Python中selenium的玩法，小朋友看了都说学会了
2. selenium的作用和工作原理
利用浏览器原生的API，封装成一套更加面向对象的Selenium WebDriver API，直接操作浏览器页面里的元素，甚至操作浏览器本身（截屏，窗口大小，启动，关闭，安装插件，配置证书之类的）
-
webdriver本质是一个web-server，对外提供webapi，其中封装了浏览器的各种功能
-
不同的浏览器使用各自不同的webdriver
3. selenium的安装以及简单使用
我们以谷歌浏览器的chromedriver为例
在python虚拟环境中安装selenium模块
pip/pip3 install selenium
下载版本符合的webdriver
4. selenium的简单使用
接下来我们就通过代码来模拟百度搜索
import time
from selenium import webdriver
通过指定chromedriver的路径来实例化driver对象，chromedriver放在当前目录。
driver = webdriver.Chrome(executable_path=‘./chromedriver’)
chromedriver已经添加环境变量
driver = webdriver.Chrome()
控制浏览器访问url地址
driver.get(“https://www.baidu.com/”)
在百度搜索框中搜索’python’
driver.find_element_by_id(‘kw’).send_keys(‘python’)
点击’百度搜索’
driver.find_element_by_id(‘su’).click()
time.sleep(6)
退出浏览器
driver.quit()
-
webdriver.Chrome(executable_path='./chromedriver')中executable参数指定的是下载好的chromedriver文件的路径 -
driver.find_element_by_id('kw').send_keys('python')定位id属性值是’kw’的标签，并向其中输入字符串’python’ -
driver.find_element_by_id('su').click()定位id属性值是su的标签，并点击 -
click函数作用是：触发标签的js的click事件
selenium提取数据
1. driver对象的常用属性和方法
在使用selenium过程中，实例化driver对象后，driver对象有一些常用的属性和方法
-
driver.page_source当前标签页浏览器渲染之后的网页源代码 -
driver.current_url当前标签页的url -
driver.close()关闭当前标签页，如果只有一个标签页则关闭整个浏览器 -
driver.quit()关闭浏览器 -
driver.forward()页面前进 -
driver.back()页面后退 -
driver.screen_shot(img_name)页面截图
2. driver对象定位标签元素获取标签对象的方法
在selenium中可以通过多种方式来定位标签，返回标签元素对象
find_element_by_id (返回一个元素)
find_element(s)_by_class_name (根据类名获取元素列表)
find_element(s)_by_name (根据标签的name属性值返回包含标签对象元素的列表)
find_element(s)_by_xpath (返回一个包含元素的列表)
find_element(s)_by_link_text (根据连接文本获取元素列表)
find_element(s)_by_partial_link_text (根据链接包含的文本获取元素列表)
find_element(s)_by_tag_name (根据标签名获取元素列表)
find_element(s)_by_css_selector (根据css选择器来获取元素列表)
-
注意：
-
find_element和find_elements的区别：
-
多了个s就返回列表，没有s就返回匹配到的第一个标签对象
-
find_element匹配不到就抛出异常，find_elements匹配不到就返回空列表
-
by_link_text和by_partial_link_tex的区别：全部文本和包含某个文本
-
以上函数的使用方法
-
driver.find_element_by_id('id_str')
3. 标签对象提取文本内容和属性值
find_element仅仅能够获取元素，不能够直接获取其中的数据，如果需要获取数据需要使用以下方法
-
对元素执行点击操作
element.click() -
对定位到的标签对象进行点击操作
-
向输入框输入数据
element.send_keys(data) -
对定位到的标签对象输入数据
-
获取文本
element.text -
通过定位获取的标签对象的
text属性，获取文本内容 -
获取属性值
element.get_attribute("属性名") -
通过定位获取的标签对象的
get_attribute函数，传入属性名，来获取属性的值 -
代码实现，如下：
from selenium import webdriver
driver = webdriver.Chrome()
driver.get(‘http://www.itcast.cn/’)
ret = driver.find_elements_by_tag_name(‘h2’)
print(ret[0].text) #
ret = driver.find_elements_by_link_text(‘黑马程序员’)
print(ret[0].get_attribute(‘href’))
driver.quit()
selenium的其它使用方法
1. selenium标签页的切换
当selenium控制浏览器打开多个标签页时，如何控制浏览器在不同的标签页中进行切换呢？需要我们做以下两步：
-
获取所有标签页的窗口句柄
-
利用窗口句柄字切换到句柄指向的标签页
-
这里的窗口句柄是指：指向标签页对象的标识
-
具体的方法
# 1. 获取当前所有的标签页的句柄构成的列表
current_windows = driver.window_handles
2. 根据标签页句柄列表索引下标进行切换
driver.switch_to.window(current_windows[0])
