利用Selenium 可以驅(qū)動(dòng)瀏覽器執(zhí)行特定的動(dòng)作，如點(diǎn)擊、下拉等操作， 同時(shí)還可以獲取瀏覽器當(dāng)前呈現(xiàn)的頁(yè)面的源代碼 ，做到可見即可爬。

基本使用

• 示例： from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.common.keys import Keys from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait browser = webdriver.Chrome() try:browser.get('https://www.baidu.com')input = browser.find_element_by_id('kw')input.send_keys('Python')input.send_keys(Keys.ENTER)wait = WebDriverWait(browser,10)wait.until(EC.presence_of_element_located((By.ID,'content_left')))print(browser.current_url)print(browser.get_cookies())print(browser.page_source) finally:browser.close()

  運(yùn)行代碼后，會(huì)自動(dòng)彈出一個(gè) Chrome 瀏覽器。首先會(huì)跳轉(zhuǎn)到百度，然后在搜索框中輸入 Python，接著跳轉(zhuǎn)到搜索頁(yè)。??搜索結(jié)果加載出來(lái)后，控制臺(tái)分別會(huì)輸出當(dāng)前的 URL 、當(dāng)前的 Cookies 和網(wǎng)頁(yè)源代碼.
  

• 如果用 Selenium 來(lái)驅(qū)動(dòng)瀏覽器加載網(wǎng)頁(yè)的話，就可以直接拿到 JavaScript 渲染的結(jié)果，不用擔(dān)心使用的是什么加密系統(tǒng)。聲明瀏覽器對(duì)象　　

聲明瀏覽器對(duì)象

• Selenium 支持非常多瀏覽器，如 Chrome/ Firefox/ Edge等，還有 Android 等手機(jī)端的瀏覽器，也支持無(wú)界面瀏覽器 PhantomJS。
  
  • 初始化方式： from selenium import webdriver browser = webdriver.Chrome() browser = webdriver.Firefox() browser = webdriver.Edge() browser = webdriver.PhantomJS() browser = webdriver.Safari()

    瀏覽器對(duì)象的初始化并將其賦值為 browser對(duì)象。接下來(lái)，就是調(diào)用 browser 對(duì)象，讓其執(zhí)行各個(gè)動(dòng)作以模擬瀏覽器操作

訪問(wèn)頁(yè)面

• 用 get（）方法來(lái)請(qǐng)求網(wǎng)頁(yè)，參數(shù)傳入鏈接 URL 即可。如用 get（）方法訪問(wèn)淘寶， 然后輸出源代碼，代碼： from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.taobao.com/') print(browser.page_source)

  彈出了 Chrome 瀏覽器并且自動(dòng)訪問(wèn)了淘寶，然后控制臺(tái)輸出了淘寶頁(yè)面的源代碼， 隨后瀏覽器關(guān)閉。可以實(shí)現(xiàn)瀏覽器的驅(qū)動(dòng)并獲取網(wǎng)頁(yè)源碼

查找節(jié)點(diǎn)

• Selenium 可以驅(qū)動(dòng)瀏覽器完成各種操作，如填充表單、模擬點(diǎn)擊等。Selenium 提供了系列查找節(jié)點(diǎn)的方法，我們可以用這些方法來(lái)獲取想要的節(jié)點(diǎn)，以便執(zhí)行一些動(dòng)作或者提取信息。

單個(gè)節(jié)點(diǎn)

• 如，要從淘寶頁(yè)面中提取搜索框這個(gè)節(jié)點(diǎn)，觀察源代碼（它的 id 是 q, name 也是q。此時(shí)就可以用多種方式獲取它。如，find_element_by_name（）是根據(jù) name 值獲取，find element_by_id（）是根據(jù) id 獲取。 還有根據(jù) XPath、css 選擇器等獲取的方式）： from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.taobao.com') input_first = browser.find_element_by_id('q') input_second = browser.find_element_by_xpath('//*[@id ="q"]') input_third = browser.find_element_by_css_selector('#q') print(input_first, input_second, input_third) browser.close()

