广东网站建设人员,网站制作哪些公司好,永久免费跨境浏览app,钥匙借用微信小程序免费制作平台一、selenium的介绍
知识点#xff1a;
了解 selenium的工作原理了解 selenium以及chromedriver的安装掌握 标签对象click点击以及send_keys输入 1. selenium运行效果展示 Selenium是一个Web的自动化测试工具#xff0c;最初是为网站自动化测试而开发的#xff0c;Seleniu…一、selenium的介绍
知识点
了解 selenium的工作原理了解 selenium以及chromedriver的安装掌握 标签对象click点击以及send_keys输入 1. selenium运行效果展示 Selenium是一个Web的自动化测试工具最初是为网站自动化测试而开发的Selenium 可以直接调用浏览器它支持所有主流的浏览器包括PhantomJS这些无界面的浏览器可以接收指令让浏览器自动加载页面获取需要的数据甚至页面截屏等。我们可以使用selenium很容易完成之前编写的爬虫接下来我们就来看一下selenium的运行效果 1.1 chrome浏览器的运行效果 在下载好chromedriver以及安装好selenium模块后执行下列代码并观察运行的过程 from selenium import webdriver # 如果driver没有添加到了环境变量则需要将driver的绝对路径赋值给executable_path参数
# driver webdriver.Chrome(executable_path/home/worker/Desktop/driver/chromedriver)# 如果driver添加了环境变量则不需要设置executable_path
driver webdriver.Chrome()# 向一个url发起请求
driver.get(http://www.itcast.cn/)# 把网页保存为图片69版本以上的谷歌浏览器将无法使用截图功能
# driver.save_screenshot(itcast.png)print(driver.title) # 打印页面的标题# 退出模拟浏览器
driver.quit() # 一定要退出不退出会有残留进程1.2 phantomjs无界面浏览器的运行效果 PhantomJS 是一个基于Webkit的“无界面”(headless)浏览器它会把网站加载到内存并执行页面上的 JavaScript。下载地址http://phantomjs.org/download.html from selenium import webdriver # 指定driver的绝对路径
driver webdriver.PhantomJS(executable_path/home/worker/Desktop/driver/phantomjs)
# driver webdriver.Chrome(executable_path/home/worker/Desktop/driver/chromedriver)# 向一个url发起请求
driver.get(http://www.itcast.cn/)# 把网页保存为图片
driver.save_screenshot(itcast.png)# 退出模拟浏览器
driver.quit() # 一定要退出不退出会有残留进程1.3 观察运行效果
python代码能够自动的调用谷歌浏览或phantomjs无界面浏览器控制其自动访问网站
1.4 无头浏览器与有头浏览器的使用场景
通常在开发过程中我们需要查看运行过程中的各种情况所以通常使用有头浏览器在项目完成进行部署的时候通常平台采用的系统都是服务器版的操作系统服务器版的操作系统必须使用无头浏览器才能正常运行
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 知识点了解 selenium的工作原理 3. selenium的安装以及简单使用 我们以谷歌浏览器的chromedriver为例 3.1 在python虚拟环境中安装selenium模块
pip/pip3 install selenium
3.2 下载版本符合的webdriver 以chrome谷歌浏览器为例 查看谷歌浏览器的版本 访问https://npm.taobao.org/mirrors/chromedriver点击进入不同版本的chromedriver下载页面 点击notes.txt进入版本说明页面 查看chrome和chromedriver匹配的版本 根据操作系统下载正确版本的chromedriver 解压压缩包后获取python代码可以调用的谷歌浏览器的webdriver可执行文件 windows为chromedriver.exe linux和macos为chromedriver chromedriver环境的配置 windows环境下需要将 chromedriver.exe 所在的目录设置为path环境变量中的路径linux/mac环境下将 chromedriver 所在的目录设置到系统的PATH环境值中 知识点了解 selenium以及chromedriver的安装 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 知识点掌握 标签对象click点击以及send_keys输入 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 知识点掌握 标签对象click点击以及send_keys输入 二、selenium提取数据
知识点
了解 driver对象的常用属性和方法掌握 driver对象定位标签元素获取标签对象的方法掌握 标签对象提取文本和属性值的方法 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urldriver.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 知识点了解 driver对象的常用属性和方法 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) 代码演示
from selenium import webdriverurl http://www.baidu.comdriver webdriver.Chrome()driver.get(url)# 通过xpath进行元素定位
# driver.find_element_by_xpath(//*[idkw]).send_keys(python3)# 通过css选择器进行元素定位
# driver.find_element_by_css_selector(#kw).send_keys(python3)# 通过name属性值进行元素定位
# driver.find_element_by_name(wd).send_keys(python3)# 通过class属性值进行元素定位
# driver.find_element_by_class_name(s_ipt).send_keys(python3)# 通过链接文本进行元素定位
# driver.find_element_by_link_text(贴吧).click()
# driver.find_element_by_partial_link_text(贴).click()# 目标元素在当前HTML中是唯一标签的时候或者是众多定位出来的标签中的第一个的时候才能使用
print(driver.find_element_by_tag_name(title))# driver.find_element_by_id(su).click()知识点掌握 driver对象定位标签元素获取标签对象的方法 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 webdriverdriver 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()知识点掌握 元素对象的操作方法 三、selenium的其它使用方法
