2. 程式人生 > >python selenium庫爬蟲介紹

python selenium庫爬蟲介紹

阿新 • • 發佈：2018-12-03

原文連結：python爬蟲從入門到放棄（八）之 Selenium庫的使用。

一、什麼是Selenium

selenium 是一套完整的web應用程式測試系統，包含了測試的錄製（selenium IDE）,編寫及執行（Selenium Remote Control）和測試的並行處理（Selenium Grid）。Selenium的核心Selenium Core基於JsUnit，完全由JavaScript編寫，因此可以用於任何支援JavaScript的瀏覽器上。

selenium可以模擬真實瀏覽器，自動化測試工具，支援多種瀏覽器，爬蟲中主要用來解決JavaScript渲染問題。

二、selenium基本使用

用python寫爬蟲的時候，主要用的是selenium的Webdriver，我們可以通過下面的方式先看看Selenium.Webdriver支援哪些瀏覽器

執行結果如下，從結果中我們也可以看出基本山支援了常見的所有瀏覽器：

這裡要說一下比較重要的PhantomJS,PhantomJS是一個而基於WebKit的服務端JavaScript API,支援Web而不需要瀏覽器支援，其快速、原生支援各種Web標準：Dom處理，CSS選擇器，JSON等等。PhantomJS可以用用於頁面自動化、網路監測、網頁截圖，以及無介面測試

宣告瀏覽器物件

上面我們知道了selenium支援很多的瀏覽器，但是如果想要宣告並呼叫瀏覽器則需要：

from selenium import webdriver

browser = webdriver.Chrome()
browser = webdriver.Firefox()

這裡只寫了兩個例子，當然了其他的支援的瀏覽器都可以通過這種方式呼叫

訪問頁面

複製程式碼

from selenium import webdriver

browser = webdriver.Chrome()

browser.get("http://www.baidu.com")
print(browser.page_source)
browser.close()

複製程式碼

上述程式碼執行後，會自動開啟Chrome瀏覽器，並登陸百度列印百度首頁的原始碼，然後關閉瀏覽器

查詢元素

單個元素查詢

複製程式碼

from selenium import webdriver

browser = webdriver.Chrome()

browser.get("http://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)
print(input_second)
print(input_third)
browser.close()

複製程式碼

這裡我們通過三種不同的方式去獲取響應的元素，第一種是通過id的方式，第二個中是CSS選擇器，第三種是xpath選擇器，結果都是相同的。
結果如下：

這裡列舉一下常用的查詢元素方法：

find_element_by_name
find_element_by_id
find_element_by_xpath
find_element_by_link_text
find_element_by_partial_link_text
find_element_by_tag_name
find_element_by_class_name
find_element_by_css_selector

下面這種方式是比較通用的一種方式：這裡需要記住By模組所以需要匯入
from selenium.webdriver.common.by import By

複製程式碼

from selenium import webdriver

from selenium.webdriver.common.by import By

browser = webdriver.Chrome()

browser.get("http://www.taobao.com")
input_first = browser.find_element(By.ID,"q")
print(input_first)
browser.close()

複製程式碼

當然這種方法和上述的方式是通用的，browser.find_element(By.ID,"q")這裡By.ID中的ID可以替換為其他幾個

多個元素查詢

其實多個元素和單個元素的區別，舉個例子：find_elements,單個元素是find_element,其他使用上沒什麼區別，通過其中的一個例子演示：

複製程式碼

from selenium import webdriver


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

複製程式碼

這樣獲得就是一個列表

 

當然上面的方式也是可以通過匯入from selenium.webdriver.common.by import By 這種方式實現

lis = browser.find_elements(By.CSS_SELECTOR,'.service-bd li')

同樣的在單個元素中查詢的方法在多個元素查詢中同樣存在：
find_elements_by_name
find_elements_by_id
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