  這里使用 3 種方式獲取輸入框，分別根據(jù) ID, CSS 選擇器和 XPath 獲取，它們返回的結(jié)果完全一致。

• 列出所有獲取單個(gè)節(jié)點(diǎn)的方法：
  
  • find_element_by_id
  • find_element_by_name
  • find_element_by_xpath
  • find_element_by_link_text
  • find_element_by_partial_link_text
  • find_element_by_tag_name
  • find_element_by_class_name
  • find_element_by_css_selector
• Selenium 提供了通用方法 find_element (），需要傳入兩個(gè)參數(shù)：查找方式 By 和值。就是 find_element_by_id（）這種方法的通用函數(shù)版本，如 find_element_by_id(id ）等價(jià) find_element(By.ID, id），得到的結(jié)果完全一致。代碼： from selenium import webdriver from selenium.webdriver.common.by import Bybrowser = webdriver.Chrome() browser.get('https://www.taobao.com') input_first = browser.find_element(By.ID, 'q') print(input_first) browser.close()

  查找方式的功能與上面列舉函數(shù)一致，參數(shù)更加靈活。

多個(gè)節(jié)點(diǎn)

• 如果有多個(gè)節(jié)點(diǎn)，用 find_element（）方法查找，就只能得到第一個(gè)節(jié)點(diǎn)。如果要查找所有滿足條件的節(jié)點(diǎn)， 需要用 find_elements（）方法。注意，這個(gè)方法名稱中，element 多了一個(gè)s　
  • 查找淘寶側(cè)邊導(dǎo)航條的所有條目： from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.taobao.com') lis = browser.find_elements_by_css_selector('.service-bd li') print(lis) browser.close()

    得到的內(nèi)容變成了列表類型，列表中的每個(gè)節(jié)點(diǎn)都是 WebElement 類型。

    如果用 find_element（）方法，只能獲取匹配的第一個(gè)節(jié)點(diǎn)，結(jié)果是 WebElement類型。如果用 find_elements（）方法，結(jié)果是列表類型，列表中的每個(gè)節(jié)點(diǎn)是 WebElement 類型。
    • 列出所有獲取多個(gè)節(jié)點(diǎn)的方法：
    • find_elements_by_id
    • find_elements_by_name
    • find_elements_by_xpath
    • find_elements_by_link_text
    • find_elements_by_tag_name
    • find_elements_by_class_name
    • find_elements_by_css_selector
    也可以直接用 find_elements（）方法來(lái)選擇，可以這樣寫，結(jié)果是完全一致的：
    • ?lis = browser.find_elements(By.CSS_SELECTOR, ’.service-bd li')　　

節(jié)點(diǎn)互交

• Selenium 可以讓瀏覽器模擬執(zhí)行一些動(dòng)作。常見的用法有：輸入文字時(shí)用 send_keys（）方法，清空文字時(shí)用 clear（）方法，點(diǎn)擊按鈕時(shí)用 click（）方法。示例： from selenium import webdriver import time browser = webdriver.Chrome() browser.get('https://www.taobao.com') input = browser.find_element_by_id('q') input.send_keys('iPhone') time.sleep(1) input.clear() input.send_keys('iPad') button = browser.find_element_by_class_name('btn-search') button.click()

  首先驅(qū)動(dòng)瀏覽器打開淘寶，用 find_element_by_id（）方法獲取輸入框，再用 send_keys() 方法輸入 iPhone 文字，等待秒后用 clear（）方法清空輸入框，再次調(diào)用 send_keys（）方法輸入 iPad 文字，之后再 find_element_by_class_name（）方法獲取搜索按鈕，最后調(diào)用 click （）方法完成搜索動(dòng)作。

• 更多的操作參見官方文檔交互動(dòng)作介紹：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.remote.webelement。

