使用selenium模拟登陆新浪微博
1.selenium基本使用
1.selenium安装及基本操作
selenium是一个自动化测试工具，它支持各种浏览器，包括Chrome，Safari,Firefox等主流界面浏览器驱动，也包括Phantomjs的无界面浏览器。
通过selenium+phantomjs可以直接渲染js
首先，需要下载不同浏览器的驱动，直接百度搜索就可以，例如搜过Chrome浏览器驱动，下载到本地
然后，将下载好的驱动放入到安装python的根目录下，例如C:/pyhton3/usr/bin,就是要把驱动和python.exe放在同一个文件夹。（虚拟环境也是一样，放入对应的虚拟环境下的python的根目录）
最后，通过pip安装selenium模块。
# coding = utf-8 import time from selenium import webdriver # 导入模块 driver = webdriver.Chrome() # 1.声明浏览器对象 driver.get('https://www.baidu.com') # 2. 访问地址 # dirver.get('https://www.weibo.com') try: driver.save_screenshot('test.jpg') # 3.操作。截图 finally: time.sleep(3) driver.close() # 4.关闭浏览器
这里模拟一个浏览器，访问百度，并将浏览器打开后的页面进行截图。
2.元素选取
要用代码操作浏览器，访问网页，做一些操作必须要通过定位，获得要操作元素的位置，例如，要在百度输入框搜索python关键词，要经过如下操作：
首先，通过代码定位到输入框所在位置；
然后，通过代码在输入框中输入关键字
最后，通过代码实现点击搜索。
import time from selenium import webdriver # 导入模块 driver = webdriver.Chrome() # 1.声明浏览器对象 driver.get('https://www.baidu.com') # 2. 访问地址 try: # 通过审查元素，发现百度输入框的id为kw, # 通过find_element_by_id("kw")定位到该输入框 # 通过send_keys("Python") 实现在输入框中输入关键字 driver.find_element_by_id('kw').send_keys('python') # 输入数据 # 同样的，通过find_element_by_id定位“百度一下”按钮 # 通过click()实现点击 driver.find_element_by_id('su').click() finally: time.sleep(30) driver.close()
当然，还有很多其他方式来定位：
# 通过文本，定位贴吧的位置，并点击 driver.find_element_by_link_text('贴吧').click() # 通过文本链接点击进入 # 通过xpath路径定位元素 driver.find_element_by_xpath('//*[@id="1"]/h3/a[1]').click() # 通过元素的name来定位，当然，后可以by_class_name() driver.find_element_by_name('loginname').send_keys('13212702940')
还有一些常用操作
print(driver.page_source) # 获取网页经过js渲染的源代码，相当于审查元素 # driver.find_elements_by_id() # 获取多个元素 # driver.find_element_by_css_selector
3.页面交互
1.窗口切换
使用selenium操作浏览器的时候肯定会有很多窗口，selenium默认不切换窗口，所以需要有方法实现窗口的切换。
切换窗口有如下方法：
通过driver.window_handlers获取每个窗口的操作对象，然后for循环，实现切换窗口的目的。
for handler in driver.window_handlers: driver.switch_to_window(handler)
2.cookies处理
在selenium中，cookies的用法一般是通过模拟登陆之后，获取到cookies值，再通过requests等库实现请求，
增加效率。
cookie = {} for item in driver.get_cookies(): cookie[item.get('name')] = item.get('value')
3.元素拖动
在selenium中，除了简单的点击动作外，还有一些稍微复杂的动作，例如元素的拖动。
在实现元素拖动中时，需要另一个模块。ActionChains模块满足对鼠标操作的要求。
ActionChains的执行原理就是当调用ActionChains方法时，不会立即执行，而是将所有操作暂时放在一个队列中，
当调用perform()方法时，队列会按照放入的先后顺序，依次执行。
例如验证码的滑动，其实就是将一个元素拖动到某一个位置，然后松开，因此，元素的拖动经过下面几个步骤：
将鼠标移上去，点击鼠标左键不放，拖拽到目的点，松开鼠标
ActionChains中提供的方法：
