Selenium和PhantomJS

Selenium
PhantomJS
Selenium常用操作
Selenium页面元素操作
定位UI元素 (WebElements)
鼠标动作链
填充表单
弹窗处理
页面切换
页面前进和后退
Cookies
页面等待
- 显式等待
- 隐式等待

Selenium

Selenium是一个Web的自动化测试工具，最初是为网站自动化测试而开发的，类型像我们玩游戏用的按键精灵，可以按指定的命令自动操作，不同是Selenium 可以直接运行在浏览器上，它支持所有主流的浏览器（包括PhantomJS这些无界面的浏览器）。

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 自己不带浏览器，不支持浏览器的功能，它需要与第三方浏览器结合在一起才能使用。但是我们有时候需要让它内嵌在代码中运行，所以我们可以用一个叫 PhantomJS 的工具代替真实的浏览器。

可以从 PyPI 网站下载 Selenium库https://pypi.python.org/simple/selenium
也可以用第三方管理器 pip用命令安>装：sudo pip install selenium
Selenium 官方参考文档：http://selenium-python.readthedocs.io/index.html

PhantomJS

PhantomJS 是一个基于Webkit的“无界面”(headless)浏览器，它会把网站加载到内存并执行页面上的 JavaScript，因为不会展示图形界面，所以运行起来比完整的浏览器要高效。

如果我们把 Selenium 和 PhantomJS 结合在一起，就可以运行一个非常强大的网络爬虫了，这个爬虫可以处理 JavaScrip、Cookie、headers，以及任何我们真实用户需要做的事情。

PhantomJS 是一个功能完善(虽然无界面)的浏览器而非一个 Python 库，所以它不需要像 Python 的其他库一样安装，
但我们可以通过Selenium调用PhantomJS来直接使用。

在Ubuntu16.04中可以使用命令安装：sudo apt-get install phantomjs
如果其他系统无法安装，可以从它的官方网站http://phantomjs.org/download.html) 下载。

PhantomJS 官方参考文档：http://phantomjs.org/documentation

Selenium常用操作

导入 webdriver

from selenium import webdriver

调用键盘按键操作时需要引入的Keys包

from selenium.webdriver.common.keys import Keys

调用环境变量指定的PhantomJS浏览器创建浏览器对象

driver = webdriver.PhantomJS()

如果没有在环境变量指定PhantomJS位置

driver = webdriver.PhantomJS(executable_path="./phantomjs"))

请求网址

driver.get("http://www.baidu.com/")

获取页面名为 wrapper的id标签的文本内容

data = driver.find_element_by_id("wrapper").text

打印数据内容

print(data)

打印网址页面标题

print(driver.title)

生成当前页面快照并保存

driver.save_screenshot("baidu.png")

id="kw"是百度搜索输入框

driver.find_element_by_id("kw").send_keys(u"长城")

id="su"是百度搜索按钮，click() 是模拟点击

driver.find_element_by_id("su").click()

获取新的页面快照

driver.save_screenshot("长城.png")

打印网页渲染后的源代码

print(driver.page_source)

获取当前页面Cookie

print(driver.get_cookies())

ctrl+a 全选输入框内容

driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'a')

ctrl+x 剪切输入框内容

driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'x')

输入框重新输入内容

driver.find_element_by_id("kw").send_keys("itcast")

模拟Enter回车键

driver.find_element_by_id("su").send_keys(Keys.RETURN)

清除输入框内容

driver.find_element_by_id("kw").clear()

生成新的页面快照

driver.save_screenshot("itcast.png")

获取当前url

print(driver.current_url)

关闭当前页面，如果只有一个页面，会关闭浏览器

driver.close()

关闭浏览器

driver.quit()

Selenium页面元素操作

Selenium 的 WebDriver提供了各种方法来寻找元素，假设下面有一个表单输入框：

<input type="text" name="user-name" id="passwd-id" />

那么：

# 获取id标签值
element = driver.find_element_by_id("passwd-id")
# 获取name标签值
element = driver.find_element_by_name("user-name")
# 获取标签名值
element = driver.find_elements_by_tag_name("input")
# 也可以通过XPath来匹配
element = driver.find_element_by_xpath("//input[@id='passwd-id']")

定位UI元素 (WebElements)