知识点
掌握 selenium控制标签页的切换掌握 selenium控制iframe的切换掌握 利用selenium获取cookie的方法掌握 手动实现页面等待掌握 selenium控制浏览器执行js代码的方法掌握 selenium开启无界面模式了解 selenium使用代理ip了解 selenium替换user-agent 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关于句柄请课后了解更多本小节不做展开 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])myCode 代码演示
from selenium import webdriverurl https://sz.58.com/driver webdriver.Chrome()driver.get(url)print(driver.current_url)
print(driver.window_handles)# 定位并且点击租房按钮
el driver.find_element_by_xpath(/html/body/div[3]/div[1]/div[1]/div/div[1]/div[1]/span[1]/a)el.click()
print(_________________________)
print(driver.current_url)
print(driver.window_handles)# 将控制权转移到新打开的标签页中
driver.switch_to.window(driver.window_handles[-1])el_list driver.find_elements_by_xpath(/html/body/div[7]/div[2]/ul/li/div[2]/h2/a)print(len(el_list))
for el in el_list:print(el.text,el.get_attribute(href)) 参考代码示例 import time
from selenium import webdriverdriver 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_handlestime.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()知识点掌握 selenium控制标签页的切换 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 webdriverdriver 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(//*[idu]).send_keys(1596930226qq.com)
time.sleep(2)driver.find_element_by_xpath(//*[idp]).send_keys(hahamimashicuode)
time.sleep(2)driver.find_element_by_xpath(//*[idlogin_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()myCode
from selenium import webdriverurl https://qzone.qq.com/driver webdriver.Chrome()driver.get(url)el_frame driver.find_element_by_xpath(//*[idlogin_frame])
# driver.switch_to.frame(login_frame)
driver.switch_to.frame(el_frame)
driver.find_element_by_id(switcher_plogin).click()driver.find_element_by_id(u).send_keys(你的账号)
driver.find_element_by_id(p).send_keys(你的密码)
driver.find_element_by_id(login_button).click()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])知识点掌握 selenium控制frame标签的切换 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 3.1 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()}3.2 删除cookie
#删除一条cookie
driver.delete_cookie(CookieName)# 删除所有的cookie
driver.delete_all_cookies()from selenium import webdriverurl http://www.baidu.comdriver webdriver.Chrome()driver.get(url)print(driver.get_cookies())
print(——————————————————————————————————————)
# cookies {}
# for data in driver.get_cookies():
# cookies[data[name]] data[value]cookies {data[name]:data[value]for data in driver.get_cookies()}print(cookies)知识点掌握 利用selenium获取cookie的方法 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 webdriverdriver 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) 知识点掌握 selenium控制浏览器执行js代码的方法 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
5.1 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
5.2 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
5.3 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 webdriverdriver 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()