# click(on_element=None) # 单击鼠标左键 # click_and_hold(on_element=None) # 点击鼠标左键，按住不放 # context_click(on_element=None) # 点击鼠标右键 # double_click(on_element=None) # 双击鼠标左键 # drag_and_drop(source, target) # 拖拽到某个元素，然后松开 # drag_and_drop_by_offset(source, xoffset, yoffset) # 拖拽到某个坐标然后松开 # move_by_offset(xoffset, yoffset) # 鼠标移动到距离当前位置（x, y） # move_to_element(to_element) # 移动到某个元素 # # # 将鼠标移动至距离某个元素多少距离的位置 # move_to_element_with_offset(to_element, xoffset, yoffset) # # release(on_element=None) # 在某个元素位置松开鼠标左键 # perform() # 执行链中的所有动作
来一个简单拖拽例子，测试网址：http://www.treejs.cn/v3/demo/cn/exedit/drag.html
# 实例化一个浏览器 driver = webdriver.Chrome() try: # 打开页面（可以自己先打开试一下） driver.get('http://www.treejs.cn/v3/demo/cn/exedit/drag.html') time.sleep(2) # 1.通过id定位要拖动的元素元素(相当于鼠标移上去) element = driver.find_element_by_id('treeDemo_2_span') # 2.通过id定位要拖到的位置 target = driver.find_element_by_id('treeDemo_3_span') # 拖动元素到目标位置 ActionChains(driver).drag_and_drop(element, target).perform() time.sleep(15) finally: driver.quit()
4.弹窗处理
很多网页里面可能会出现弹窗，需要对弹窗进行一定的处理（就是js里的alert()）。
使用：
driver.switch_to_alert() # 切换到弹窗
time.sleep(3)
driver.accept() #接收弹窗
对弹窗进行处理。
4.页面等待
现在的大多数web应用，越来越多采用了Ajax技术，以及程序不能确定某个元素何时完全加载出来，
这会让元素定位困难，会提高ElementNotVisibleException的概率，因此出现了等待。
就是等待页面中，某个元素出现，就执行某些代码。selenium提供两种等待方式。
1.显式等待
显式等待是指定某个条件，然后设置最长等待时间，如果在这个时间里面还没有找到元素，那么就抛出异常。
显式等待主要使用了WebDriverWait类和excepted_conditions模块。
WebDriverWait是显式等待类，主要方法有：
__init__中：
- driver:传入的WebDriver实例
- timeout:超时时间，等待的最长时间（同时要考虑隐性等待时间）
- poll_frequency:调用until中的方法的间隔时间，默认0.5s
- ignored_exception:忽略的异常，如果在调用until过程中，抛出这个异常，则不中断代码，继续执行
如果抛出的是这个元组外的异常，则代码中观，抛出异常，默认只有NoSuchElementException
until中:
- method:在等待期间，每隔一段时间，调用这个传入的方法，直到返回值不是False
- message:如果超时，抛出TimeOutException，将message传入异常。
expected_conditions是selenium的一个模块，其中包含一系列等待的条件：
""" title_is title_contains #这两个条件类验证title，验证传入的参数title是否等于或包含于driver.title presence_of_element_located presence_of_all_elements_located 这两个人条件验证元素是否出现，传入的参数都是元组类型的locator，如(By.ID, 'kw') 顾名思义，一个只要一个符合条件的元素加载出来就通过；另一个必须所有符合条件的元素都加载出来才行 visibility_of_element_located invisibility_of_element_located visibility_of 这三个条件验证元素是否可见，前两个传入参数是元组类型的locator，第三个传入WebElement 第一个和第三个其实质是一样的 text_to_be_present_in_element text_to_be_present_in_element_value 这两个人条件判断某段文本是否出现在某元素中，一个判断元素的text，一个判断元素的value frame_to_be_available_and_switch_to_it # 有些页面有frame标签，该标签出现后才能定位，例如QQ空间 这个条件判断frame是否可切入，可传入locator元组或者直接传入定位方式：id、name、index或WebElement alert_is_present 这个条件判断是否有alert出现 element_to_be_clickable 这个条件判断元素是否可点击，传入locator """