- 参考代码示例：
import time
from selenium import webdriver
driver = webdriver.Chrome()
driver.get(“https://www.baidu.com/”)
time.sleep(1)
driver.find_element_by_id(‘kw’).send_keys(‘python’)
time.sleep(1)
driver.find_element_by_id(‘su’).click()
time.sleep(1)
通过执行js来新开一个标签页
js = ‘window.open(“https://www.sogou.com”);’
driver.execute_script(js)
time.sleep(1)
1. 获取当前所有的窗口
windows = driver.window_handles
time.sleep(2)
2. 根据窗口索引进行切换
driver.switch_to.window(windows[0])
time.sleep(2)
driver.switch_to.window(windows[1])
time.sleep(6)
driver.quit()
2. switch_to切换frame标签
iframe是html中常用的一种技术，即一个页面中嵌套了另一个网页，selenium默认是访问不了frame中的内容的，对应的解决思路是
driver.switch_to.frame(frame_element)。接下来我们通过qq邮箱模拟登陆来学习这个知识点
- 参考代码：
import time
from selenium import webdriver
driver = webdriver.Chrome()
url = ‘https://mail.qq.com/cgi-bin/loginpage’
driver.get(url)
time.sleep(2)
login_frame = driver.find_element_by_id(‘login_frame’) # 根据id定位 frame元素
driver.switch_to.frame(login_frame) # 转向到该frame中
driver.find_element_by_xpath(‘//*[@id=“u”]’).send_keys(‘[email protected]’)
time.sleep(2)
driver.find_element_by_xpath(‘//*[@id=“p”]’).send_keys(‘hahamimashicuode’)
time.sleep(2)
driver.find_element_by_xpath(‘//*[@id=“login_button”]’).click()
time.sleep(2)
“”“操作frame外边的元素需要切换出去”“”
windows = driver.window_handles
driver.switch_to.window(windows[0])
content = driver.find_element_by_class_name(‘login_pictures_title’).text
print(content)
driver.quit()
-
总结：
-
切换到定位的frame标签嵌套的页面中
-
driver.switch_to.frame(通过find_element_by函数定位的frame、iframe标签对象) -
利用切换标签页的方式切出frame标签
windows = driver.window_handles
driver.switch_to.window(windows[0])
3. selenium对cookie的处理
selenium能够帮助我们处理页面中的cookie，比如获取、删除，接下来我们就学习这部分知识
获取cookie
driver.get_cookies()返回列表，其中包含的是完整的cookie信息！不光有name、value，还有domain等cookie其他维度的信息。所以如果想要把获取的cookie信息和requests模块配合使用的话，需要转换为name、value作为键值对的cookie字典
# 获取当前标签页的全部cookie信息
print(driver.get_cookies())
把cookie转化为字典
cookies_dict = {cookie[‘name’]: cookie[‘value’] for cookie in driver.get_cookies()}
删除cookie
#删除一条cookie
driver.delete_cookie(“CookieName”)
删除所有的cookie
driver.delete_all_cookies()
4. selenium控制浏览器执行js代码
selenium可以让浏览器执行我们规定的js代码，运行下列代码查看运行效果
import time
from selenium import webdriver
driver = webdriver.Chrome()
driver.get(“http://www.itcast.cn/”)
time.sleep(1)
js = ‘window.scrollTo(0,document.body.scrollHeight)’ # js语句
driver.execute_script(js) # 执行js的方法
time.sleep(5)
driver.quit()
- 执行js的方法：
driver.execute_script(js)
5. 页面等待
页面在加载的过程中需要花费时间等待网站服务器的响应，在这个过程中标签元素有可能还没有加载出来，是不可见的，如何处理这种情况呢？
-
页面等待分类
-
强制等待介绍
-
显式等待介绍
-
隐式等待介绍
-
手动实现页面等待
页面等待的分类
首先我们就来了解以下selenium页面等待的分类
-
强制等待
-
隐式等待
-
显式等待
强制等待（了解）
-
其实就是time.sleep()
-
缺点时不智能，设置的时间太短，元素还没有加载出来；设置的时间太长，则会浪费时间
隐式等待
-
隐式等待针对的是元素定位，隐式等待设置了一个时间，在一段时间内判断元素是否定位成功，如果完成了，就进行下一步
-
在设置的时间内没有定位成功，则会报超时加载
-
示例代码
from selenium import webdriver
driver = webdriver.Chrome()
