尚硅谷python爬虫（三）-selenium
一、selenium
1.selenium简介
- Selenium是一个用于Web应用程序测试的工具。
- Selenium 测试直接运行在浏览器中，就像真正的用户在操作一样。
- 支持通过各种driver（FirfoxDriver，IternetExplorerDriver，OperaDriver，ChromeDriver）驱动 真实浏览器完成测试。
- selenium也是支持无界面浏览器操作的。
2.selenium用途功能
- 模拟浏览器功能，自动执行网页中的js代码，实现动态加载
3.selenium的安装
- 操作谷歌浏览器驱动下载地址
- http://chromedriver.storage.googleapis.com/index.html
- 谷歌驱动和谷歌浏览器版本之间的映射表
- http://blog.csdn.net/huilan_same/article/details/51896672
- 查看谷歌浏览器版本 谷歌浏览器右上角‐‐>帮助‐‐>关于
- pip install selenium
4.selenium的使用步骤
- 导入：
- from selenium import webdriver
- 创建谷歌浏览器操作对象：
- path = 谷歌浏览器驱动文件路径
- browser = webdriver.Chrome(path)
- 访问网址
- url = 要访问的网址 browser.get(url)
案例：
# （1）导入selenium
from selenium import webdriver
# (2) 创建浏览器操作对象
path = 'chromedriver.exe'
browser = webdriver.Chrome(path)
# （3）访问网站
# url = 'https://www.baidu.com'
#
# browser.get(url)
url = 'https://www.jd.com/'
browser.get(url)
# page_source获取网页源码
content = browser.page_source
print(content)
5.selenium的元素定位
from selenium import webdriver
path = 'chromedriver.exe'
browser = webdriver.Chrome(path)
url = 'https://www.baidu.com'
browser.get(url)
# 元素定位
# 根据id来找到对象
# button = browser.find_element_by_id('su')
# print(button)
# 根据标签属性的属性值来获取对象的
# button = browser.find_element_by_name('wd')
# print(button)
# 根据xpath语句来获取对象
# button = browser.find_elements_by_xpath('//input[@id="su"]')
# print(button)
# 根据标签的名字来获取对象
# button = browser.find_elements_by_tag_name('input')
# print(button)
# 使用的bs4的语法来获取对象
# button = browser.find_elements_by_css_selector('#su')
# print(button)
# button = browser.find_element_by_link_text('直播')
# print(button)6.访问元素信息
from selenium import webdriver
path = 'chromedriver.exe'
browser = webdriver.Chrome(path)
url = 'http://www.baidu.com'
browser.get(url)
input = browser.find_element_by_id('su')
# 获取标签的属性
print(input.get_attribute('class'))
# 获取标签的名字
print(input.tag_name)
# 获取元素文本
a = browser.find_element_by_link_text('新闻')
print(a.text)7.交互案例
from selenium import webdriver
# 创建浏览器对象
path = 'chromedriver.exe'
browser = webdriver.Chrome(path)
# url
url = 'https://www.baidu.com'
browser.get(url)
import time
time.sleep(2)
# 获取文本框的对象
input = browser.find_element_by_id('kw')
# 在文本框中输入周杰伦
input.send_keys('周杰伦')
time.sleep(2)
# 获取百度一下的按钮
button = browser.find_element_by_id('su')
# 点击按钮
button.click()
time.sleep(2)
# 滑到底部
js_bottom = 'document.documentElement.scrollTop=100000'
browser.execute_script(js_bottom)
time.sleep(2)
# 获取下一页的按钮
next = browser.find_element_by_xpath('//a[@class="n"]')
# 点击下一页
next.click()
time.sleep(2)
# 回到上一页
browser.back()
time.sleep(2)
# 回去
browser.forward()
time.sleep(3)
# 退出
browser.quit()二、phantomjs
1.什么是Phantomjs？
- 是一个无界面的浏览器
- 支持页面元素查找，js的执行等
- 由于不进行css和gui渲染，运行效率要比真实的浏览器要快很多
与
2.如何使用Phantomjs？
- 获取PhantomJS.exe文件路径path
- browser = webdriver.PhantomJS(path)
- browser.get(url) 扩展：保存屏幕快照:browser.save_screenshot('baidu.png')
from selenium import webdriver
path = 'phantomjs.exe'
browser = webdriver.PhantomJS(path)
url = 'https://www.baidu.com'
browser.get(url)
browser.save_screenshot('baidu.png')
import time
time.sleep(2)
input = browser.find_element_by_id('kw')
input.send_keys('昆凌')
time.sleep(3)
browser.save_screenshot('kunling.png')
3.chrome handless（待补充）
- Chrome-headless 模式， Google 针对 Chrome 浏览器 59版 新增加的一种模式，可以让你不打开UI界面的情况下 使用 Chrome 浏览器，所以运行效果与 Chrome 保持完美一致。