简单例子：访问百度首页，等待“贴吧”那个地方出现，出现后就拿它的链接
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://baidu.com') locator = (By.LINK_TEXT, '贴吧') try: # 等待，直到locator出现为止，driver在20s内，每0.5s检查一次该元素是否出现 # 出现，执行后面内容；没出现，继续等待（20s内，超过就抛异常） WebDriverWait(driver, 20, 0.5).until(EC.presence_of_element_located(locator)) # 出现后直接获取贴吧的链接 print(driver.find_element_by_link_text('贴吧').get_attribute('href')) finally: driver.close()
2.隐式等待
隐性等待implicitly_wait(xx)，隐形等待是设置了一个最长等待时间，
如果在规定时间内网页加载完成，则执行下一步，
否则一直等到时间截止，然后执行下一步。
弊端就是程序会一直等待整个页面加载完成,就算你需要的元素加载出来了还是需要等待。
from selenium import webdriver driver = webdriver.Chrome() driver.implicitly_wait(30) driver.get('https://www.baidu.com')
2.Phantomjs的使用
PhantomJS是一个无界面的,可脚本编程的WebKit浏览器引擎。
它原生支持多种web 标准：DOM 操作，CSS选择器，JSON，Canvas 以及SVG。
phantomjs常用配置：
# 引入配置对象DesiredCapabilities from selenium.webdriver.common.desired_capabilities import DesiredCapabilities dcap = dict(DesiredCapabilities.PHANTOMJS) #从USER_AGENTS列表中随机选一个浏览器头，伪装浏览器 dcap["phantomjs.page.settings.userAgent"] = (random.choice(USER_AGENTS)) # 不载入图片，爬页面速度会快很多 dcap["phantomjs.page.settings.loadImages"] = False # 设置代理 service_args = ['--proxy=127.0.0.1:9999','--proxy-type=socks5'] #打开带配置信息的phantomJS浏览器 driver = webdriver.PhantomJS(phantomjs_driver_path, desired_capabilities=dcap, service_args=service_args)
# 如果你的phantomjs配置了环境变量，就不需要填写路径（phantomjs_driver_path）,否则需要添加你的phantomjs所在的路径
3.模拟登陆
利用selenium登录新浪微博，首先访问新浪页面，等待输入账号和密码的输入框出现，然后依次利用selenium输入账号和密码，最后点击登录，并获取登陆后的源码。
# coding = utf-8 """ 用selenium登录新浪微博 """ import time 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 # 1,实例化浏览器驱动 driver = webdriver.Chrome() url = 'https://weibo.com/' # 2,给定访问目标 driver.get(url) # 定位账号密码输入框并登录 username = '184419810@qq.com' password = '*********' try: # 创建等待事件 waiter = WebDriverWait(driver, 20, 0.1) event = (By.XPATH, '//*[@id="pl_login_form"]') # # 等待登录框的出现 waiter.until(EC.presence_of_element_located(event)) # 账号输入 driver.find_element_by_xpath('//*[@id="loginname"]').send_keys(username) time.sleep(1) # 密码输入 driver.find_element_by_xpath('//*[@id="pl_login_form"]/div/div[3]/div[2]/div/input').send_keys(password) time.sleep(1) # 点击登录 driver.find_element_by_xpath('//*[@id="pl_login_form"]/div/div[3]/div[6]/a').click() # 获取登录后的源码 print(driver.page_source) except Exception as e: print(e) finally: time.sleep(10) driver.close()
