爬虫系列(十二) selenium的基本使用

一、selenium 简介

随着网络技术的发展，目前大部分网站都采用动态加载技术，常见的有 JavaScript 动态渲染和 Ajax 动态加载

对于爬取这些网站，一般有两种思路：

• 分析 Ajax 请求，通过模拟请求得到真实的数据，这种方法在之前的文章中已经多次使用，这里就不再赘述了
• 使用 selenium 模拟浏览器进行动态渲染，从而获取网站返回的真实数据，以下我们将详细讲解这种方法

selenium 究竟是什么呢？简单来说，selenium 就是一个用于 Web 应用程序的测试工具

根据官方文档所说，selenium 最大的优点就是它可以直接运行在浏览器上，模拟用户的真实行为

但同时这也是它最大的缺点，由于需要模拟真实的渲染过程，所以导致它的运行速度变慢

其它详细的说明请参考 官方文档

二、selenium 使用

0、准备工作

• 安装 selenium

pip install selenium

• 安装驱动

在使用 selenium 的时候，必须有对应的浏览器驱动器文件在 Python 的安装目录下，否则会出现异常

Chrome 驱动器下载官网如下：https://sites.google.com/a/chromium.org/chromedriver/home

由于上面的官网需要FQ才能访问，所以博主也在这里简单的给大家讲讲安装驱动的方法，具体的步骤如下：

1. 打开 Chrome 浏览器，在地址栏中输入地址 chrome://settings/help，查看 Chrome 浏览器的版本信息

   例如 70.0.3538.67

2. 将上面的信息去掉最后一部分后附加到 https://chromedriver.storage.googleapis.com/LATEST_RELEASE_

   例如 https://chromedriver.storage.googleapis.com/LATEST_RELEASE_70.0.3538

3. 访问上面的链接，得到对应的驱动器版本信息

   例如 70.0.3538.97

4. 将上面的信息附加到 https://chromedriver.storage.googleapis.com/index.html?path=，并在最后带上斜杠

   例如 https://chromedriver.storage.googleapis.com/index.html?path=70.0.3538.97/

5. 访问上面的链接，选择合适平台（linux、mac、win）压缩包进行下载

6. 等待下载完成后解压，将解压后的文件放到 Python 安装目录下即可

1、导入模块

>>> from selenium import webdriver

webdriver 就是我们上面所说的浏览器驱动器，它支持多种浏览器，下面以 Chrome 浏览器为例说明

2、开启浏览器

>>> browser = webdriver.Chrome()
>>> type(browser)
# <class 'selenium.webdriver.chrome.webdriver.WebDriver'>

3、访问页面

使用 WebDriver 对象的 get(url) 方法可以访问对应 URL 的页面

>>> browser.get('https://www.baidu.com')
>>> print(browser.current_url) # current_url 属性可以得到当前网页的 URL
# https://www.baidu.com/
>>> print(browser.page_source) # page_source 属性可以得到当前网页的源代码

4、查找元素

方法一 ：

方法	描述
find_element_by_id(id)	通过 id 匹配
find_element_by_name(name)	通过 name 匹配
find_element_by_class_name(name)	通过 class_name 匹配
find_element_by_tag_name(name)	通过 tag_name 匹配
find_element_by_link_text(link_text)	通过 link_text 匹配
find_element_by_partical_link_text(link_text)	通过 partical_link_text 匹配
find_element_by_css_selector(css_selector)	通过 css_selector 匹配
find_element_by_xpath(xpath)	通过 xpath 匹配

以下尝试使用几种方法匹配输入框：

>>> search_bar = browser.find_element_by_id('kw')
>>> search_bar = browser.find_element_by_css_selector('#kw')
>>> search_bar = browser.find_element_by_xpath('//*[@id="kw"]')
>>> type(search_bar)
# <class 'selenium.webdriver.remote.webelement.WebElement'>

方法二：

>>> from selenium.webdriver.common.by import By
>>> element = browser.find_element(by,value)

• 参数 value 是与匹配方法对应的匹配表达式
• 参数 by 指定匹配方法，其可选值列举如下（和方法一类似）

值	描述
By.ID	通过 id 匹配
By.NAME	通过 name 匹配
By.CLASS_NAME	通过 class_name 匹配
By.TAG_NAME	通过 tag_name 匹配
By.LINK_TEXT	通过 link_text 匹配
By.PARTIAL_LINK_TEXT	通过 partical_link_text 匹配
By.CSS_SELECTOR	通过 css_selector 匹配
By.XPATH	通过 xpath 匹配

以下尝试使用几种方法匹配确认按钮：

>>> from selenium.webdriver.common.by import By
>>> button = browser.find_element(By.ID,'su')
>>> button = browser.find_element(By.CSS_SELECTOR,'#su')
>>> button = browser.find_element(By.XPATH,'//*[@id="su"]')
>>> type(button)
# <class 'selenium.webdriver.remote.webelement.WebElement'>

