自动化工具DrissionPage

DrissionPage 是一个基于 python 的网页自动化工具。它既能控制浏览器,也能收发数据包,还能把两者合而为一。可兼顾浏览器自动化的便利性和 requests 的高效率。它功能强大,内置无数人性化设计和便捷功能。它的语法简洁而优雅,代码量少,对新手友好。

DrissionPage与selenium类似,但比selenium简单很多,不需要浏览器的驱动文件,可以直接使用。因此,尝试使用一下DrissionPage。

网页自动化

网页自动化的形式通常有两种,它们各有优劣:

  • 直接向服务器发送数据包,获取需要的数据
  • 控制浏览器跟网页进行交互

前者轻量级,速度快,便于多线程、分布式部署,如 requests 库。但当数据包构成复杂,甚至加入加密技术时,开发过程烧脑程度直线上升。

鉴于此,DrissionPage 以页面为单位将两者整合,对 Chromium 协议 和 requests 进行了重新封装,实现两种模式的互通,并加入常用的页面和元素控制功能,可大幅降低开发难度和代码量。
用于操作浏览器的对象叫 Driver,requests 用于管理连接的对象叫 Session,Drission 就是它们两者的合体。Page 表示以 POM 模式封装。 在旧版本,本库是通过对 selenium 和 requests 的重新封装实现的。
从 3.0 版开始,作者另起炉灶,用 chromium 协议自行实现了 selenium 全部功能,从而摆脱了对 selenium 的依赖,功能更多更强,运行效率更高,开发更灵活。

基本使用逻辑

无论是控制浏览器,还是收发数据包,其操作逻辑是一致的。

即先创建页面对象,然后从页面对象中获取元素对象,通过对元素对象的读取或操作,实现数据的获取或页面的控制。

因此,最主要的对象就是两种:页面对象,及其生成的元素对象。

主要对象

主页面对象有 3 种,它们通常是程序的入口:

  • ChromiumPage:单纯用于操作浏览器的页面对象
  • WebPage:整合浏览器控制和收发数据包于一体的页面对象
  • SessionPage:单纯用于收发数据包的页面对象

衍生物:

  • ChromiumTabChromiumPage生成的标签页对象
  • WebPageTabWebPage生成的标签页对象
  • ChromiumFrame<iframe>元素对象
  • ChromiumElement:浏览器元素对象
  • SessionElement:静态元素对象
  • ShadowRoot:shadow-root 元素对象

称呼

文档里经常用到这几个称呼:

  • ChromiumPageWebPage统称为 Page 对象
  • ChromiumTabWebPageTab统称为 Tab 对象
  • Page 对象、Tab 对象和ChromiumFrame统称为页面对

 

工具安装DrissionPage,直接使用pip进行安装即可

pip install DrissionPage

 

尝试读取邮箱邮件信息

 

 代码:

from DrissionPage import WebPage

page = WebPage()
# 登录邮箱
page.get("http://mail.163.com")
page('mail').clear()
page('mail').input("xxx") # 账户
page('#pwdtext').input("password") # 密码
page('#dologin').click() # 点击登录
# 等待加载
page.wait.load_start()
# 进入订阅邮件栏
page('xpath:/html/body/div[1]/nav/div[2]/ul/li[9]/div').click()
items = page('@class:tv0').eles('@class:nl0 hA0 ck0')
while True:
    for item in items:
        print("发件人:"+item.ele('@class:gB0').text, "主题:"+item.ele('@class:da0').text)

    btn = page('下一页', timeout=2)
    if btn:
        btn.click()
        page.wait.load_start()
    else:
        break

 

运行截图

 查看源码,了解一些基础内容

 


 

 

关键:页面元素定位

示例代码:

<html>
<body>
<div id="one">
    <p class="p_cls" name="row1">第一行</p>
    <p class="p_cls" name="row2">第二行</p>
    <p class="p_cls">第三行</p>
</div>
<div id="two">
    第二个div
</div>
</body>
</html>

用页面对象去获取其中的元素:

