Selenium的使用——一篇文章带你入门Selenium

文章目录

  • 1.准备工作
  • 2.基本使用
  • 3.声明浏览器对象
  • 4.访问页面
  • 5.查找节点
    • 单个节点
    • 多个节点
  • 6.节点交互
  • 7.动作链
  • 8.执行JavaScript
  • 9.获取节点信息
    • 获取属性
    • 读取文本值
    • 获取id、位置、标签名和大小
  • 10.切换Frame
  • 11.延时等待
    • 隐式等待
    • 显示等待
  • 12.前进和后退
  • 13.Cooikes
  • 14.选项卡管理
  • 15.异常处理

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、下拉等操作等,同时还可以获取浏览器当前呈现的页面代码,做到可以见即可爬。对于一些JavaScript动态渲染的页面来说,此种抓取方式非常有效。

1.准备工作

本文以Chrome为例来讲解Selenium的用法,在开始之前请确保已经安装好了Chrome浏览器并且配置好了ChromeDriver。另外,还需要正确安装好Python的Selenium库,配置过程可以参考https://blog.csdn.net/m0_49449205/article/details/123971402?spm=1001.2014.3001.5501

2.基本使用

准备好以后,我们首先来大体看一下Selenium有一些怎样的功能。例如:

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait

browser = webdriver.Chrome()
try:
    browser.get('https://www.baidu.com')
    input = browser.find_element_by_id('kw')
    input.send_keys('Python')
    input.send_keys(Keys.ENTER)
    wait = WebDriverWait(browser,10)
    wait.until(EC.presence_of_element_located((By.ID,'content_left')))
    print(browser.current_url)
    print(browser.get_cookies())
    print(browser.page_source)
finally:
    browser.close()

运行代码会发现,会自动弹出一个Chrome浏览器。浏览器会首先跳转到百度,然后在搜索框中输入Python,接着跳到搜索结果页,如图
搜索结果加载出来后,控制台会输出当前的URL、当前的Cooikes和网页源代码:


可以看到,我们当前的URL、Cooikes和源代码都是浏览器中的真实结果。
所以说,如果用Selenium来驱动浏览器加载网页的话,就可以直接拿到JavaScript渲染的结果了,不用担心使用的是什么加密系统。
下面来详细了解一下Selenium的用法。

3.声明浏览器对象

Selenium支持非常多的浏览器,如Chrome、Firefox、Edge等,还有Android、BlackBerry等手机端的浏览器。另外,也支持无界面浏览器PhantomJS。
此外,我们可以用如下方式初始化:

from selenium import webdriver

browser = webdriver.Chrome()
browser = webdriver.Firefox()
browser = webdriver.Edge()
browser = webdriver.PhantomJS()
browser = webdriver.Safari()

这样就完成了浏览器对象的初始化并为其赋值为browser对象。接下来,我们要做的就是调用browser对象,让其执行各个动作以模拟浏览器操作

4.访问页面

我们可以用get()方法来请求网页,参数传入链接URL即可。比如,这里用get()方法访问淘宝,然后打印出源代码,代码如下:

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
print(browser.page_source)
browser.close()

运行后发现,弹出了Chrome浏览器并且自动访问了淘宝,然后控制台输出了淘宝页面的源代码,随后浏览器关闭。
通过这几行简单的代码,我们可以实现浏览器的驱动并获取网页源码,非常便捷。

5.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。

单个节点

比如,想要从淘宝页面中提取搜索框这个节点,首先要观察它的源代码,如图
Selenium的使用——一篇文章带你入门Selenium_第1张图片
可以发现,它的id是q,name也是q。此外,还有许多属性,此时我们就可以用多种方式获取它了。比如,find_element_by_name()是根据name值获取,find_element_by_id()是根据id获取。另外,还有根据XPath、CSS选择器等获取的方式。
我们用代码实现一下:

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
input_first = browser.find_element_by_id('q')
input_second = browser.find_elements_by_css_selector('#q')
input_third = browser.find_element_by_xpath('//*[@id="q"]')
print(input_first,input_second,input_third)
browser.close()