動(dòng)作鏈

• 動(dòng)作鏈?沒有特定的執(zhí)行對(duì)象，如：鼠標(biāo)拖曳、鍵盤按鍵等。
• 如：現(xiàn)在實(shí)現(xiàn)一個(gè)節(jié)點(diǎn)的拖曳操作，將某個(gè)節(jié)點(diǎn)從一處拖曳到另外一處，實(shí)現(xiàn)代碼： from selenium import webdriver from selenium.webdriver import ActionChainsbrowser = webdriver.Chrome() url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable' browser.get(url) browser.switch_to.frame('iframeResult') source = browser.find_element_by_css_selector('#draggable') target = browser.find_element_by_css_selector('#droppable') actions = ActionChains(browser) actions.drag_and_drop(source.target) actions.perform

  打開網(wǎng)頁(yè)中一個(gè)拖曳實(shí)例，依次選中要拖曳的節(jié)點(diǎn)和拖曳到的目標(biāo)節(jié)點(diǎn)，接著聲明 ActionChains 對(duì)象并將其賦值為 actions 變量，然后調(diào)用 actions 變量的 drag_and_drop（）方法，再調(diào) perform（）方法執(zhí)行動(dòng)作。

• 更多動(dòng)作鏈操作 官方文檔：http://selenium-python.readthedocs.io/api.html#moduleselenium.webdriver.common.action_chains

執(zhí)行JavaScript

• 某些操作，Selenium API 并沒有提供。如，下拉進(jìn)度條，它可以直接模擬運(yùn)行 JavaScript，此時(shí)使用 execute_script（）方法即可實(shí)現(xiàn)，（注意：execute_script）： from selenium import webdriverbrowser = webdriver.Chrome() browser.get('https://www.zhihu.com/explore') browser.execute_script('window.scrollTo(0,document.body.scrollHeight)') browser.execute_script('alert("To Bottom")')

獲取節(jié)點(diǎn)信息

• 通過(guò) page_source 屬性可以獲取網(wǎng)頁(yè)的源代碼，接著使用解析庫(kù)（如正則表式、Beautiful Soup、pyquery 等）提取信息。?
• 獲取屬性
  • 可以使用 get_attribute （）方法來(lái)獲取節(jié)點(diǎn)的屬性，但是其前提是先選中這個(gè)節(jié)點(diǎn)，示例： from selenium import webdriver browser = webdriver.Chrome() url = 'https://zhihu.com/explore' browser.get(url) logo = browser.find_element_by_id('zh-top-link-logo') print(logo) print(logo.get_attribute('class'))

    結(jié)果獲取知乎的 logo 節(jié)點(diǎn)，最后打印出它的 class。

    通過(guò) get_attribute（）方法，然后傳人想要獲取的屬性名，就可以得到它的值了
• 獲取文本值
  • 每個(gè) WebElement 節(jié)點(diǎn)都有 text 屬性，直接調(diào)用這個(gè)屬性就可以得到節(jié)點(diǎn)內(nèi)部的文本信息，相當(dāng)于 Beautiful Soup 的 get_text（）方法、 pyquery 的 text（）方法。示例： from selenium import webdriver browser = webdriver.Chrome() url = 'https://www.zhihu.com/explore' browser.get(url) input = browser.find_element_by_class_name('zu-top-add-question') print(input.text)
• 獲取id、位置、標(biāo)簽名和大小
  • Web Element 節(jié)點(diǎn)還有 些其他屬性，如 id 屬性可以獲取節(jié)點(diǎn) id，location 屬性可以獲取該節(jié)點(diǎn)在頁(yè)面中的相對(duì)位置，tag_name 屬性可以獲取標(biāo)簽名稱，size 屬性可以獲取節(jié)點(diǎn)的大小（寬高），示例： from selenium import webdriver browser =webdriver.Chrome() url = 'https://www.zhihu.com/explore' browser.get(url) input = browser.find_element_by_class_name('zu-top-add-question') print(input.text) print(input.id) print(input.location) print(input.size) print(input.tag_name)