注意 ：

对于两种方法来说，若成功找到则返回 WebElement 对象，若没有找到则抛出 NoSuchElementException 异常

当需要查找多个元素时，只需要把方法中的 element 改成 elements 即可，此时返回的是匹配列表

5、元素交互操作

常见的元素交互操作列举如下：

• 获取文本节点（可以使用 text 属性获取文本节点）
• 获取元素属性值

>>> button.get_attribute('type')
# 'submit'

• 写入输入框

>>> search_bar.send_keys('Selenium') # 向输入框输入内容
>>> search_bar.clear() # 清空输入框
>>> search_bar.send_keys('Selenium')
>>> from selenium.webdriver.common.keys import Keys
>>> search_bar.send_keys(Keys.ENTER) # 向输入框输入ENTER键

• 点击提交按钮

>>> button.click() # 点击提交按钮，等价于上面的 search_bar.send_keys(Keys.ENTER)

6、执行交互动作

将动作附加在动作链中串行执行，常用的方法列举如下：

方法	描述
click(on_element=None)	鼠标左键点击元素
double_click(on_element=None)	鼠标左键双击元素
context_click(on_element=None)	鼠标右键点击元素
click_and_hold(on_element=None)	按下鼠标
release(on_element=None)	松开鼠标
move_to_element(to_element)	移动鼠标到指定元素中央
drag_and_drop(source, target)	拖拽元素
key_down(value, element=None)	按下键盘，一般只用在 Ctrl、Alt 和 Shift
key_up(value, element=None)	松开键盘
send_keys(keys_to_send)	发送键盘输入到当前聚焦元素
send_keys_to_element(element, keys_to_send)	发送键盘输入到指定元素
pause(seconds)	在指定的时间内暂停所有的输入
perform()	执行动作链的所有动作

以下示例为滚动到下一页按钮所在位置并点击下一页按钮翻页

>>> from selenium.webdriver.common.action_chains import ActionChains
>>> target = browser.find_element_by_class_name('n')
>>> ActionChains(browser).move_to_element(target).click(target).perform()

7、执行 JavaScript

JavaScript 能完成绝大部分的网页操作，由于内容庞杂，这里就不展开细说了

以下通过一个简单的例子来说明 JavaScript 的作用，其功能为拖动网页至底部：

>>> js = "window.scrollTo(0,document.body.scrollHeight)"
>>> browser.execute_script(js)

8、等待

规定等待的最长时间，若超过时间还未找到指定元素时，则抛出异常，先上代码感受一下：

>>> from selenium.webdriver.support.wait import WebDriverWait
>>> from selenium.webdriver.support import expected_conditions as EC
>>> wait = WebDriverWait(browser,10)
>>> try:
	element = wait.until(EC.presence_of_element_located((By.CLASS_NAME,'n')))
except:
    browser.quit()

其它的 expected_conditions 方法列举如下：

属性	描述
title_is(title)	验证 title 是否等于 browser.title
title_contains(title)	验证 title 是否包含于 browser.title
presence_of_element_located(locator)	验证 locator 元素是否加载在 DOM 中
presence_of_all_elements_located(locator)	验证 locator 元素是否全部加载在 DOM 中
visibility_of_element_located(locator)	验证 locator 元素是否可见
invisibility_of_element_located(locator)	验证 locator 元素是否隐藏
text_to_be_present_in_element(locator,text)	验证 text 是否包含于 locator 元素的 text 中
text_to_be_present_in_element_value(locator,text)	验证 text 是否包含于 locator 元素的 value 中
frame_to_be_available_and_switch_to_it(locator)	验证 locator(frame) 元素是否可切入
element_to_be_clickable(locator)	验证 locator 元素是否可点击
element_located_to_be_selected(locator)	验证 locator 元素是否被选中

9、关闭浏览器

方法	描述
close()	关闭当前窗口
quit()	关闭所有关联窗口

一个简单的示例如下：

>>> browser.quit()

【参考资料】

• https://selenium-python.readthedocs.io

【爬虫系列相关文章】

• 爬虫系列(一) 网络爬虫简介

• 爬虫系列(二) Chrome抓包分析

• 爬虫系列(三) urllib的基本使用

• 爬虫系列(四) 用urllib实现英语翻译

• 爬虫系列(五) re的基本使用

• 爬虫系列(六) 用urllib和re爬取百度贴吧

• 爬虫系列(七) requests的基本使用

• 爬虫系列(八) 用requests实现天气查询

• 爬虫系列(九) xpath的基本使用

• 爬虫系列(十) 用requests和xpath爬取豆瓣电影

• 爬虫系列(十一) 用requests和xpath爬取豆瓣电影评论

• 爬虫系列(十二) selenium的基本使用

• 爬虫系列(十三) 用selenium爬取京东商品