5.4 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() 5.5 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 1try:time.sleep(3)element driver.find_element_by_xpath(//div[classshop-inner]/h3[1]/a)print(element.get_attribute(href))breakexcept:js window.scrollTo(0, {}).format(i*500) # js语句driver.execute_script(js) # 执行js的方法
driver.quit()知识点掌握 手动实现页面等待 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_optionsoptions) 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 webdriveroptions 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_optionsoptions) # 实例化带有配置的driver对象driver.get(http://www.itcast.cn)
print(driver.title)
driver.quit()知识点掌握 selenium开启无界面模式 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-serverhttp://202.20.16.82:9527) 实例化带有配置对象的driver对象 driver webdriver.Chrome(./chromedriver, chrome_optionsoptions) 参考代码如下 from selenium import webdriveroptions webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument(--proxy-serverhttp://202.20.16.82:9527) # 使用代理ipdriver webdriver.Chrome(chrome_optionsoptions) # 实例化带有配置的driver对象driver.get(http://www.itcast.cn)
print(driver.title)
driver.quit()知识点了解 selenium使用代理ip 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 options.add_argument(--user-agentMozilla/5.0 HAHA) 实例化带有配置对象的driver对象 driver webdriver.Chrome(./chromedriver, chrome_optionsoptions) 参考代码如下 from selenium import webdriveroptions webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument(--user-agentMozilla/5.0 HAHA) # 替换User-Agentdriver webdriver.Chrome(./chromedriver, chrome_optionsoptions)driver.get(http://www.itcast.cn)
print(driver.title)
driver.quit()知识点了解 selenium替换user-agent from selenium import webdriverurl http://www.baidu.com# 创建配置对象
opt webdriver.ChromeOptions()# 添加配置参数
# 设置浏览器为无头模式
# opt.add_argument(--headless)
# opt.add_argument(--disable-gpu)
# 更换IP代理必须重新启动浏览器
opt.add_argument(--proxy-serverhttp://163.125.16.198:8888)# 更换User-agent
opt.add_argument(--User-agentMozilla/5.0 python37)# 创建浏览器对象的时候添加配置对象
driver webdriver.Chrome(optionsopt)driver.get(url)# driver.save_screenshot(baidu_d.png)
综合案例爬取斗鱼直播间数据 from selenium import webdriver
import timeclass Douyu(object):def __init__(self):self.url https://www.douyu.com/directory/allself.driver webdriver.Chrome()def parse_data(self):time.sleep(5)room_list self.driver.find_elements_by_xpath(//*[idlistAll]/section[2]/div[2]/ul/li/div)print(len(room_list))data_list []# 遍历房间列表从每一个房间节点中获取数据for room in room_list:temp{}temp[title] room.find_element_by_xpath(./a[1]/div[2]/div[1]/h3).texttemp[type] room.find_element_by_xpath(./a[1]/div[2]/div[1]/span).texttemp[owner] room.find_element_by_xpath(./a[1]/div[2]/div[2]/h2).texttemp[num] room.find_element_by_xpath(./a[1]/div[2]/div[2]/span).texttemp[pic] room.find_element_by_xpath(./a[1]/div[1]/div[1]/img).get_attribute(src)# print(temp)data_list.append(temp)return data_listdef save_data(self,data_list):for data in data_list:print(data)def run(self):# url# driver# getself.driver.get(self.url)while True:# parsedata_list self.parse_data()# saveself.save_data(data_list)# nexttry:el_next self.driver.find_element_by_xpath(//*[contains(text(),下一页)])self.driver.execute_script(scrollTo(0,10000))el_next.click()except:breakif __name__ __main__:douyu Douyu()douyu.run()