这里我们使用3中方式获取输入框,分别是根据ID、CSS选择器和XPath获取,它们返回的结果完全一致,运行结果如下:
在这里插入图片描述
可以看到,这3个节点都是WebElement类型,是完全一致的。
这里列出所有获取单个节点的方法:

find_element_by_id
find_element_by_name
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

另外,Selenium还提供了通用方法find_element(),它需要传入两个参数:查找方式By和值。实际上,它就是find_element_by_id()这种方法的通用函数版本,比如find_element_by_id(id)就等价于find_element(By.ID,id),二者得到的结果完全一致。我们用代码实现:

from selenium import webdriver
from selenium.webdriver.common.by import By

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
input_first = browser.find_element(By.ID,'q')
print(input_first)
browser.close()

实际上,这种查找方式的功能和上面列举的查找函数完全一致,不过参数更加灵活。

多个节点

如果查找的目标在网页中只有一个,那么完全可以用find_element()方法。但如果有多个节点,再用find_element(0方法查找,就只能得到第一个节点了。如果要查找所有满足条件的节点,需要用find_elements()这样的方法。注意,在这个方法名称中,element多了个s,注意区分。
比如,要查找淘宝左侧导航条的所有条目,如图:
Selenium的使用——一篇文章带你入门Selenium_第2张图片
Selenium的使用——一篇文章带你入门Selenium_第3张图片
就可以这样来实现:

from selenium import webdriver

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

运行结果如下
Selenium的使用——一篇文章带你入门Selenium_第4张图片
可以看到,得到的结果变成了列表类型,列表中的每个节点都是WebElement类型。
也就是说,如果我们用find_element()方法,只能获取匹配的第一个节点,结果是WebElement类型,如果用find_elements()方法,则结果是列表类型,列表中的每个节点都是WebElement类型。
这里列出所有获取多个节点的方法:

find_elements_by_id
find_elements_by_name
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

当然,我们也可以直接用find_elements()方法来选择,这时可以这样写:

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

结果完全一致

6.节点交互

Selenium可以驱动浏览器来执行一些操作,也就是说可以让浏览器模拟执行一些动作。比较常见的用法有:输入文字时用send_keys()方法,清空文字时用clear()方法,点击按钮时用click()方法。例如:

from selenium import webdriver
import time

browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
input = browser.find_element_by_id('q')
input.send_keys('iPhone')
time.sleep(1)
input.clear()
input.send_keys('iPad')
button = browser.find_element_by_class_name('btn-search')
button.click()

这里首先驱动浏览器打开套奥,然后用find_element_by_id()方法获取输入框,然后用send_keys()方法输入iPhone文字,等待一秒后用clear()方法清空输入框,再次调用send_keys()方法输入iPad文字,之后再用find_element_by_class_name()方法获取搜索按钮,最后调用click()方法完成搜索动作。
通过上面的方法,我们就完成了一些常见节点的动作操作,更多的操作可以参见官方文档的交互动作介绍:https://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.remote.webelement

7.动作链

在上面的实例中,一些交互动作都是针对某个节点执行的。比如,对于输入框,我们就调用它的输入文字和清空文字方法;对于按钮,就调用它的点击方法。其实,还有另外一些操作,它们没有特定的执行对象,比如鼠标拖曳、键盘按键等,这些动作用另一种方式来执行,那就是动作链。
比如,现在实现一个节点的拖曳操作,将某个节点从一处拖曳到另外一处,可以这样实现:

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()

首先,打开网页中的一个拖曳实例,然后依次选中要拖曳的节点和拖曳到的目标节点,接着声明ActionChains对象并将其赋值为actions变量,然后通过调用actions变量的drag_and_drop()方法,再调用perfrom()方法执行动作,此时就完成了拖曳操作,如图所示:
Selenium的使用——一篇文章带你入门Selenium_第5张图片
更多的动作链操作可以参考官方文档:https://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains

8.执行JavaScript

对于某些操作,SeleniumAPI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:

from selenium import webdriver

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

这里就利用execute_script()方法将进度条下拉到最底部,然后弹出alert提示框。
所以说有了这个方法,基本上API没有提供的所有功能都可以执行JavaScript的方式来实现了。