 1 # 获取 id 为 one 的元素
 2 div1 = page.ele('#one')
 3 
 4 # 获取 name 属性为 row1 的元素
 5 p1 = page.ele('@name=row1')
 6 
 7 # 获取包含“第二个div”文本的元素
 8 div2 = page.ele('第二个div')
 9 
10 # 获取所有div元素
11 div_list = page.eles('tag:div')
12 
13 # 也可以获取到一个元素,然后在它里面或周围查找元素
14 # 获取到一个元素div1
15 div1 = page.ele('#one')
16 
17 # 在div1内查找所有p元素
18 p_list = div1.eles('tag:p')
19 
20 # 获取div1后面一个元素
21 div2 = div1.next()

页面元素查找语法

id 匹配符 #

表示id属性,只在语句最前面且单独使用时生效,可配合匹配模式使用。

1 # 在页面中查找id属性为one的元素
2 ele1 = page.ele('#one')
3 
4 # 在ele1元素内查找id属性包含ne文本的元素
5 ele2 = ele1.ele('#:ne')  

class 匹配符 .

表示class属性,只在语句最前面且单独使用时生效,可配合匹配模式使用。

1 # 查找class属性为p_cls的元素
2 ele2 = ele1.ele('.p_cls')
3 
4 # 查找class属性'_cls'文本开头的元素
5 ele2 = ele1.ele('.^_cls')  

因为只加 . 时默认是精确匹配元素属性 class,所以如果某元素有多个类名,必须写 class 属性的完整值(类名的顺序也不能变)。如果需要只匹配多个类名中的一个,可以使用模糊匹配符 :

1 # 精确查找class属性为`p_cls1 p_cls2 `的元素
2 ele2 = ele1.ele('.p_cls1 p_cls2 ')
3 
4 # 模糊查找class属性含有类名 'p_cls2' 的元素
5 ele2 = ele1.ele('.:p_cls2')  

 单属性匹配符 @

表示某个属性,只匹配一个属性。可单独使用,也可与tag配合使用。

@关键字只有一个简单功能,就是匹配@后面的内容,不再对后面的字符串进行解析。因此即使后面的字符串也存在@@@ ,也作为要匹配的内容对待。所以只要是多属性匹配,包括第一个属性在内的所有属性都必须用@@开头。

注意:

如果属性中包含特殊字符(如包含@),用这个方式不能正确匹配到,需使用 css selector 方式查找。且特殊字符要用\转义。

 
 1 # 查找name属性为row1的元素
 2 ele2 = ele1.ele('@name=row1')
 3 
 4 # 查找name属性包含row文本的元素
 5 ele2 = ele1.ele('@name:row')
 6 
 7 # 查找name属性以row开头的元素
 8 ele2 = ele1.ele('@name^row')
 9 
10 # 查找有name属性的元素
11 ele2 = ele1.ele('@name')
12 
13 # 查找没有任何属性的元素
14 ele2 = ele1.ele('@')
15 
16 # 查找email属性为abc@def.com的元素,有多个@也不会重复处理
17 ele2 = ele1.ele('@email=abc@def.com')
18 
19 # 属性中有特殊字符的情形,匹配abc@def属性等于v的元素
20 ele2 = ele1.ele('css:div[abc\@def="v"]')

多属性与匹配符 @@

匹配同时符合多个条件的元素时使用,每个条件前面添加@@作为开头。

可单独使用,也可与tag配合使用。

注意
  • 匹配文本或属性中出现@@@|@!时,不能使用多属性匹配,需改用 xpath 的方式。
  • 如果属性中包含特殊字符(如包含@),用这个方式不能正确匹配到,需使用 css selector 方式查找。且特殊字符要用\转义。
# 查找name属性为row1且class属性包含cls文本的元素
ele2 = ele1.ele('@@name=row1@@class:cls')

@@可以与下文介绍的tag配合使用:

 
ele = page.ele('tag:div@@class=p_cls@@name=row1')

 多属性或匹配符@|

匹配符合多个条件中任一项的元素时使用,每个条件前面添加@|作为开头。

可单独使用,也可与tag配合使用。

用法与@@一致,注意事项与@@一致。

注意

@@@|不能同时出现在语句中。

 

1 # 查找id属性为one或id属性为two的元素
2 ele2 = ele1.ele('@|id=one@|id=two')

@|可以与下文介绍的tag配合使用:

1 ele = page.ele('tag:div@|class=p_cls@|name=row1')

属性否定匹配符@!

