「爬虫04」selenium

1 selenium等待元素加载

# 程序执行速度很快---》获取标签---》标签还没加载好---》直接去拿会报错

# 显示等待：当你要找一个标签的时候，给它加单独加等待时间
# 隐士等待：只要写一行，代码中查找标签，如果标签没加载好，会自动等待
	browser.implicitly_wait(10)

2 selenium元素操作

# 输入框输入内容
tag.send_keys(写文字)

# 输入框删除内容
tag.clear()

# 按钮点击
tag.click()
    

3 selenium执行js

#1 其实在页面中，可能有些变量，全局的，直接可以把变量打印出来
#2 js操作页面可以干的事
-获取当前访问地址
-打开新标签
-滑动屏幕
-获取定义的全局变量

from selenium import webdriver
import time
bro = webdriver.Chrome()
bro.get('https://www.pearvideo.com/')
bro.implicitly_wait(10)

# 打开新标签
bro.execute_script('window.open());')
# 获取定义的全局变量
bro.execute_script('alert(urlMap.loginUrl);')
# 获取当前页面cookie
bro.execute_script('alert(document.cookie)')
# 获取当前访问的地址
bro.execute_script('alert(window.location)')
# 滑动屏幕
bro.execute_script('scrollTo(0,document.documentElement.scrollHeight)')


time.sleep(5)
bro.close() # 关闭选项卡
bro.quit()  # 关闭页面

4 selenium切换选项卡

from selenium import webdriver
import time
bro = webdriver.Chrome()
bro.get('https://www.pearvideo.com/')
bro.implicitly_wait(10)
print(bro.window_handles)
# 开启选项卡
bro.execute_script('window.open()')

# 获取出所有选项卡 bro.window_handles
# 切换到某个选项卡 bro.switch_to.window
# 先获取所有，然后根据位置切换到第1个位置打开淘宝，然后切换到第0个位置打开百度
bro.switch_to.window(bro.window_handles[1]) 
bro.get('http://www.taobao.com')

time.sleep(2)
bro.switch_to.window(bro.window_handles[0]) 
bro.get('http://www.baidu.com')

time.sleep(2)
bro.close() # 关闭选项卡
bro.quit()  # 关闭页面

5 selenium前进后退，异常处理

bro.back()
time.sleep(2)
bro.forward()

6 selenium登录cnblogs

# 1 打开cnblogs，点进登录页面，输入用户名密码，点登录(可能会出现验证码)--》手动操作

# 2 登录成功后----》拿到cookie---》保存到本地---》关闭浏览器

# 3 开启selenium，打开浏览器---》把本地的cookie写入到当前浏览器中----》当前浏览器就是登录状态

from selenium import webdriver
from selenium.webdriver.common.by import By
import time
import json

##### 先登录
# bro = webdriver.Chrome()
# bro.get('https://www.cnblogs.com/')
# bro.implicitly_wait(5)
# bro.maximize_window()
# login_btn = bro.find_element(By.LINK_TEXT, '登录')
# login_btn.click()
# time.sleep(2)
# username = bro.find_element(By.CSS_SELECTOR, '#mat-input-0')
# password = bro.find_element(By.ID, 'mat-input-1')
# submit_button = bro.find_element(By.CSS_SELECTOR,
#                                  'body > app-root > app-sign-in-layout > div > div > app-sign-in > app-content-container > div > div > div > form > div > button > span.mat-button-wrapper')
# username.send_keys('616564099@qq.com')
# password.send_keys('LiuQingzheng12#')
#
# submit_button.click()
#
# # 有可能出现验证码
# input('')  # 手动操作验证码，操作完后，敲回车程序继续执行
# time.sleep(2)  # 登录成功了，有cookie了
# cookies = bro.get_cookies()
# print(cookies)
# with open('cnblogs.json', 'w', encoding='utf-8') as f:
#     json.dump(cookies, f)
#
# time.sleep(2)
# bro.close()