9.获取节点信息

前面说过,通过page_source属性可以获取网页的源代码,接着就可以使用解析库(如正则表达式、Beautiful Soup、pyquery)来提取信息了。
不过,既然Selenium已经提供了选择节点的方法,返回的是WebElement类型,那么它也有相关的方法和属性来直接提取节点信息,如属性、文本等。这样的话,我们就可以不用通过解析源代码来提取信息了,非常方便。

获取属性

我们可以使用get_attribute()方法来获取节点的属性,但是其前提是先选中这个节点,实例如下:

from selenium import webdriver
from selenium.webdriver import ActionChains

browser = webdriver.Chrome()
url = 'https://www.jd.com/'
browser.get(url)
logo = browser.find_element_by_id("logo")
print(logo)
print(logo.get_attribute('class'))

运行程序之后,便会打开京东页面,然后获取京东的logo节点,最后打印出它的class。
输出结果如下:
在这里插入图片描述
通过get_attribute()方法,然后传入想要获取的属性名,就可以得到它的值了。

读取文本值

每个WebElement节点都有text属性,直接调用这个属性就可以得到节点内部的文本信息,这相当于Beautiful Soup的get_text()方法、pyquery的text()方法,实例如下:

from selenium import webdriver

browser = webdriver.Chrome()
url = 'https://www.jd.com/'
browser.get(url)
input = browser.find_element_by_class_name('elevator_lk_txt')
print(input.text)

Selenium的使用——一篇文章带你入门Selenium_第6张图片
这里依然打开京东页面,然后获取“京东秒杀”这个节点,再将其文本值打印出来
输出结果如下:
Selenium的使用——一篇文章带你入门Selenium_第7张图片

获取id、位置、标签名和大小

另外,WebElement节点还有另外一些其他属性,比如id属性可以获取节点id,location属性可以获取该节点在页面中的相对位置,tag_name属性可以获取标签名称,size属性可以获取节点的大小,也就是宽高,这些属性有时候还是很有用的。例如:

from selenium import webdriver

browser = webdriver.Chrome()
url = 'https://www.jd.com/'
browser.get(url)
input = browser.find_element_by_class_name('elevator_lk_txt')
print(input.id)
print(input.location)
print(input.tag_name)
print(input.size)

这里首先获得“京东秒杀”这个节点,然后调用其id、location、tag_name、size属性来获取对应的属性值。

10.切换Frame

我们知道网页中有一种节点叫做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:

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')
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)

输出如下
在这里插入图片描述
这里还是以前面演示动作链的网页为实例,首先通过switch_to.frame()方法切换到子Frame里面,然后尝试获取父级Frame里的logo节点(这里找不到),如果找不到就会抛出异常,捕捉之后,输出NO LOGO。接下来,重新切换回父级Frame,然后再次重新获取节点,发现此时可以成功获取。
所以,当页面中包含子Frame时,如果想获取子Frame中的节点,需要先调用switch_to.frame()方法切换到对应的Frame,然后进行操作。

11.延时等待

在Selenium中,get()方法会在网页框架加载结束后结束执行,此时如果获取page_source,可能并不是浏览器完全加载完成的页面,如果某些页面有额外的Ajax请求,我们在网页源代码中也不一定能成功获取到。所以,这里需要延时等待一定时间,确保节点已经加载出来。
这里等待的方式有两种:一种是隐式等待,一种是显示等待

隐式等待

当使用吟诗等待执行测试的时候,如果Selenium没有在DOM中找到节点,将继续等待,超出设定时间后,则抛出找不到节点的异常。换句话说,当查找节点而节点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,默认时间为0,示例如下:

from selenium import webdriver

browser = webdriver.Chrome()
browser.implicitly_wait(10)
url = 'https://www.jd.com/'
browser.get(url)
input = browser.find_element_by_class_name('elevator_lk_txt')
print(input)

这里我们用implicitly_wait()方法实现了隐式等待

显示等待

隐式等待的效果其实并没有那么好,因为我们只规定了一个固定时间,而页面的加载时间会收到网络条件的影响。
这里还有一种更适合的显示等待方法,它指定要查找的节点,然后指定一个最长等待时间。如果在规定时间内加载出来了这个节点,就返回查找的节点;如果到了规定时间依然没有加载出该节点,则抛出超时异常。示例如下:

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)

