selenium动态数据获取

爬虫之Scrapy系列文章

欢迎点赞评论学习交流~

各位看官多多关注哦~

目录

selenium的使用

webdriver的安装 

 selenium安装

 驱动安装

基本使用 

查找节点 

执行 JavaScript

切换 Frame

前进后退

选项卡管理

配置操作

绕过检测

结束 

---

selenium的使用

        Selenium 是一个自动化测试工具，利用它可以驱动浏览器执行特定的动作，如点击、下拉等操作，同时还可以获取浏览器当前呈现的页面的源代码，做到可见即可获取。对于一些 JavaScript 动态渲染的页面来说，此种抓取方式非常有效。接下来，就让我们来感受一下它的强大之处吧。  

webdriver的安装  

 selenium安装

 首先，我们使用selenium进行测试，所以我们得安装selenium库。

pip install selenium

 驱动安装

        webdriver 是浏览器对应的驱动，我们使用的的浏览器有三种谷歌Chrome、微软Microsoft Edge、还有一个火狐Firefox，但是我们经常使用谷歌Chrome浏览器进行测试。现在我们就以Chrome浏览器为例下载它对应的chromedriver 。

 官网：http://chromedriver.storage.googleapis.com/index.html

注意：

• 我们下载chromedriver 驱动时，我们要查明浏览器的版本，要对应相应的版本号进行下载，否则会报错。
• 禁止Google浏览器更新服务，可以上网查教程。

 

基本使用 

查找节点 

        Selenium 可以驱动浏览器完成各种操作，比如填充表单、模拟点击等。比如，我们想要完成向某个输入框输入文字的操作，总需要知道这个输入框在哪里吧？而 Selenium 提供了一系列查找节点的方法，我们可以用这些方法来获取想要的节点，以便下一步执行一些动作或者提取信息。  

获取节点的方法：

find_element_by_id
find_element_by_name
find_element_by_xpath
find_element_by_link_text                专门用来定位超链接文本（标签）  全匹配
find_element_by_partial_link_text           模糊匹配
find_element_by_tag_name
find_element_by_class_name
find_element_by_css_selector 

 给个示例

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
input = browser.find_element_by_id('kw')
input.send_keys('Python')
browser.find_element_by_id('su').click()
# 提取页面
print(browser.page_source.encode('utf-8'))
# 提取cookie
print(browser.get_cookies())
# 提取当前请求地址
print(browser.current_url)
browser.close()

        运行代码后发现，会自动弹出一个 Chrome 浏览器。浏览器首先会跳转到百度，然后在搜索框中输入 Python，接着跳转到搜索结果页  

注：当我们的chromedriver驱动没有放置到Chrome浏览器路径时，我们可以使用以下来申明浏览器对象。

browser = webdriver.Chrome(executable_path="chromedriver安装路径")

方法总结：

1. brower.get(url)：跳转当前url链接。
2. browser.find_element_by_id('id属性值')：定位到id属性值。
3. send_keys('输入关键字')：定位到输入框后输入。
4. find_element_by_id('id属性值').click()：定位到id属性值后点击。
5. browser.page_source.encode('utf-8')：获取当前页面的源码。
6. browser.get_cookies()：提取cookies。
7. browser.current_url：获取当前页面的url。
8. brower.close()：关闭浏览器。

 

执行 JavaScript

        对于某些操作，Selenium API 并没有提供。比如，下拉进度条，它可以直接模拟运行 JavaScript，此时使用 execute_script() 方法即可实现，代码如下：

# document.body.scrollHeight 获取页面高度

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://36kr.com/')
# 下拉边框  一次性下拉
browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')

# 慢慢的下拉
for i in range(1,9):
    time.sleep(random.randint(100, 300) / 1000)
    browser.execute_script('window.scrollTo(0,{})'.format(i * 700))

        这里就利用 execute_script() 方法将进度条下拉到最底部。为了模拟人为活动，我们调节了下拉的缓冲时间。

我们使用浏览器的控制台输入以下代码也能运行。

window.scrollTo(0, document.body.scrollHeight) 

图例：

 

 

切换 Frame

        我们知道网页中有一种节点叫作 iframe，也就是子 Frame，相当于页面的子页面，它的结构和外部网页的结构完全一致。Selenium 打开页面后，它默认是在父级 Frame 里面操作，而此时如果页面中还有子 Frame，它是不能获取到子 Frame 里面的节点的。这时就需要使用 switch_to.frame() 方法来切换 Frame。示例如下：  

browser.get('https://www.douban.com/')
login_iframe = browser.find_element_by_xpath('//div[@class="login"]/iframe')
browser.switch_to.frame(login_iframe)
browser.find_element_by_class_name('account-tab-account').click()
browser.find_element_by_id('username').send_keys('123123123')

        首先我们要定位到iframe，然后用switch_to.frame() 方法来切换 Frame，这时我们就可以定位到子 Frame进行有关操作了。

 

前进后退

        平常使用浏览器时都有前进和后退功能，Selenium 也可以完成这个操作，它使用 back() 方法后退，使用 forward() 方法前进。示例如下：  

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()

        这里我们连续访问 3 个页面，然后调用 back() 方法回到第二个页面，接下来再调用 forward() 方法又可以前进到第三个页面。  

 

选项卡管理

         在访问网页的时候，会开启一个个选项卡。在 Selenium 中，我们也可以对选项卡进行操作。示例如下：

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')

        这里我们先跳转到百度再打开一个空白选项卡打印选项卡编号，再跳转到第二个选项卡也就是这个空白选项卡打开淘宝，休息一秒，再跳转到第一个选项卡打开python官网。

 

配置操作

 selenium有很多配置，下面我举几个常见的。

options = webdriver.ChromeOptions()

# 无头模式
option.add_argument("-headless")

#设置代理
options.add_argument('proxy-server=' +'192.168.0.28:808')

#将浏览器最大化显示
browser.maximize_window() 

# 设置宽高
browser.set_window_size(480, 800)
# 通过js新打开一个窗口
driver.execute_script('window.open("https://www.baidu.com");')

browser = webdriver.Chrome(chrome_options=options)

 

 

绕过检测

绕过检测对于一些网站的自动化反爬很管用。 

# 设置屏蔽
options = webdriver.ChromeOptions()
options.add_argument('--disable-blink-features=AutomationControlled')
browsers = webdriver.Chrome(chrome_options=options)
browsers.get('https://bot.sannysoft.com/')

这里我们使用下面这个网站进行自动化检测

 网站：https://bot.sannysoft.com/

我们没设置绕过检测

 

我们设置了绕过检测后

 

结束