用于否定某个条件,可与@@@|混用,也可单独使用。

混用时,与还是或关系视@@还是@|而定。

示例:

# 匹配arg1等于abc且arg2不等于def的元素
page.ele('@@arg1=abc@!arg2=def')

# 匹配arg1等于abc或arg2不等于def的div元素
page.ele('t:div@|arg1=abc@!arg2=def')

# 匹配arg1不等于abc
page.ele('@!arg1=abc')

# 匹配没有arg1属性的元素
page.ele('@!arg1')

 

文本匹配符 text

要匹配的文本,查询字符串如开头没有任何关键字,也表示根据传入的文本作模糊查找。
如果元素内有多个直接的文本节点,精确查找时可匹配所有文本节点拼成的字符串,模糊查找时可匹配每个文本节点。

没有任何匹配符时,默认匹配文本。

注意

如果要匹配的文本包含特殊字符(如'&nbsp;''&gt;'),需将其转换为十六进制形式,详见《语法速查表》一节。

# 查找文本为“第二行”的元素
ele2 = ele1.ele('text=第二行')

# 查找文本包含“第二”的元素
ele2 = ele1.ele('text:第二')

# 与上一行一致
ele2 = ele1.ele('第二')

# 匹配包含&nbsp;文本的元素
ele2 = ele1.ele('第\u00A0二')  # 需将&nbsp;转为\u00A0

若要查找的文本包含text: ,可下面这样写,即第一个text: 为关键字,第二个是要查找的内容:

ele2 = page.ele('text:text:')

文本匹配符 text()

作为查找属性时使用的文本关键字,必须与@@@配合使用。

说明

text在作为属性查找条件是改为text(),是为了避免遇到名为text的属性时产生冲突。

 

# 查找文本为“第二行”的元素
ele2 = ele1.ele('@text()=第二行')

# 查找文本包含“第二行”的元素
ele2 = ele1.ele('@text():二行')

# 查找文本以“第二”开头且class属性为p_cls的元素
ele2 = ele1.ele('@@text()^第二@@class=p_cls')

# 查找文本为“二行”且没有任何属性的元素(因第一个 @@ 后为空)
ele2 = ele1.ele('@@@@text():二行')

# 查找直接子文本包含“二行”字符串的元素
ele = page.ele('@text():二行')

@@text()的技巧

值得一提的是,text()配合@@@|能实现一种很便利的按查找方式。

网页种经常会出现元素和文本混排的情况,比如:

<li class="explore-categories__item">
    <a href="/explore/new-tech" class="">
        <i class="explore"></i>
        前沿技术
    </a>
</li>
<li class="explore-categories__item">
    <a href="/explore/program-develop" class="">
        <i class="explore"></i>
        程序开发
    </a>
</li>

示例中,如果要用文本获取'前沿技术'<a>元素,可以这样写:

ele = page.ele('text:前沿技术')
#
ele = page.ele('@text():前沿技术')

这两种写法都能获取到包含直接文本的元素。

但如果要用文本获取<li>元素,就获取不到,因为文本不是<li>的直接内容。

我们可以这样写:

ele = page.ele('tag:li@@text():前沿技术')

@@text()@text()不同之处在于,前者可以搜索整个元素内所有文本,而不仅仅是直接文本,因此能实现一些非常灵活的查找。

 
 
注意

需要注意的是,使用@@@|时,text()不要作为唯一的查询条件,否则会定位到整个文档最高层的元素。

❌ 错误做法:

ele = page.ele('@@text():前沿技术')
ele = page.ele('@|text():前沿技术@|text():程序开发')

⭕ 正确做法:

ele = page.ele('tag:li@|text():前沿技术@|text():程序开发')