    首先獲得“提問(wèn)”按鈕節(jié)點(diǎn)，再調(diào)用其 id、location、tag_name、size 屬性來(lái)獲取對(duì)應(yīng)的屬性值

切換Frame

• 網(wǎng)頁(yè)中有種節(jié)點(diǎn)叫作 iframe，也就是子 Frame，相當(dāng)于頁(yè)面的子頁(yè)面，它的結(jié)構(gòu)和外部網(wǎng)頁(yè)的結(jié)構(gòu)完全一致。Selenium 打開頁(yè)面后，默認(rèn)在父級(jí) Frame 里面操作，而此時(shí)如果頁(yè)面中還有子Frame，是不能獲取到子 Frame 里面的節(jié)點(diǎn)的。這時(shí)就需要使用 switch_to.frame（）方法來(lái)切換Frame。示例：

  import time from selenium import webdriver from selenium.common.exceptions import NoSuchElementException browser = webdriver.Chrome() url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable' browser.get(url) browser.switch_to.frame('iframeResult') try:logo = browser.find_element_by_class_name('logo') except NoSuchElementException:print('NO LOGO') browser.switch_to.parent_frame() logo = browser.find_element_by_class_name('logo') print(logo) print(logo.text)

  以前面動(dòng)作鏈操作的網(wǎng)頁(yè)例，首先通過(guò) switch_to.frame（）方法切換到子 Frame 里，再嘗試獲取父級(jí) Frame 里的 logo 節(jié)點(diǎn)（這是不能找到的），如果找不到的話，就會(huì)拋出 NoSuchEle entException 異常，異常被捕捉之后，就會(huì)輸出 NO LOGO。接下來(lái)，重新切換父級(jí) Frame, 然后再次重新獲取節(jié)點(diǎn)，發(fā)現(xiàn)此時(shí)可以成功獲取了。?

  當(dāng)頁(yè)面中包含子 Frame 時(shí)，如果想獲取子 Frame 中的節(jié)點(diǎn)，需要先調(diào)用 switch_to.frame() 方法切換到對(duì)應(yīng)的 Frame，再進(jìn)行操作。　　

延時(shí)等待

• Selenium 中， get（）方法會(huì)在網(wǎng)頁(yè)框架加載結(jié)束后結(jié)束執(zhí)行，此時(shí)如果獲取 page_source ，可能并不是瀏覽器完全加載完成的頁(yè)面，某些頁(yè)面有額外的 Ajax 請(qǐng)求，在網(wǎng)頁(yè)驚代碼中也不一定能成功獲取到。所以，這里需要延時(shí)等待一定時(shí)間，確保節(jié)點(diǎn)已經(jīng)加載出來(lái)。
  • 延時(shí)等待方式有兩種：隱式等待和顯式等待
• 隱式等待
  • 使用隱式等待執(zhí)行測(cè)試的時(shí)候，如果 Selenium 沒有在 DOM 中找到節(jié)點(diǎn)，將繼續(xù)等待，超出設(shè)定時(shí)間后(默認(rèn)時(shí)間為 0 )，則拋出找不到節(jié)點(diǎn)的異常。示例： from selenium import webdriver browser = webdriver.Chrome() browser.implicitly_wait(10) browser.get('https://www.zhihu.com/explore') input = browser.find_element_by_class_name('zu-top-add-question') print(input)

    用 implicitly_wait（）方法實(shí)現(xiàn)隱式等待。

• 顯式等待
  • 指定要查找的節(jié)點(diǎn)，然后指定一個(gè)最長(zhǎng)等待時(shí)間。如果在規(guī)定時(shí)間內(nèi)加載出來(lái)了這個(gè)節(jié)點(diǎn)，就返回查找的節(jié)點(diǎn)；如果到了規(guī)定時(shí)間依然沒有加載出該節(jié)點(diǎn)， 則拋出超時(shí)異常。示例： from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as ECbrowser = webdriver.Chrome() browser.get('https://www.taobao.com/') wait = WebDriverWait(browser,10) input = wait.until(EC.presence_of_element_located((By.ID, 'q'))) button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '.btn-search'))) print(input, button)

