&sku_properties=10004:709990523;5919063:6536025") 20 print(browser.page_source) #page_source就是js加载完的源代码 21 #browser.quit() 22 ''' 23 如果是用selenium本身的选择器（python写的，比较慢），会很慢 24 所以现在转换成scrapy中的selector（他是用c语言写的，很快） 25 模版，也可以嵌入scrapy中 26 ''' 27 t_selector=Selector(text=browser.page_source) 28 print(t_selector.xpath('//*[@id="J_StrPriceModBox"]/dd/span/text()').extract())
有时会遇到取不到内容的情况，看看是不是还没加载完毕，在中间sleep() 几秒就好了。
四。selenium模拟登录微博，模拟鼠标下拉
微博也有开放的API：http://open.weibo.com/wiki/%E9%A6%96%E9%A1%B5
1 #selenium 完成微博模拟登录 2 browser = webdriver.Chrome(executable_path="E:/chromedriver.exe") 3 browser.get("http://weibo.com/") 4 import time 5 time.sleep(5) 6 browser.find_element_by_css_selector("#loginname").send_keys("******") 7 browser.find_element_by_css_selector(".info_list.password input[node-type='password']").send_keys("******") 8 browser.find_element_by_css_selector(".info_list.login_btn a[node-type='submitBtn']").click() 9 #下拉 10 for i in range(3): 11 '''三次下拉操作，这是javascript的知识 execute_script是用来执行js代码的'''
12 browser.execute_script("window.scrollTo(0, document.body.scrollHeight); var lenOfPage=document.body.scrollHeight; return lenOfPage;") 13 time.sleep(3)
五。chromedrive 不加载图片，phantomjs获取动态网页
chromedriver不加载图片：
1 #设置chromedriver不加载图片 2 #是固定的模板 3 chrome_opt=wibdriver.ChromeOptions() 4 prefs={"profile.managed_default_content_settings.images":2} 5 chrome_opt.add_experimental_option("prefs",prefs) 6 browser=webdriver.Chrome(executable_path="E:/chromedriver.exe",chrome_options=chrome_opt) 7 browser.get("http://weibo.com")
六。phantomjs获取动态网页：
下载地址：http://phantomjs.org/download.html 如果不能下载，复制链接到迅雷下载
淘宝的详情页实例
1 #phantomjs, 无界面的浏览器， 多进程情况下phantomjs性能会下降很严重 2 browser = webdriver.PhantomJS(executable_path="F:/迅雷下载/phantomjs-2.1.1-windows/bin/phantomjs.exe") 3 browser.get("https://detail.tmall.com/item.htm?spm=a230r.1.14.3.yYBVG6&id=538286972599&cm_id=140105335569ed55e27b&abbucket=15&sku_properties=10004:709990523;5919063:6536025") 4 print (browser.page_source) 5 browser.quit()
关于selenium的我推荐虫师的教程，还是很不错的。「UI 测试自动化selenium」汇总
本人知识学习的总结者