selenium基本使用、无头浏览器(chrome浏览器)、搜索标签
selenium基本使用
这个模块：既能发请求，又能解析，还能执行js
selenium最初是一个自动化测试工具,而爬虫中使用它主要是为了解决requests无法直接执行
JavaScript代码的问题
- selenium 会做web方向的自动化测试
- appnium 会做 app方向的自动化测试
selenium 可以操作浏览器，模拟人的 行为
使用浏览器
-
下载浏览器驱动（chrome）：
https://registry.npmmirror.com/binary.html?path=chromedriver/https://googlechromelabs.github.io/chrome-for-testing/https://edgedl.me.gvt1.com/edgedl/chrome/chrome-for-testing/119.0.6045.105/win64/chromedriver-win64.zip- 火狐驱动：
https://github.com/mozilla/geckodriver/releases/ - 跟浏览器型号和版本一一对应的
ie，火狐，谷歌：谷歌为例
谷歌浏览器有很多版本：跟版本一一对应
-
将驱动放到python解释器目录下，或者配置环境变量
-
下载模块：
pip install selenium -
写python代码，操作浏览器
import time
from selenium import webdriver
# 跟人操作浏览器一样，打开了谷歌浏览器，拿到浏览器对象
bro=webdriver.Firefox()
# 在地址栏中输入地址
bro.get('https://www.baidu.com')
time.sleep(5)
bro.close()
指令
bro为实例化所得对象
- 在地址栏中输入地址：
bro.get('网址地址') - 关闭浏览器：
bro.close() - 设置等待：
bro.implicitly_wait(10)，从页面中找标签，如果找不到，就等待 - 页面最大化：
bro.maximize_window() - 当前页面html内容：
bro.page_source) - 选择器：
from selenium.webdriver.common.by import By- 找一个：
bro.find_element(by=By.选择器,value='') - 找所有：
bro.find_elements(by=By.选择器,value='')
- 找一个：
- 点击：
找到的标签.click() - 文本框写入：
找到的标签.send_keys()
模拟登录
from selenium import webdriver
from selenium.webdriver.common.by import By
bro = webdriver.Firefox()
bro.get('https://www.baidu.com')
bro.implicitly_wait(10)
bro.maximize_window()
# 找到登录按钮
a_login = bro.find_element(by=By.LINK_TEXT, value='登录')
a_login.click()
# 往输入框中写文字
username = bro.find_element(by=By.ID, value='TANGRAM__PSP_11__userName')
username.send_keys('13437238745')
password = bro.find_element(by=By.ID, value='TANGRAM__PSP_11__password')
password.send_keys('caimina1')
agree = bro.find_element(By.ID, 'TANGRAM__PSP_11__isAgree')
agree.click()
submit = bro.find_element(By.ID, 'TANGRAM__PSP_11__submit')
submit.click()
bro.close()
selenium其它用法
无头浏览器(chrome浏览器)
如果我们做爬虫，我们只是为了获取数据，不需要非有浏览器在显示 ⇢ \dashrightarrow ⇢ 隐藏浏览器图形化界面
import time
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.options import Options
chrome_options = Options()
chrome_options.add_argument('blink-settings=imagesEnabled=false') #不加载图片, 提升速度
chrome_options.add_argument('--headless') #浏览器不提供可视化页面. linux下如果系统不支持可视化不加这条会启动失败
bro = webdriver.Chrome(options=chrome_options)
bro.get('https://www.cnblogs.com/liuqingzheng/p/16005896.html')
print(bro.page_source)
time.sleep(3)
bro.close()
搜索标签
搜索标签
- 根据id号查找标签：
- 根据name属性查找标签：
- 根据标签查找标签：
- 按类名找：
- a标签文字：
- a标签文字，模糊匹配：
- 按css选择器找：
- 按xpath找：
获取标签的属性，文本，大小，位置
- 属性：
bro.get_attribute('src') - 文本：
bro.text - 大小：
tag.size - 位置：
bro.location - id（不是标签id，无需关注）：
tag.id - 标签名：
tag.tag_name
找到页面中所有div
divs=bro.find_elements(By.TAG_NAME,'div')
按类名找
div=bro.find_element(By.CLASS_NAME,'postDesc').text
按css选择器
div=bro.find_element(By.CSS_SELECTOR,'div.postDesc').text
#id为topics下的div下的div中类为postDesc
div=bro.find_element(By.CSS_SELECTOR,'#topics > div > div.postDesc').text