使用selenium定位获取标签对象并提取数据

selenium提取数据

推荐阅读：

1. 使用xpath爬取数据
2. jupyter notebook使用
3. BeautifulSoup爬取豆瓣电影Top250
4. 一篇文章带你掌握requests模块
5. Python网络爬虫基础–BeautifulSoup

知识点：

• 了解 driver对象的常用属性和方法
• 掌握 driver对象定位标签元素获取标签对象的方法
• 掌握 标签对象提取文本和属性值的方法

---

1. driver对象的常用属性和方法

在使用selenium过程中，实例化driver对象后，driver对象有一些常用的属性和方法

1. driver.page_source 当前标签页浏览器渲染之后的网页源代码
2. driver.current_url 当前标签页的url
3. driver.close() 关闭当前标签页，如果只有一个标签页则关闭整个浏览器
4. driver.quit() 关闭浏览器
5. driver.forward() 页面前进
6. driver.back() 页面后退
7. driver.screen_shot(img_name) 页面截图

---

知识点：了解 driver对象的常用属性和方法

---

2. driver对象定位标签元素获取标签对象的方法

在selenium中可以通过多种方式来定位标签，返回标签元素对象

find_element_by_id 						(返回一个元素)
find_element(s)_by_class_name 			(根据类名获取元素列表)
find_element(s)_by_name 				(根据标签的name属性值返回包含标签对象元素的列表)
find_element(s)_by_xpath 				(返回一个包含元素的列表)
find_element(s)_by_link_text 			(根据连接文本获取元素列表)
find_element(s)_by_partial_link_text 	(根据链接包含的文本获取元素列表)
find_element(s)_by_tag_name 			(根据标签名获取元素列表)
find_element(s)_by_css_selector 		(根据css选择器来获取元素列表)

• 注意：
  • find_element和find_elements的区别：
    • 多了个s就返回列表，没有s就返回匹配到的第一个标签对象
    • find_element匹配不到就抛出异常，find_elements匹配不到就返回空列表
  • by_link_text和by_partial_link_tex的区别：全部文本和包含某个文本
  • 以上函数的使用方法
    • driver.find_element_by_id('id_str')

---

知识点：掌握 driver对象定位标签元素获取标签对象的方法

---

3. 标签对象提取文本内容和属性值

find_element仅仅能够获取元素，不能够直接获取其中的数据，如果需要获取数据需要使用以下方法

• 对元素执行点击操作element.click()

  • 对定位到的标签对象进行点击操作

• 向输入框输入数据element.send_keys(data)

  • 对定位到的标签对象输入数据

• 获取文本element.text

  • 通过定位获取的标签对象的text属性，获取文本内容

• 获取属性值element.get_attribute("属性名")

  • 通过定位获取的标签对象的get_attribute函数，传入属性名，来获取属性的值

​

• 代码实现，如下：

  from selenium import webdriver
  
  driver = webdriver.Chrome()
  
  driver.get('http://www.itcast.cn/')
  
  ret = driver.find_elements_by_tag_name('h2')
  print(ret[0].text) # 
  
  ret = driver.find_elements_by_link_text('黑马程序员')
  print(ret[0].get_attribute('href'))
  
  driver.quit()