    首先引人 WebDriverWait 對(duì)象，指定最長(zhǎng)等待時(shí)間，調(diào)用 until（）方法，傳人要等待條件 expected_conditions。如：傳入 presence_of_element_located 條件，代表節(jié)點(diǎn)出出現(xiàn)意思，參數(shù)是節(jié)點(diǎn)的定位元組，也就是 ID 為 q 的節(jié)點(diǎn)搜索框。

    效果：在 10 秒內(nèi)如果 ID 為 q的節(jié)點(diǎn)（搜索框）成功加載出來(lái)，就返回該節(jié)點(diǎn)；如果超過(guò) 10 秒還沒有加載出來(lái)，就拋出異常。
    • 對(duì)于按鈕，更改一下等待條件，如改為 element_to_be_clickable，也就是可點(diǎn)擊，所以找按鈕時(shí)查找 CSS 選擇器為 .btn_search 的按鈕，如果 10 秒內(nèi)它是可點(diǎn)擊的，也就是成功加載，返回這個(gè)按鈕節(jié)點(diǎn)；如果超過(guò) 10 秒還不可點(diǎn)擊，就拋出異常.
      • 等待條件，如判斷標(biāo)題內(nèi)容，判斷某個(gè)節(jié)點(diǎn)內(nèi)是否出現(xiàn)了某文字。等待條件：
      • title_is：標(biāo)題是某內(nèi)容
      • title_contains： 標(biāo)題包含某內(nèi)容
      • presence_of_element_located：節(jié)點(diǎn)加載出來(lái)，傳入定位元組，如（By.ID，‘q’）
      • visibility_of_element_located：節(jié)點(diǎn)課件，傳入定位元組
      • visibility_of：可見，傳入節(jié)點(diǎn)對(duì)象
      • presence_of_all_elements_ilocated：所有節(jié)點(diǎn)加載出來(lái)
      • text_to_be_present_in_element：某個(gè)節(jié)點(diǎn)文本包含某文字
      • text_to_be_present_in_element_value：某個(gè)節(jié)點(diǎn)值包含某文字
      • frame_to_be_available_and_switch_to_it：加載并切換
      • invisibility_of_element_located：節(jié)點(diǎn)不可見
      • element_to_be_clickable：節(jié)點(diǎn)可點(diǎn)擊
      • staleness_of：判斷一個(gè)節(jié)點(diǎn)是否仍在DOM，可判斷頁(yè)面是否已經(jīng)刷新
      • element_to_be_selected：節(jié)點(diǎn)可選擇，傳節(jié)點(diǎn)對(duì)象
      • element_located_to_be_selected：節(jié)點(diǎn)可選擇，傳入定位元組
      • element_election_state_to_be：傳入節(jié)點(diǎn)對(duì)象以及狀態(tài)，相等返回True，否則返回False
      • element_located_selection_state_to_be：傳入定位元組。以及狀態(tài)，相等返回True，否則返回False
      • alert_is_present：是否出現(xiàn)警告
    • 更多等待條件的參數(shù)及用法，參考官方文檔： http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.expected_conditions。

前進(jìn)和后退

• Selenium 可以完成前進(jìn)和后退操作，它使用 back（）方法后退，使用 forward（）方法前進(jìn)。示例： import time from selenium import webdriverbrowser = webdriver.Chrome() browser.get('https://www.baidu.com/') browser.get('https://www.taobao.com/') browser.get('https://www.python.org/') browser.back() time.sleep(1) browser.forward() browser.close()

  連續(xù)訪問(wèn)3個(gè)頁(yè)面，調(diào)用 back（）方法回到第二個(gè)頁(yè)面，再調(diào)用 forward（）方法前進(jìn)到第 3個(gè)頁(yè)面。