元素互動操作

對於獲取的元素呼叫互動方法

複製程式碼

from selenium import webdriver

import time

browser = webdriver.Chrome()
browser.get("http://www.taobao.com")
input_str = browser.find_element_by_id('q')
input_str.send_keys("ipad")
time.sleep(1)
input_str.clear()
input_str.send_keys("MakBook pro")
button = browser.find_element_by_class_name('btn-search')
button.click()

複製程式碼

執行的結果可以看出程式會自動開啟Chrome瀏覽器並開啟淘寶輸入ipad,然後刪除，重新輸入MakBook pro，並點選搜尋

Selenium所有的api文件：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains

互動動作

將動作附加到動作鏈中序列執行

複製程式碼

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()

複製程式碼

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

執行JavaScript

這是一個非常有用的方法，這裡就可以直接呼叫js方法來實現一些操作，
下面的例子是通過登入知乎然後通過js翻到頁面底部，並彈框提示

from selenium import webdriver
browser = webdriver.Chrome()
browser.get("http://www.zhihu.com/explore")
browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')
browser.execute_script('alert("To Bottom")')

獲取元素屬性
get_attribute('class')

複製程式碼

from selenium import webdriver

browser = webdriver.Chrome()
url = 'https://www.zhihu.com/explore'
browser.get(url)
logo = browser.find_element_by_id('zh-top-link-logo')
print(logo)
print(logo.get_attribute('class'))

複製程式碼

獲取文字值
text

複製程式碼

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)

複製程式碼

獲取ID，位置，標籤名
id
location
tag_name
size

複製程式碼

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)

複製程式碼

Frame

在很多網頁中都是有Frame標籤，所以我們爬取資料的時候就涉及到切入到frame中以及切出來的問題，通過下面的例子演示
這裡常用的是switch_to.from()和switch_to.parent_frame()

複製程式碼

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')
except NoSuchElementException:
    print('NO LOGO')
browser.switch_to.parent_frame()
logo = browser.find_element_by_class_name('logo')
print(logo)
print(logo.text)

複製程式碼

等待

當使用了隱式等待執行測試的時候，如果 WebDriver沒有在 DOM中找到元素，將繼續等待，超出設定時間後則丟擲找不到元素的異常, 換句話說，當查詢元素或元素並沒有立即出現的時候，隱式等待將等待一段時間再查詢 DOM，預設的時間是0

隱式等待
到了一定的時間發現元素還沒有載入，則繼續等待我們指定的時間，如果超過了我們指定的時間還沒有載入就會丟擲異常，如果沒有需要等待的時候就已經載入完畢就會立即執行

複製程式碼

from selenium import webdriver

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

複製程式碼

顯示等待

指定一個等待條件，並且指定一個最長等待時間，會在這個時間內進行判斷是否滿足等待條件，如果成立就會立即返回，如果不成立，就會一直等待，直到等待你指定的最長等待時間，如果還是不滿足，就會丟擲異常，如果滿足了就會正常返回

複製程式碼

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

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

複製程式碼

上述的例子中的條件：EC.presence_of_element_located（）是確認元素是否已經出現了
EC.element_to_be_clickable（）是確認元素是否是可點選的

常用的判斷條件：
title_is 標題是某內容
title_contains 標題包含某內容
presence_of_element_located 元素加載出，傳入定位元組，如(By.ID, 'p')
visibility_of_element_located 元素可見，傳入定位元組
visibility_of 可見，傳入元素物件
presence_of_all_elements_located 所有元素加載出
text_to_be_present_in_element 某個元素文字包含某文字
text_to_be_present_in_element_value 某個元素值包含某文字
frame_to_be_available_and_switch_to_it frame載入並切換
invisibility_of_element_located 元素不可見
element_to_be_clickable 元素可點選
staleness_of 判斷一個元素是否仍在DOM，可判斷頁面是否已經重新整理
element_to_be_selected 元素可選擇，傳元素物件
element_located_to_be_selected 元素可選擇，傳入定位元組
element_selection_state_to_be 傳入元素物件以及狀態，相等返回True，否則返回False
element_located_selection_state_to_be 傳入定位元組以及狀態，相等返回True，否則返回False
alert_is_present 是否出現Alert

