python尚硅谷爬虫Selenium
一、Selenium
1、什么是selenium
（1）Selenium是一个用于Web应用程序测试的工具。
（2）Selenium 测试直接运行在浏览器中，就像真正的用户在操作一样。
（3）支持通过各种driver（FirfoxDriver，IternetExplorerDriver，OperaDriver，ChromeDriver）驱动真实浏览器完成测试。
（4）selenium也是支持无界面浏览器操作的。`
2、为什么使用selenium
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、如何安装selenium
操作谷歌浏览器驱动下载地址
https://chromedriver.storage.googleapis.com/index.html
谷歌驱动和谷歌浏览器版本之间的映射表
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
- 基本使用
# 导入selenium
from selenium import webdriver
# 创建浏览器操作对象
path='D:\wendang\爬虫\chromedriver.exe'
browser=webdriver.Chrome(path)
# 访问网址
url='https://www.jd.com'
browser.get(url)
# page_source获取网页源码数据
content=browser.page_source
print(content)
- selenium的元素定位
from selenium import webdriver
path='D:\wendang\爬虫\chromedriver.exe'
browser=webdriver.Chrome(path)
url='https://www.baidu.com'
browser.get(url)
#元素定位
# 根据id找对象
button =browser.find_element_by_id('su')
# print(button)
# 根据标签的属性值来获取对象
button2=browser.find_elements_by_name('input')
# print(button2)
# 根据xpath语句获取对象
button3=browser.find_elements_by_xpath('//input[@id="su"]')
print(button3)
# 根据标签的名字来获取对象
button4=browser.find_element_by_tag_name('input')
# 使用bs4的语法实现获取对象
button5=button4.find_element_by_css_selector('#su')
# 获取连接文本
button6=browser.find_element_by_link_text('直播')
- 访问元素信息
from selenium import webdriver
path='D:\wendang\爬虫\chromedriver.exe'
browser=webdriver.Chrome(path)
url='https://www.baidu.com'
browser.get(url)
# 获取标签的属性
input=browser.find_element_by_id('su')
print(input.get_attribute('class'))
print(input.tag_name)
# 获取文本
a=browser.find_element_by_link_text('新闻')
print(a.text)
- 交互
from selenium import webdriver
path='D:\wendang\爬虫\chromedriver.exe'
browser=webdriver.Chrome(path)
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')
# 文本框中输入蔡徐坤
input.send_keys('蔡徐坤')
time.sleep(2)
# 获取百度一下按钮
button=browser.find_element_by_id('su')
# 点击按钮
button.click()
time.sleep(2)
# 划到底部的滑动
js_botton='document.documentElement.scrollTop=10000'
browser.execute_script(js_botton)
time.sleep(2)
# 获取下一页按钮
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
-
下载方式：PhantomJS 只能从它的官方网站下载，因为 PhantomJS 是一个功能完善的无界面浏览器而并非一个 Python 库，所以 PhantomJS 不像 Python 的其他库一样使用 pip 命令安装。
-
使用方式：下载 PhantomJS 压缩包后解压得到 phantomjs.exe，把 phantomjs.exe 放到 python 当前项目目录下，通过Selenium调用PhantomJS来直接使用。
下载地址
from selenium import webdriver
path = 'phantomjs.exe'
browser = webdriver.PhantomJS(path)
url = 'https://www.baidu.com'
browser.get(url)
# browser.save_screenshot('baidu.jpg')
三、Chrome handless
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。
- 系统要求
-
基本使用配置
from selenium import webdriver from selenium.webdriver.chrome.options import Options chrome_options = Options() chrome_options.add_argument('headless') chrome_options.add_argument('disable‐gpu') # 设置为自己chrome.exe的系统路径 path = r'C:\Program Files\Google\Chrome\Application\chrome.exe' chrome_options.binary_location = path browser = webdriver.Chrome(chrome_options=chrome_options) url='https://www.baidu.com' browser.get(url) # browser.save_screenshot('baidu.png') # 封装 def share_browser(): chrome_options = Options() chrome_options.add_argument('headless') chrome_options.add_argument('disable‐gpu') # 设置为自己chrome.exe的系统路径 path = r'C:\Program Files\Google\Chrome\Application\chrome.exe' chrome_options.binary_location = path browser = webdriver.Chrome(chrome_options=chrome_options) return browser browser=share_browser()如果出现**TypeError: init() got an unexpected keyword argument ‘chrome_options’**报错
是因为你的selenium版本过高，把chrome_options换成options就行了