### 再次打开
bro = webdriver.Chrome()
bro.get('https://www.cnblogs.com/')
bro.implicitly_wait(5)
bro.maximize_window()
time.sleep(3)
# 本地的cookie，从cookie池中拿的
with open('./cnblogs.json','r',encoding='utf-8') as f:
    cookies=json.load(f)
for item in cookies:  # 存起来的是列表套字典，add_cookie是add字典
    bro.add_cookie(item)


bro.refresh() # 刷新页面
time.sleep(5)
bro.close()

7 抽屉半自动点赞

import time
import json

import requests
# 使用selenium登录上去，手动处理验证码
from selenium import webdriver
from selenium.webdriver.common.by import By

# bro = webdriver.Chrome()
# bro.implicitly_wait(5)
# bro.get('https://dig.chouti.com/')
# btn_login = bro.find_element(By.ID, 'login_btn')
## btn_login.click()  # 按钮没找到报错是因为该按钮被盖住了，可以使用js点击
# bro.execute_script("arguments[0].click()", btn_login)
# time.sleep(2)
#
# phone = bro.find_element(By.NAME, 'phone')
# password = bro.find_element(By.NAME, 'password')
# phone.send_keys('18953675221')
# password.send_keys('lqz123')
# time.sleep(2)
# btn_login1 = bro.find_element(By.CSS_SELECTOR,
#                               'body > div.login-dialog.dialog.animated2.scaleIn > div > div.login-footer > div:nth-child(4) > button')
# btn_login1.click()
# # 可能会出验证码，手动操作
# input('你好了吗')
# time.sleep(2)
# cookies = bro.get_cookies()
# print(cookies)
# with open('chouti.json', 'w', encoding='utf-8') as f:
#     json.dump(cookies, f)
#
# time.sleep(2)
# bro.close()


### 拿10个要点的新闻
header = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36',
}
# 打开读出cookie
with open('./chouti.json', 'r', encoding='utf-8') as f:
    cookies = json.load(f)
# 把selenium拿到的cookie组装成requests能用的cookie
real_cookie = {}
for item in cookies:
    real_cookie[item['name']] = item['value']

print(real_cookie)

res = requests.get('https://dig.chouti.com/top/24hr?_=1689043464339', headers=header).json()
for item in res.get('data'):
    link_id = item.get('id')
    # 缺cookie，如果有了cookie，可以整个页面全点一遍
    data = {
        'linkId': link_id
    }
    res = requests.post('https://dig.chouti.com/link/vote', headers=header, data=data, cookies=real_cookie)
    print(res.text)

8 xpath使用

# 页面中定位元素(标签)，两种通用方式
-css选择器
-xpath：XPath即为XML路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言
    
    
# xpath语法
div	选取div标签
/	  从根节点选取
//	从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置
.	  选取当前节点。
..	选取当前节点的父节点。
@	  选取属性

    
    
    

doc = '''
<html>
 <head>
  <base href='http://example.com/' />
  <title>Example website</title>
 </head>
 <body>
  <div id='images'>
   <a href='image1.html' id='lqz'>Name: My image 1 <br /><img src='image1_thumb.jpg' /></a>
   <a href='image2.html'>Name: My image 2 <br /><img src='image2_thumb.jpg' /></a>
   <a href='image3.html'>Name: My image 3 <br /><img src='image3_thumb.jpg' /></a>
   <a href='image4.html'>Name: My image 4 <br /><img src='image4_thumb.jpg' /></a>
   <a href='image5.html' class='li li-item' name='items'>Name: My image 5 <br /><img src='image5_thumb.jpg' /></a>
   <a href='image6.html' name='items'><span><h5>test</h5></span>Name: My image 6 <br /><img src='image6_thumb.jpg' /></a>
  </div>
 </body>
</html>
'''
from lxml import etree
# 方式一：字符串
html = etree.HTML(doc)
# 方式二：纯页面
# html=etree.parse('search.html',etree.HTMLParser())
# 1 所有节点
# a=html.xpath('//*')
# 2 指定节点（结果为列表）
# a=html.xpath('//head')
# 3 子节点，子孙节点
# a=html.xpath('//div/a')
# a=html.xpath('//body/a') #无数据
# a=html.xpath('//body//a')
# 4 父节点
# a=html.xpath('//body//a[@href="image1.html"]/..')
# a=html.xpath('//body//a[1]/..')
# 也可以这样
# a=html.xpath('//body//a[1]/parent::*')
# a=html.xpath('//body//a[1]/parent::div')
# 5 属性匹配
# a=html.xpath('//body//a[@href="image1.html"]')