更多操作參考：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.expected_conditions

瀏覽器的前進和後退

back()
forward()

 

複製程式碼

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.python.org/')
browser.back()
time.sleep(1)
browser.forward()
browser.close()

複製程式碼

cookie操作

get_cookies()
delete_all_cookes()
add_cookie()

複製程式碼

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': 'zhaofan'})
print(browser.get_cookies())
browser.delete_all_cookies()
print(browser.get_cookies())

複製程式碼

選項卡管理

通過執行js命令實現新開選項卡window.open()
不同的選項卡是存在列表裡browser.window_handles
通過browser.window_handles[0]就可以操作第一個選項卡

複製程式碼

import time
from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.execute_script('window.open()')
print(browser.window_handles)
browser.switch_to_window(browser.window_handles[1])
browser.get('https://www.taobao.com')
time.sleep(1)
browser.switch_to_window(browser.window_handles[0])
browser.get('https://python.org')

複製程式碼

異常處理

這裡的異常比較複雜，官網的參考地址：
http://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions
這裡只進行簡單的演示，查詢一個不存在的元素

複製程式碼

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

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

複製程式碼

相關推薦

python selenium庫爬蟲介紹

原文連結：python爬蟲從入門到放棄（八）之 Selenium庫的使用。 一、什麼是Selenium selenium 是一套完整的web應用程式測試系統，包含了測試的錄製（selenium IDE）,編寫及執行（Selenium Remote Control）和測試的並行處理（Selen

python selenium 進行爬蟲，開啟chrome只返回data; 打不開頁面

我選用的是chrome 程式碼如下： from selenium import webdriver from selenium.webdriver.common.keys import Keys driver=webdriver.Chrome() driver.get(

python--random庫基本介紹

random庫是使用隨機數的Python標準庫 python中用於生成偽隨機數的函式庫是random   因為是標準庫，使用時候只需要import random random庫包含兩類函式，常用的共9個         --基本隨機函式：

【爬蟲】如何用python+selenium網頁爬蟲

spl query page selenium ota selector 方法 exc timeout 一、前提 爬蟲網頁（只是演示，切勿頻繁請求）：https://www.kaola.com/ 需要的知識：Python，selenium 庫，PyQuery 參考網站：ht

Python3.5.2 document學習系列之02、The Python Standard Library（python 標準庫）——介紹

1.介紹Python庫包含幾種不同種類的組成部分。它包含通常被認為是一種語言“核心”部分的資料型別，如數字和列表。對這些型別來說，Python語言核心定義了書寫上的格式和位置以及一些語義上的約束，但沒有完全定義語法（另一方面，語言核心定義了語法特性像拼寫和操作優先順序）這個庫

python爬蟲從入門到放棄（八）之 Selenium庫的使用

自動 .com 程序 png 都是 例子 等待 點擊 哪些 一、什麽是Selenium selenium 是一套完整的web應用程序測試系統，包含了測試的錄制（selenium IDE）,編寫及運行（Selenium Remote Control）和測試的並行處理（Sele

python爬蟲筆記----4.Selenium庫（自動化庫）

locate pri 官方文檔 input 顯式 ref 打開網頁 elements timeout 4.Selenium庫 (自動化測試工具，支持多種瀏覽器，爬蟲主要解決js渲染的問題) pip install selenium 基本使用 from seleniu

自學python爬蟲（七）selenium庫的使用

一、基本概念 selenium，是一種自動化測施工具，支援多種瀏覽器。爬蟲中主要用來解決JavaScript渲染問題。 二、具體用法 說在前面：筆者是以GooleChrome瀏覽器來進行測試的，當然其他瀏覽器也可以，具體下面會講到不同的瀏覽器不同做法。 1、下載安裝：chr