这里首先引入WebDriverWait这个对象,指定最长等待时间,然后调用它的until()方法,传入要等待条件expected_conditions。比如,这里传入了presence_of_element_located这个条件,代表节点出现的意思,其参数是节点的定位元组,也就是ID为q的节点搜索框。
这样可以做到的效果就是,在10秒内如果ID为q的节点(即搜索框)成功加载出来,就返回该节点;如果超过10秒还没有加载出来,就抛出异常。
对于按钮,可以更改一下等待条件,比如改为element_to_be_clickable,也就是可点击,所以查找按钮时查找CSS选择器为.bth-search的按钮,如果10秒内它是可点击的,也就是成功加载出来了,就返回这个按钮节点;如果超过10秒还不可点击,也就是没有加载出来,就抛出异常。
运行代码,网速较好的情况下可以加载:
输出如下
在这里插入图片描述
可以看到,控制台成功输出了两个节点,它们都是WebElement类型。
如果网络有问题,10秒内没有加载成功,那就抛出TimeoutException异常
关于等待条件其实还有很多,比如判断标题内容,判断某个节点内是否出现了某文字等。下表列出了所有的等待条件。
Selenium的使用——一篇文章带你入门Selenium_第8张图片
Selenium的使用——一篇文章带你入门Selenium_第9张图片
关于更多等待条件的参数及用法,可以参考官方文档:https://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.expected_conditions

12.前进和后退

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

13.Cooikes

使用Selenium,还可以方便地对Cookies进行操作,例如获取、添加、删除Cooikes等。示例如下:

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.zhihu.com/explore')
print(browser.get_cookies())
browser.add_cookie({'name':'name','domin':'www.zhihu.com','value':'germey'})
print(browser.get_cookies())
browser.delete_all_cookies()
print(browser.get_cookies())

首先,我们访问了知乎。加载完成后,浏览器实际上已经生成Cooikes了。接着调用get_cooikes()方法获取所有的Cooikes。然后,我们添加一个Cooike,这里传入一个字典,有name、domain和value等内容。接下来,再次获取所有的Cooikes。可以发现,结果就多了这一项新加的Cooikes。最后,调用delete_all_cooikes()方法删除所有的Cooikes。再重新获取,发现结果就为空。
输出如下:

14.选项卡管理

在访问网页的时间,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://www.jd.com/')

输出如下
在这里插入图片描述
首先,访问了百度,然后调用了execute_script()方法,这里传入window.open()这个JavaScript语句开启一个选项卡。接下来,我们想切换到该选项卡。这里调用window_handles属性获取当前开启的所有选项卡,返回的是选项卡的代号列表。想要切换该选项卡,只需要调用switch_to_window()方法即可,其中参数是选项卡的代号。这里我们将第二个选项卡代号传入,即跳转到第二个选项卡,接下来在第二个选项卡打开下一个新的页面,然后切换回第一个选项卡重新调用switch_to_window()方法,再执行其他操作即可。

15.异常处理

在使用Selenium的过程中,难免会遇到一些异常,例如超时、节点未找到等错误,一旦出现此类错误,程序便不会继续运行了、这里我们可以使用try except语句来捕获异常
首先,演示一下节点未找到的异常,示例如下:

from selenium import webdriver

browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.find_element_by_id('heelo')

这里首先打开百度页面,然后尝试选择一个并不存在的节点,此时就会遇到异常。
输出如下:
在这里插入图片描述
可以看到,这里抛出了异常NoSuchElementException异常,这通常是节点未找到的异常。为了防止程序遇到异常而中断,我们需要捕获这些异常,示例如下:

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('heelo')
except NoSuchElementException:
    print('No Element')
finally:
    browser.close()

这里我们使用try expect来捕获异常。比如,我们对find_element_by_id()查找节点的方法捕获NoSuchElementException异常,这样一旦出现错误就进行异常处理,程序也不会中断了。
输出如下:
Selenium的使用——一篇文章带你入门Selenium_第10张图片
关于更多的异常类,可以参考官方文档:https://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions
现在,我们基本对Selenium的常规用法有了大体的了解,使用Selenium,处理JavaScript不再是难事。

你可能感兴趣的:(爬虫,python,selenium)