# 6 文本获取     /text()
# a=html.xpath('//body//a[@href="image1.html"]/text()')

# 7 属性获取     @属性名
# a=html.xpath('//body//a/@href')
# # 注意从1 开始取（不是从0）
# a=html.xpath('//body//a[1]/@href')

# 8 属性多值匹配
#  a 标签有多个class类，直接匹配就不可以了，需要用contains
# a=html.xpath('//body//a[@class="li"]')
# a=html.xpath('//body//a[contains(@class,"li")]')
# a=html.xpath('//body//a[contains(@class,"li")]/text()')
# 9 多属性匹配
# a=html.xpath('//body//a[contains(@class,"li") or @name="items"]')
# a=html.xpath('//body//a[contains(@class,"li") and @name="items"]/text()')
# a=html.xpath('//body//a[contains(@class,"li")]/text()')
# 10 按序选择
# a=html.xpath('//a[2]/text()')
# a=html.xpath('//a[2]/@href')
# 取最后一个
# a=html.xpath('//a[last()]/@href')
# a=html.xpath('//a[last()-1]/@href') # 倒数第二个
# 位置小于3的
# a = html.xpath('//a[position()<3]/@href')

# 倒数第三个
# a=html.xpath('//a[last()-2]/@href')
# 11 节点轴选择
# ancestor：祖先节点
# 使用了* 获取所有祖先节点
# a=html.xpath('//a/ancestor::*')
# # 获取祖先节点中的div
# a=html.xpath('//a/ancestor::div')
# attribute：属性值
# a=html.xpath('//a[1]/attribute::*')
# a=html.xpath('//a[1]/attribute::href')

# child：直接子节点
# a=html.xpath('//a[1]/child::*')
# descendant：所有子孙节点
# a=html.xpath('//a[6]/descendant::*')
# following:当前节点之后所有节点
# a=html.xpath('//a[1]/following::*')
# a=html.xpath('//a[1]/following::*[1]/@href')
# following-sibling:当前节点之后同级节点
# a=html.xpath('//a[1]/following-sibling::*')
# a=html.xpath('//a[1]/following-sibling::a')
# a=html.xpath('//a[1]/following-sibling::*[2]')
# a=html.xpath('//a[1]/following-sibling::*[2]/@href')

# print(a)


'''
/
//
.
..
取文本  /text()
取属性  /@属性名
根据属性过滤  [@属性名=属性值]
class 特殊
[contains(@class,"li")]
'''


# 终极大招
copy

9 动作链

# 模拟鼠标点住，拖动的效果，实现滑块认证
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.support.wait import WebDriverWait  # 等待页面加载某些元素
import time
from selenium.webdriver.common.by import By

driver = webdriver.Chrome()
driver.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
driver.implicitly_wait(3)  # 使用隐式等待

try:
    driver.switch_to.frame('iframeResult') # 切换到iframeResult
    sourse=driver.find_element(By.ID,'draggable') # 直接找找不到，因为套在iframe标签里，可以在页面中再嵌套一个页面，需要切换
    target=driver.find_element(By.ID,'droppable')
# 两种形式
-形式一：直接拖
        actions=ActionChains(driver) # 拿到动作链对象
        actions.drag_and_drop(sourse,target) # 把动作放到动作链中，准备串行执行
        actions.perform() # 释放鼠标结束
      