自學python爬蟲（五）BeautifulSoup庫的介紹

一、概念 BeautifulSoup是靈活又方便的網頁解析庫，處理高效。支援多種直譯器。利用它可以不用編寫正則表示式即可方便地實現網頁資訊的提取。 二、解析庫 三、例項講解 下面用到的程式碼 html = """<html> <head>

【python 爬蟲】BeautifulSoup4 庫的介紹使用

有部分內容為北理嵩天老師的爬蟲教程的個人學習筆記，結合其他部落格整理學習。 前言：資訊標記形式 html是將聲音、影象、音訊嵌入到文字中，是Internet上的主要資訊組織、傳遞形式，通過預定義的標籤< >…</ >將不同型別的資訊組織起來。國際上標準的資訊標

python爬蟲學習筆記五：Re庫的介紹和使用

Re庫介紹 Re庫是Python的標準庫，主要用於字串匹配。 呼叫方式： import re 正則表示式的表示型別 *raw string 型別（原生字串型別）： re庫採用raw string型別表示正則表示式，表示為：r'text' 例如：r'[1-9]\d{5}

Python爬蟲之selenium庫使用詳解

Python爬蟲之selenium庫使用詳解   什麼是Selenium selenium 是一套完整的web應用程式測試系統，包含了測試的錄製（selenium IDE）,編寫及執行（Selenium Remote Control）和測試的並行處理（Selenium Grid）。Seleni

python爬蟲Selenium庫詳細教程

在我們爬取網頁過程中，經常發現我們想要獲得的資料並不能簡單的通過解析HTML程式碼獲取，這些資料是通過AJAX非同步載入方式或經過JS渲染後才呈現在頁面上顯示出來。 selenuim是一種自動化測試工具，它支援多種瀏覽器。而在爬蟲中，我們可以使用它來模擬瀏覽器瀏覽頁面，進而解決JavaScrip

Python 爬蟲基礎Selenium庫的使用

（一）Selenium基礎 入門教程：Selenium官網教程 1.Selenium簡介 Selenium是一個用於測試網站的自動化測試工具，支援各種瀏覽器包括Chrome、Firefox、Safari等主流介面瀏覽器，同時也支援phantomJS無介面瀏覽器。 2.

Python 爬蟲基礎Selenium庫的使用（二十二01）

（一）Selenium基礎 1.Selenium簡介 Selenium是一個用於測試網站的自動化測試工具，支援各種瀏覽器包括Chrome、Firefox、Safari等主流介面瀏覽器，同時也支援phantomJS無介面瀏覽器。 2.支援多種作業系統 如Wind

【四】【python+selenium】pyautogui庫和滑鼠操作介紹

1.pyautogui庫是第三方庫，需要自己下載   pip install pyautogui 2.獲取螢幕解析度    import pyautogui    screenWidth,screenH

python標準庫介紹——36 popen2 模塊詳解

out tdi move gnu div error python popen pro ==popen2 模塊== ``popen2`` 模塊允許你執行外部命令, 並通過流來分別訪問它的 ``stdin`` 和 ``stdout`` ( 可能還有 ``stderr``

Python網絡爬蟲與信息提取-Requests庫網絡爬去實戰

amazon 亞馬遜 查詢 提交 raise 自動 htm bsp 信息 實例1：京東商品頁面的爬取 import requests url="https://item.jd.com/2967929.html" try: r=requests.get(url)

Python 爬蟲實例（12）—— python selenium 爬蟲

bsp ide doc wid environ att fig exc title # coding:utf-8 from common.contest import * def spider():　　url = "http://www.salamoyua.

Python第三周之文件的讀寫以及簡單的爬蟲介紹

以及 under url error: except __name__ quest for div 文件的讀寫 　　讀 import time def main(): """ 文件的讀寫，註意open的用法以及，文件地址的輸入。 :retur