关于元素的选取，有如下的API 单个元素选取

find_element_by_id
find_elements_by_name
find_elements_by_xpath
find_elements_by_link_text
find_elements_by_partial_link_text
find_elements_by_tag_name
find_elements_by_class_name
find_elements_by_css_selector

find_element_by_id

<div id="coolestWidgetEvah">...</div>

实现：

element = driver.find_element_by_id("coolestWidgetEvah")
------------------------ or -------------------------
from selenium.webdriver.common.by import By
element = driver.find_element(by=By.ID, value="coolestWidgetEvah")

find_elements_by_name

<div class="cheese"><span>Cheddar</span></div><div class="cheese"><span>Gouda</span></div>

实现：

cheeses = driver.find_elements_by_class_name("cheese")
------------------------ or -------------------------
from selenium.webdriver.common.by import By
cheeses = driver.find_elements(By.CLASS_NAME, "cheese")

find_elements_by_tag_name

<iframe src="..."></iframe>

实现：

frame = driver.find_element_by_tag_name("iframe")
------------------------ or -------------------------
from selenium.webdriver.common.by import By
frame = driver.find_element(By.TAG_NAME, "iframe")

find_elements_by_name

<input name="cheese" type="text"/>

实现：

cheese = driver.find_element_by_name("cheese")
------------------------ or -------------------------
from selenium.webdriver.common.by import By
cheese = driver.find_element(By.NAME, "cheese")

find_elements_by_link_text

<a href="http://www.google.com/search?q=cheese">cheese</a>

实现：

cheese = driver.find_element_by_link_text("cheese")
------------------------ or -------------------------
from selenium.webdriver.common.by import By
cheese = driver.find_element(By.LINK_TEXT, "cheese")

find_elements_by_partial_link_text

<a href="http://www.google.com/search?q=cheese">cheese  you</a>

实现：

cheese = driver.find_element_by_partial_link_text("cheese")
------------------------ or -------------------------
from selenium.webdriver.common.by import By
cheese = driver.find_element(By.PARTIAL_LINK_TEXT, "cheese")

find_elements_by_css_selector

<div id="food"><span class="dairy">milk</span><span class="dairy aged">cheese</span></div>

实现：

cheese = driver.find_element_by_css_selector("#food span.dairy.aged")
------------------------ or -------------------------
from selenium.webdriver.common.by import By
cheese = driver.find_element(By.CSS_SELECTOR, "#food span.dairy.aged")

find_elements_by_xpath

<input type="text" name="example" />
<INPUT type="text" name="other" />

实现：

inputs = driver.find_elements_by_xpath("//input")
------------------------ or -------------------------
from selenium.webdriver.common.by import By
inputs = driver.find_elements(By.XPATH, "//input")

鼠标动作链

有些时候，我们需要再页面上模拟一些鼠标操作，比如双击、右击、拖拽甚至按住不动等，我们可以通过导入 ActionChains 类来做到：

#导入 ActionChains 类
from selenium.webdriver import ActionChains

# 鼠标移动到 ac 位置
ac = driver.find_element_by_xpath('element')
ActionChains(driver).move_to_element(ac).perform()


# 在 ac 位置单击
ac = driver.find_element_by_xpath("elementA")
ActionChains(driver).move_to_element(ac).click(ac).perform()

# 在 ac 位置双击
ac = driver.find_element_by_xpath("elementB")
ActionChains(driver).move_to_element(ac).double_click(ac).perform()

# 在 ac 位置右击
ac = driver.find_element_by_xpath("elementC")
ActionChains(driver).move_to_element(ac).context_click(ac).perform()

# 在 ac 位置左键单击hold住
ac = driver.find_element_by_xpath('elementF')
ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()

# 将 ac1 拖拽到 ac2 位置
ac1 = driver.find_element_by_xpath('elementD')
ac2 = driver.find_element_by_xpath('elementE')
ActionChains(driver).drag_and_drop(ac1, ac2).perform()

填充表单

有时候我们会碰到标签的下拉框。直接点击下拉框中的选项不一定可行。

<select id="status" class="form-control valid" onchange="" name="status">
    <option value=""></option>
    <option value="0">未审核</option>
    <option value="1">初审通过</option>
    <option value="2">复审通过</option>
    <option value="3">审核不通过</option>
</select>