      
-方式二：慢慢移
    	ActionChains(driver).click_and_hold(sourse).perform()
    	distance=target.location['x']-sourse.location['x']
        track=0
        while track < distance:
            ActionChains(driver).move_by_offset(xoffset=2,yoffset=0).perform()
            track+=2
        ActionChains(driver).release().perform()
finally:
  driver.close()

10 自动登录12306

import time
from selenium.webdriver import ActionChains
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.options import Options
# 12306检测到咱们用了自动化测试软件，
options = Options()
options.add_argument("--disable-blink-features=AutomationControlled")  # 去掉自动化控制
bro = webdriver.Chrome(options=options)
bro.get('https://kyfw.12306.cn/otn/resources/login.html')
bro.implicitly_wait(5)
bro.maximize_window()
user_login = bro.find_element(By.CSS_SELECTOR,
                              '#toolbar_Div > div.login-panel > div.login-box > ul > li.login-hd-code.active > a')

user_login.click()
time.sleep(1)

username = bro.find_element(By.ID, 'J-userName')
password = bro.find_element(By.ID, 'J-password')
submit_btn = bro.find_element(By.ID, 'J-login')
username.send_keys('')
password.send_keys('')
time.sleep(3)
submit_btn.click()

time.sleep(5)

# 找到滑块
span = bro.find_element(By.ID, 'nc_1_n1z')
ActionChains(bro).click_and_hold(span).perform()
ActionChains(bro).move_by_offset(xoffset=300, yoffset=0).perform()
ActionChains(bro).release().perform()
time.sleep(5)

bro.close()


# https://github.com/testerSunshine/12306
# 12306智能刷票订票

11 打码平台

# 以后会遇到验证码-
-简单的数字字母
-高级一些的，计算题，成语
-选中图中的公交车
。。。
    
    
# 第三方解决方法：打码平台---》你验证码图片传给它，它给你破解，回给你，花钱
- 云打码
- 超级鹰

12 打码平台自动登录

import time

from selenium import webdriver
from selenium.webdriver.common.by import By
from chaojiying import ChaojiyingClient
from PIL import Image
bro = webdriver.Chrome()
bro.get('http://www.chaojiying.com/apiuser/login/')
bro.implicitly_wait(10)
bro.maximize_window()
try:
    username = bro.find_element(by=By.XPATH, value='/html/body/div[3]/div/div[3]/div[1]/form/p[1]/input')
    password = bro.find_element(by=By.XPATH, value='/html/body/div[3]/div/div[3]/div[1]/form/p[2]/input')
    code = bro.find_element(by=By.XPATH, value='/html/body/div[3]/div/div[3]/div[1]/form/p[3]/input')
    btn = bro.find_element(by=By.XPATH, value='/html/body/div[3]/div/div[3]/div[1]/form/p[4]/input')
    username.send_keys('')
    password.send_keys('')

    # 获取验证码：
		img = browser.find_element(By.XPATH, '/html/body/div[3]/div/div[3]/div[1]/form/div/img')
    img_tu=img.screenshot_as_png
    with open('img.png','wb') as wf:
        wf.write(img_tu)

    chaojiying = ChaojiyingClient('', '', '')	#用户中心>>软件ID 生成一个替换 96001
    im = open('code.png', 'rb').read()
    print(chaojiying.PostPic(im, 1902))  # 1902 验证码类型  官方网站>>价格体系 3.4+版 print 后要加()
    res_code=chaojiying.PostPic(im, 1902)['pic_str']
    code.send_keys(res_code)
    time.sleep(5)
    btn.click()
    time.sleep(10)
except Exception as e:
    print(e)

finally:
    bro.close()
    bro.quit()