类型匹配符 tag

表示元素的标签,只在语句最前面且单独使用时生效,可与@@@@|配合使用。tag:tag=效果一致,没有tag^tag$语法。

 
# 定位div元素
ele2 = ele1.ele('tag:div')

# 定位class属性为p_cls的p元素
ele2 = ele1.ele('tag:p@class=p_cls')

# 定位文本为"第二行"的p元素
ele2 = ele1.ele('tag:p@text()=第二行')

# 定位class属性为p_cls且文本为“第二行”的p元素
ele2 = ele1.ele('tag:p@@class=p_cls@@text()=第二行')

# 定位class属性为p_cls或文本为“第二行”的p元素
ele2 = ele1.ele('tag:p@|class=p_cls@|text()=第二行')

# 查找直接文本节点包含“二行”字符串的p元素
ele2 = ele1.ele('tag:p@text():二行')

# 查找内部文本节点包含“二行”字符串的p元素
ele2 = ele1.ele('tag:p@@text():二行')  
注意

tag:div@text():text 和 tag:div@@text():text 是有区别的,前者只在div的直接文本节点搜索,后者搜索div的整个内部。

css selector 匹配符 css

表示用 css selector 方式查找元素。css:css=效果一致,没有css^css$语法。

 
# 查找 div 元素
ele2 = ele1.ele('css:.div')

# 查找 div 子元素元素,这个写法是本库特有,原生不支持
ele2 = ele1.ele('css:>div')  

xpath 匹配符 xpath

表示用 xpath 方式查找元素。xpath:xpath=效果一致,没有xpath^xpath$语法。

另外,元素对象的ele()支持完整的 xpath 语法,如能使用 xpath 直接获取元素属性(字符串类型)。

# 查找后代中第一个 div 元素
ele2 = ele1.ele('xpath:.//div')

# 和上面一行一样,查找元素的后代时,// 前面的 . 可以省略
ele2 = ele1.ele('xpath://div')

# 使用xpath获取div元素的class属性(页面元素无此功能)
ele_class_str = ele1.ele('xpath://div/@class')

查找元素的后代时,selenium 原生代码要求 xpath 前面必须加.,否则会变成在全个页面中查找。 作者觉得这个设计是画蛇添足,既然已经通过元素查找了,自然应该只查找这个元素内部的元素。 所以,用 xpath 在元素下查找时,最前面///前面的.可以省略。

selenium 的 loc 元组

查找方法能直接接收 selenium 原生定位元组进行查找,便于项目迁移。 

from DrissionPage.common import By

# 查找id为one的元素
loc1 = (By.ID, 'one')
ele = page.ele(loc1)

# 按 xpath 查找
loc2 = (By.XPATH, '//p[@class="p_cls"]')
ele = page.ele(loc2)  

简化写法

定位符语法简化

  • 定位语法都有其简化形式
  • 页面和元素对象都实现了__call__()方法,所以page.ele('...')可简化为page('...')
  • 查找方法都支持链式操作

示例:

# 查找tag为div的元素
ele = page.ele('tag:div')  # 原写法
ele = page('t:div')  # 简化写法

# 用xpath查找元素
ele = page.ele('xpath://xxxxx')  # 原写法
ele = page('x://xxxxx')  # 简化写法

# 查找text为'something'的元素
ele = page.ele('text=something')  # 原写法
ele = page('tx=something')  # 简化写法

简化写法对应列表

原写法简化写法说明
@id # 表示 id 属性,简化写法只在语句最前面且单独使用时生效
@class . 表示 class 属性,简化写法只在语句最前面且单独使用时生效
text tx 按文本匹配
@text() @tx() 按文本查找与 @ 或 @@ 配合使用时
tag t 按标签类型匹配
xpath x 用 xpath 方式查找元素
css c 用 css selector 方式查找元素

 

 详细内容,可参考:🌏 安装 | DrissionPage官网

 

posted @ 2024-04-15 00:04  RChow  阅读(2120)  评论(0编辑  收藏  举报