什么是Selenium :
selenium是一套完整的web应用程序测试系统, 包含了测试的录制(selenium IDE), 编写以及运行(Selenium Remote Control) 和测试的并行处理(Selenium Grid). Selenium的核心Selenium Core基于JsUnit, 完全由JavaScript编写, 因此可以用于任何支持JavaScript的浏览器上.
selenium可以模拟真实浏览器, 自动化测试工具, 支持多种浏览器, 爬虫中主要用来解决JavaScript渲染问题.
Selenium基本使用 :
用python写爬虫的时候, 主要用的是selenium的Webdriver
selenium.Webdriver基本上可以支持和大部分常见的浏览器.
而其中比较重要的PhantomJS, PhantomJS是一个基于WebKit的服务端JavaScript API, 支持Web而不需要浏览器支持, 其快速, 原生支持各种Web标准: Dom处理, CSS选择器, JSON登登.
PhantomJS可以用于页面自动化, 网络监测, 网页截屏, 以及无界面测试.
声明浏览器对象 :
虽然知道了selenium支持很多浏览器, 但是如果想要声明并调用浏览器则需要 :
from selenium import webdriver browser = webdriver.Chrome() browser = webdriver.Firefox()
...
访问页面 :
from selenium import webdriver browser = webdriver.Chrome() browser.get("http://www.baidu.com") print(browser.page_source) browser.close()
上述代码运行后，会自动打开Chrome浏览器，并登陆百度打印百度首页的源代码，然后关闭浏览器
查找元素 :
单个元素的查找 :
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()
上面通过三种不同的方式去获取响应的元素, 第一种是通过id的方式, 第二种是CSS选择器, 第三种是xpath选择器, 结果都是相同的.
常用的查找元素的方法 :
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
下面是比较通用的一种方式: By模块需要导入
from selenium.webdriver.common.by import By
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()
上述两种方法是通用的, browser.find_element(By.ID,"q")这里By.ID中的ID可以替换为其他几个
多个元素查找 :
多个元素和单个元素的区别, 举个栗子: find_elements, 单个元素是find_element, 其他使用上没什么区别
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()
多个元素的查找也是可以通过导入from selenium.webdriver.common.by import By 这种方式实现
lis = browser.find_elements(By.CSS_SELECTOR,'.service-bd li')
同样在单个元素中查找的方式在多个元素查找中同样存在 :
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
元素交互操作 :
对于获取的元素调用交互方法
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()
运行结果可以看出程序会自动打开Chrome浏览器并打开淘宝输入ipad, 然后删除, 重新输入MakBookpro, 并点击搜索
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()
直接执行JavaScript :
这个方法可以直接调用js方法来实现一些操作
下面例子是通过登录知乎然后通过js翻到页面底部, 并弹框提示 :
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")')
获取元素属性 :
get_attribute("class")
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'))
获取文本值 :
text
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 :
id
location
tag_name
size
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)
Frame :
在很多网页中都是有Frame标签, 所以爬取数据的时候就涉及到切入到frame中以及切出来的问题, 下面例子演示:
这是常用的swich_to.from()和swich_to.parent_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') except NoSuchElementException: print('NO LOGO') browser.switch_to.parent_frame() logo = browser.find_element_by_class_name('logo') print(logo) print(logo.text)
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, 超出设定时间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, 默认的时间是0.
隐式等待 :
到了一定的时间发现元素还没有加载, 则继续等待我们指定的时间, 如果超过了我们指定的时间还没有加载就会抛出异常, 如果没有到需要等待的时候就已经记载完毕就会立即执行
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)
显示等待 :
指定一个等待条件, 并且制定一个最长等待时间, 会在这个还是件内进行判断是否满足等待条件, 如果成立就会立即返回, 如果不成立, 就会一直等待, 直到等待你指定的最长等待时间, 如果还不满足, 就会抛出异常, 如果满足了就会正常返回.
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)
上述的例子中的条件：EC.presence_of_element_located（）是确认元素是否已经出现了
EC.element_to_be_clickable（）是确认元素是否是可点击的
常用的判断条件 :
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')
visibility_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_is_present 是否出现Alert
浏览器的前进和后退 :
back() 和 forward()
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()
Cookie操作 :
get_cookies()
delete_all_cookes()
add_cookie()
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())
选项卡处理 :
通过执行js命令实现新开选项卡window.open()
不同的选项卡是存在列表里browser.window_handles
通过browser.window_handles[0]就可以操作第一个选项卡
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')