Selenium专门提供了Select类来处理下拉框。其实 WebDriver 中提供了一个叫 Select 的方法，可以帮助我们完成这些事情：

# 导入 Select 类
from selenium.webdriver.support.ui import Select

# 找到 name 的选项卡
select = Select(driver.find_element_by_name('status'))

select.select_by_index(1)
select.select_by_value("0")
select.select_by_visible_text(u"未审核")

以上是三种选择下拉框的方式，它可以根据索引来选择，可以根据值来选择，可以根据文字来选择。注意：

index 索引从 0 开始
value是option标签的一个属性值，并不是显示在下拉框中的值
visible_text是在option标签文本的值，是显示在下拉框的值

全部取消选择:

select.deselect_all()

弹窗处理

当你触发了某个事件之后，页面出现了弹窗提示，处理这个提示或者获取提示信息方法如下：

alert = driver.switch_to_alert()

页面切换

一个浏览器肯定会有很多窗口，所以我们肯定要有方法来实现窗口的切换。切换窗口的方法如下：

driver.switch_to.window("this is window name")

也可以使用 window_handles 方法来获取每个窗口的操作对象。例如：

for handle in driver.window_handles:
    driver.switch_to_window(handle)

页面前进和后退

操作页面的前进和后退功能：

driver.forward()     # 前进
driver.back()        # 后退

Cookies

获取页面每个Cookies值，用法如下

for cookie in driver.get_cookies():
    print "%s -> %s" % (cookie['name'], cookie['value'])

删除Cookies，用法如下

# By name
driver.delete_cookie("CookieName")

# all
driver.delete_all_cookies()

页面等待

显式等待

显式等待指定某个条件，然后设置最长等待时间。如果在这个时间还没有找到元素，那么便会抛出异常了。

from selenium import webdriver
from selenium.webdriver.common.by import By
# WebDriverWait 库，负责循环等待
from selenium.webdriver.support.ui import WebDriverWait
# expected_conditions 类，负责条件出发
from selenium.webdriver.support import expected_conditions as EC

driver = webdriver.Chrome()
driver.get("http://www.xxxxx.com/loading")
try:
    # 页面一直循环，直到 id="myDynamicElement" 出现
    element = WebDriverWait(driver, 10).until(
        EC.presence_of_element_located((By.ID, "myDynamicElement"))
    )
finally:
    driver.quit()

如果不写参数，程序默认会 0.5s 调用一次来查看元素是否已经生成，如果本来元素就是存在的，那么会立即返回。

隐式等待

隐式等待比较简单，就是简单地设置一个等待时间，单位为秒。
其背后的原理是，比如设置了10s等待，那么它会每隔一段时间查看是否加载到该元素，如果元素加载完成且可获取，那么就不是一等待10s,可能2s元素加载到位，程序就等待2s。

from selenium import webdriver

driver = webdriver.Chrome()
driver.implicitly_wait(10) # seconds
driver.get("http://www.xxxxx.com/loading")
myDynamicElement = driver.find_element_by_id("myDynamicElement")

当然如果不设置，默认等待时间为0。

posted @ 2021-07-03 20:12 言非阅读(448) 评论(0) 编辑收藏举报

刷新页面返回顶部

Loading

言非の博客

机器学习、复杂网络

Selenium和PhantomJS

Selenium

PhantomJS

Selenium常用操作

导入 webdriver

调用键盘按键操作时需要引入的Keys包

调用环境变量指定的PhantomJS浏览器创建浏览器对象

如果没有在环境变量指定PhantomJS位置

请求网址

获取页面名为 wrapper的id标签的文本内容

打印数据内容

打印网址页面标题

生成当前页面快照并保存

id="kw"是百度搜索输入框

id="su"是百度搜索按钮，click() 是模拟点击

获取新的页面快照

打印网页渲染后的源代码

获取当前页面Cookie

ctrl+a 全选输入框内容

ctrl+x 剪切输入框内容

输入框重新输入内容

模拟Enter回车键

清除输入框内容

生成新的页面快照

获取当前url

关闭当前页面，如果只有一个页面，会关闭浏览器

关闭浏览器

Selenium页面元素操作

定位UI元素 (WebElements)

find_element_by_id

find_elements_by_name

find_elements_by_tag_name

find_elements_by_name

find_elements_by_link_text

find_elements_by_partial_link_text

find_elements_by_css_selector

find_elements_by_xpath

鼠标动作链

填充表单

弹窗处理

页面切换

页面前进和后退

Cookies

页面等待

显式等待

隐式等待

公告