Cookies

• Selenium 可以方便地對(duì) Cookies 進(jìn)行 獲取、添加、刪除等。示例： from selenium import webdriverbrowser = webdriver.Chrome() browser.get('https://www.zhihu.com/explore') print(browser.get_cookies()) browser.add_cookie({'name': 'name', 'domain': 'www.zhihu.com', 'value': 'germey'}) print(browser.get_cookies()) browser.delete_all_cookies() print(browser.get_cookies())
  

  訪問(wèn)知乎，加載完成后，瀏覽器已經(jīng)生成 Cookies。調(diào)用 get_cookies() 方法獲取所有的 Cookies。然后，添加一個(gè) Cookie，傳入一個(gè)字典，有name、domain、value內(nèi)容。再次獲取所有 Cookies。結(jié)果就多了新加的 Cookie。調(diào)用 delete_all_cookies（）方法刪除所有 Cookies。再重新獲取，結(jié)果就為空了。

選項(xiàng)卡管理

• 訪問(wèn)網(wǎng)頁(yè)時(shí)候，會(huì)開啟一個(gè)個(gè)選項(xiàng)卡。Selenium 中，也可以對(duì)選項(xiàng)卡進(jìn)行操作。示例： import time from selenium import webdriverbrowser = webdriver.Chrome() browser.get('https://www.baidu.com') browser.execute_script('window.open()') print(browser.window_handles) browser.switch_to_window(browser.window_handles[1]) browser.get('https://www.taobap.com') time.sleep(1) browser.switch_to_window(browser.window_handles[0]) browser.get('https://python.org')

  首先訪問(wèn)百度，然后調(diào)用 execute_script（）方法，傳入 window.open（）這個(gè) JavaScript 語(yǔ)句新開啟一個(gè)選項(xiàng)卡。接下來(lái)，想切換到該選項(xiàng)卡，調(diào)用 window_handles 屬性獲取當(dāng)前開啟的所有選項(xiàng)卡，返回的是選項(xiàng)卡的代號(hào)列表。要想切換選項(xiàng)卡，只需要調(diào)用 switch_to_window（）方法即可，其中參數(shù)是選項(xiàng)卡的代號(hào)。將第二個(gè)選項(xiàng)卡代號(hào)傳人，即跳轉(zhuǎn)到第二個(gè)選項(xiàng)卡，接下來(lái)在第二個(gè)選項(xiàng)卡下打開一個(gè)新頁(yè)面，然后切換回第一個(gè)選項(xiàng)卡重新調(diào)用 switch_to_window（）方法，再執(zhí)行其他操作。

異常處理

• 在使用 Selenium 過(guò)程中，可以使用 try except 語(yǔ)句來(lái)捕獲各種異常。（模擬節(jié)點(diǎn)未找到異常）示例： from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.baidu.com') browser.find_element_by_id('hello')

  首先打開百度頁(yè)面，嘗試選擇一個(gè)并不存在的節(jié)點(diǎn) ，此時(shí)就會(huì)遇到異常。捕獲異常示例：

  from selenium import webdriver from selenium.common.exceptions import TimeoutException, NoSuchElementExceptionbrowser = webdriver.Chrome() try:browser.get('https://www.baidu.com') except TimeoutException:print('Timeout') try:browser.find_element_by_id('hello') except NoSuchElementException:print('No Element') finally:browser.close()

  這里使用 try except 來(lái)捕獲各類異常。如，對(duì) find_element_by_id（）查找節(jié)點(diǎn)方法捕獲 NoSuchElementException 異常，一旦出現(xiàn)這樣的錯(cuò)誤，就進(jìn)行異常處理，程序也不會(huì)中斷。

• 更多異常類，參考官方文檔 http://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions。

轉(zhuǎn)載于:https://www.cnblogs.com/Mack-Yang/p/10184662.html

總結(jié)

以上是生活随笔為你收集整理的Class 17 - 1 动态渲染页面爬取 — Selenium使用的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。