Python爬虫之selenium

目录

• 1 selenium
  • 1.1 selenium简介
  • 1.2 selenium环境
  • 1.3 selenium基本操作
  • 1.4 selenium处理iframe
  • 1.5 selenium动作链
  • 1.6 无头浏览器和规避检测

1 selenium

1.1 selenium简介

Selenium是一个 Web 的自动化测试工具，类型像我们玩游戏用的按键精灵，它支持所有主流的浏览器
Selenium 可以根据我们的指令，让浏览器自动加载页面，获取需要的数据，甚至页面截 屏，或者判断网站上某些动作是否发生
Selenium可以便捷的获取网站中动态加载的数据，也可以便捷地实现模拟登陆
Selenium模块：基于浏览器自动化的模块

1.2 selenium环境

先安装环境pip install selenium，然后下载对应浏览器的驱动版本
各个浏览器对应的selenium

浏览器	驱动	WebDriver API
Chrome	ChromeDriver.exe	selenium-chrome-driver-3.141.59.jar
IE	IEDriverServer.exe	selenium-ie-driver-3.141.59.jar
Edge	msedgedriver.exe	selenium-edge-driver-3.141.59.jar
Firefox	geckodriver.exe	selenium-firefox-driver-3.141.59.jar

谷歌浏览器：http://chromedriver.storage.googleapis.com/index.html
IE浏览器：http://selenium-release.storage.googleapis.com/index.html
谷歌不同浏览器对应版本，按照chrome版本对应的driver，在谷歌浏览器70版本后，直接按照浏览器版本去找对应的driver（只对应大版本就行），如下是70版本之前的对应版本映射

chromedriver版本	支持的Chrome版本
v2.44	v69-71
v2.43	v69-71
v2.42	v68-70
v2.41	v67-69
v2.40	v66-68
v2.39	v66-68
v2.38	v65-67
v2.37	v64-66
v2.36	v63-65
v2.35	v62-64
v2.34	v61-63
v2.33	v60-62
v2.32	v59-61
v2.31	v58-60
v2.30	v58-60
v2.29	v56-58
v2.28	v55-57
v2.27	v54-56
v2.26	v53-55
v2.25	v53-55
v2.24	v52-54
v2.23	v51-53
v2.22	v49-52
v2.21	v46-50
v2.20	v43-48
v2.19	v43-47
v2.18	v43-46
v2.17	v42-43
v2.13	v42-45
v2.15	v40-43
v2.14	v39-42
v2.13	v38-41
v2.12	v36-40
v2.11	v36-40
v2.10	v33-36
v2.9	v31-34
v2.8	v30-33
v2.7	v30-33
v2.6	v29-32
v2.5	v29-32
v2.4	v29-32

1.3 selenium基本操作

由于360浏览器也是使用谷歌内核，因此使用360浏览器来进行代码测试
操作前需要先实例化一个浏览器对象，编写基于浏览器自动化的操作代码：

• 发起请求：浏览器对象.get(url)
• 标签定位：浏览器对象.find系列方法
• 执行js程序：浏览器对象.execute_script(js脚本)
• 前进：浏览器对象.forward()
• 后退：浏览器对象.back()
• 关闭浏览器：浏览器对象.quit()
• 截屏：浏览器对象.save_screenshot('保存截图名')

标签交互：

• 发送文字：元素对象.send_keys('xxx')
• 点击按钮：元素对象.click()

from selenium.webdriver.chrome.options import Options  
from selenium import webdriver  
import time 
#此处是浏览器地址(可以是360浏览器(谷歌内核)或者谷歌浏览器)
__browser_url = r'D:\SoftWare-NeedSoftWare\360\360Browser\360se6\Application\360se.exe' 
chrome_options = Options()
chrome_options.binary_location = __browser_url  
#获取浏览器实例对象
driver = webdriver.Chrome(chrome_options=chrome_options,executable_path='./chromedriver.exe')#此处地址是chromer驱动地址
driver.get('https://www.baidu.com/')#发起请求
search_input=driver.find_element_by_id('q')
search_input.send_keys("asfs")
#点击搜索按钮
bth=driver.find_element_by_css_selector('.bth-search')#标签定位
bth.click()#点击按键的动作
time.sleep(3)  
driver.quit()#关闭浏览器

1.4 selenium处理iframe

如果目标页面内有子页面，可以使用iframe进行操作，即如果当前标签如div被包含在了iframe标签中，可以理解为嵌套在页面中了，就不能直接获取该div标签，需要使用浏览器对象的switch_to.frame()方法切换到div标签所在的iframe标签

比如，直接使用浏览器对象.find_element_by_id()方法会报错找不到该标签，就先使用switch_to.frame处理下：

__browser_url = r'D:\SoftWare-NeedSoftWare\360\360Browser\360se6\Application\360se.exe' 
chrome_options = Options()
chrome_options.binary_location = __browser_url 
driver = webdriver.Chrome(chrome_options=chrome_options,executable_path='./chromedriver.exe')#此处地址是chromer驱动地址
driver.switch_to.frame('xxx')
div_obj=driver.find_element_by_id('div')

1.5 selenium动作链

使用selenium的时候，会遇到悬停后点击元素的操作，因此需要一个动作链来完成这个功能
动作链拖动是一系列操作，首先需要导包from selenium.webdriver import ActionChains
然后实例化一个动作对象：action=ActionChains(浏览器对象)
长按且点击操作：click_and_hold(元素对象)
偏移位置量：move_by_offset(x，y)
动作链立即执行：perform()
释放动作链对象：release()
iframe和selenium示例如下：

from time import sleep
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.chrome.options import Options

  
chrome_options = Options()
__browser_url = r'E:\SoftWare-Tools\Google-Browser\Google\Chrome\Application\chrome.exe '  ##浏览器的地址
chrome_options.binary_location = __browser_url
driver = webdriver.Chrome(chrome_options=chrome_options,executable_path='./chromedriver.exe')

driver.get('https://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')

driver.switch_to.frame('iframeResult')#切换到浏览器标签定位的作用域
div = driver.find_element_by_id('draggable')

#动作链
action=ActionChains(driver)
action.click_and_hold(div)

for i in range(5):
    action.move_by_offset(17,0).perform()#perform是立即执行的方法
    sleep(0.3)
action.release()
driver.quit()

1.6 无头浏览器和规避检测

所谓无头浏览器，就是使用selenium没有浏览器页面，更加方便脚本运行；规避检测的作用是有些浏览器会阻碍selenium脚本对网站的访问而进行限制
导包

实现不可视化界面
from selenium.webdriver.chrome.options import Options
实现规避检测
from selenium.webdriver import ChromeOptions

示例如下：

from selenium import webdriver
from time import sleep
#实现不可视化界面
from selenium.webdriver.chrome.options import Options
#实现规避检测
from selenium.webdriver import ChromeOptions

#不可视化界面
chrome_options = Options()
__browser_url = r'E:\SoftWare-Tools\Google-Browser\Google\Chrome\Application\chrome.exe '  ##浏览器的地址
chrome_options.binary_location = __browser_url
chrome_options.add_argument('--headless')
chrome_options.add_argument('--disable-gpu')
#规避检测
option=ChromeOptions()
option.add_experimental_option('excludeSwitches',['enable-automation'])

driver = webdriver.Chrome(chrome_options=chrome_options,options=option,executable_path='./chromedriver.exe')

driver.get('https://www.baidu.com')
print(driver.page_source)
sleep(2)
driver.quit()