driver.implicitly_wait(10) # 隐式等待，最长等20秒
driver.get(‘https://www.baidu.com’)
driver.find_element_by_xpath()
显式等待（了解）
-
每经过多少秒就查看一次等待条件是否达成，如果达成就停止等待，继续执行后续代码
-
如果没有达成就继续等待直到超过规定的时间后，报超时异常
-
示例代码
from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
driver = webdriver.Chrome()
driver.get(‘https://www.baidu.com’)
显式等待
WebDriverWait(driver, 20, 0.5).until(
EC.presence_of_element_located((By.LINK_TEXT, ‘好123’)))
参数20表示最长等待20秒
参数0.5表示0.5秒检查一次规定的标签是否存在
EC.presence_of_element_located((By.LINK_TEXT, ‘好123’)) 表示通过链接文本内容定位标签
每0.5秒一次检查，通过链接文本内容定位标签是否存在，如果存在就向下继续执行；如果不存在，直到20秒上限就抛出异常
print(driver.find_element_by_link_text(‘好123’).get_attribute(‘href’))
driver.quit()
手动实现页面等待
在了解了隐式等待和显式等待以及强制等待后，我们发现并没有一种通用的方法来解决页面等待的问题，比如“页面需要滑动才能触发ajax异步加载”的场景，那么接下来我们就以淘宝网首页为例，手动实现页面等待
-
原理：
-
利用强制等待和显式等待的思路来手动实现
-
不停的判断或有次数限制的判断某一个标签对象是否加载完毕（是否存在）
-
实现代码如下：
import time
from selenium import webdriver
driver = webdriver.Chrome(‘/home/worker/Desktop/driver/chromedriver’)
driver.get(‘https://www.taobao.com/’)
time.sleep(1)
i = 0
while True:
for i in range(10):
i += 1
try:
time.sleep(3)
element = driver.find_element_by_xpath(‘//div[@class=“shop-inner”]/h3[1]/a’)
print(element.get_attribute(‘href’))
break
except:
js = ‘window.scrollTo(0, {})’.format(i*500) # js语句
driver.execute_script(js) # 执行js的方法
driver.quit()
6. selenium开启无界面模式
绝大多数服务器是没有界面的，selenium控制谷歌浏览器也是存在无界面模式的，这一小节我们就来学习如何开启无界面模式（又称之为无头模式）
-
开启无界面模式的方法
-
实例化配置对象
-
options = webdriver.ChromeOptions() -
配置对象添加开启无界面模式的命令
-
options.add_argument("--headless") -
配置对象添加禁用gpu的命令
-
options.add_argument("--disable-gpu") -
实例化带有配置对象的driver对象
-
driver = webdriver.Chrome(chrome_options=options) -
注意：macos中chrome浏览器59+版本，Linux中57+版本才能使用无界面模式！
-
参考代码如下：
from selenium import webdriver
options = webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument(“–headless”) # 开启无界面模式
options.add_argument(“–disable-gpu”) # 禁用gpu
options.set_headles() # 无界面模式的另外一种开启方式
driver = webdriver.Chrome(chrome_options=options) # 实例化带有配置的driver对象
driver.get(‘http://www.itcast.cn’)
print(driver.title)
driver.quit()
7. selenium使用代理ip
selenium控制浏览器也是可以使用代理ip的！
-
使用代理ip的方法
-
实例化配置对象
-
options = webdriver.ChromeOptions() -
配置对象添加使用代理ip的命令
-
options.add_argument('--proxy-server=http://202.20.16.82:9527') -
实例化带有配置对象的driver对象
-
driver = webdriver.Chrome('./chromedriver', chrome_options=options) -
参考代码如下：
from selenium import webdriver
options = webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument(‘–proxy-server=http://202.20.16.82:9527’) # 使用代理ip
driver = webdriver.Chrome(chrome_options=options) # 实例化带有配置的driver对象
driver.get(‘http://www.itcast.cn’)
print(driver.title)
driver.quit()
8. selenium替换user-agent
selenium控制谷歌浏览器时，User-Agent默认是谷歌浏览器的，这一小节我们就来学习使用不同的User-Agent
-
替换user-agent的方法
-
实例化配置对象
-
options = webdriver.ChromeOptions() -
配置对象添加替换UA的命令