python 爬虫 入门 六、Selenium

   Selenium本来是一个自动测试工具，用于模拟用户对网站进行操作。在爬虫领域也有其用处。

一、下载安装Selenium及附属插件

pip install Selenium

    安装完成后还需要安装一个浏览器驱动，来让python能启动浏览器。

    如果是Edge或者其他基于Chromium的浏览器（如下面的百分浏览器），我们先查看Chromium版本号：

    这里以Edge为例，版本为126.0.2592.68，进入下面的网址，咱们就选最后一个，win版本，解压之后的exe文件就是我们需要的东西，你可以把它放在python解释器目录，项目目录或者其他你找得到的地方。

chromedriver.storage.googleapis.com/index.html

二、selenium的使用

（一）、第一个程序

先来试试第一个程序，它会使用edge打开百度（第一打开时间可能有点长（10s？），并且打开后不久就会自动关闭）然后输出抬头的数据：

import time

from selenium.webdriver import Edge   # Edge 可以换成 Chrome/Firefox(火狐)/Ie/BlackBerry······

url = 'http://www.baidu.com'
web = Edge()
web.get(url)
print(web.title)
time.sleep(50)

（二）、以站酷为例

    接下来，我们尝试模拟一下从站酷ZCOOL-设计师互动平台-打开站酷，发现更好的设计！中搜索"网站设计"，并打开第一个和第二个文章的全过程

    在selenium中，我们所有操作，看到的都是已经经过js处理过的页面，也就是说，他是所见即所得。以站酷为例，站酷首页的文章都是二次请求得到的，源代码中没有，用以下代码就能清楚看到。会输出True False，如果不是的话，尝试更改文章名或者延长time.sleep时间，以保证网站完全加载。

import time

import requests
from selenium.webdriver import Edge  # Edge 可以换成 Chrome/Firefox(火狐)/Ie/BlackBerry······

headers = {
    # 用户代理，某些网站验证用户代理，微微改一下，如果提示要验证码之类的，使用它
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome"
                  "/118.0.0.0 Safari/537.36",
}

url = 'https://www.zcool.com.cn/'
web = Edge()
web.get(url)
# print(web.page_source)
time.sleep(8)
print('字体合集' in web.page_source)    # 字体合集是一个文章名
with requests.get(url=url, headers=headers) as resp:
    resp.encoding = "utf-8"  # 当页面乱码改这里
    # print(resp.text)
    print('字体合集' in resp.text)# 字体合集是一个文章名

需要模拟的行为流程

模拟代码

通过以下代码即可获取所需内容：通常来说，人怎么想，就怎么用selenium访问页面。

import time

from selenium.webdriver import Edge  # Edge 可以换成 Chrome/Firefox(火狐)/Ie/BlackBerry······
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys

url = 'https://www.zcool.com.cn/'
web = Edge()
web.get(url)
time.sleep(3)  # 等几秒使得网站完全加载
# 已经进入网站，找到搜索框，输入数据并回车搜索。
# By有By.ID、By.NAME、By.XPATH、By.CSS_SELECTOR等
search_box = web.find_element(By.XPATH, '//*[@id="headerSearchInput"]')  # 直接通过检查元素中的xpath获得位置
search_box.send_keys("网站设计")
# 方法一、点击搜索,
# search = web.find_element(By.CLASS_NAME, '_search-icon_1wwm7_457')
# search.click()
# 方法二，按下回车,也可以直接放一块：search_box.send_keys("网站设计",Keys.ENTER)
search_box.send_keys(Keys.ENTER)
time.sleep(3)
# 打开两个文章
img = web.find_element(By.XPATH, '//*[@id="__next"]/main/div/div/div[2]/section[2]/section/section/div[1]/div[1]')
img.click()
img = web.find_element(By.XPATH, '//*[@id="__next"]/main/div/div/div[2]/section[2]/section/section/div[2]/div[1]')
img.click()
time.sleep(2)
# 遇到不能按F12打开控制台和没有右键菜单的情况，应该是拦截了快捷键，点击地址栏然后按F12即可
# 切换窗口获得所需内容
web.switch_to.window(web.window_handles[1])
text = web.find_element(By.XPATH, '//*[@id="__next"]/main/div/section/div[1]')
print(text.text)
web.switch_to.window(web.window_handles[2])
text = web.find_element(By.XPATH, '//*[@id="__next"]/main/div/section/div[1]')
print(text.text)

(三)、其他代码

    selenium不太适合做能长久使用的脚本，但短时间内用一两次还是可以的，下面是一些以后可能用到的函数示例

from selenium.webdriver import Edge  # Edge 可以换成 Chrome/Firefox(火狐)/Ie/BlackBerry······
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.edge.options import Options
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.ui import WebDriverWait

opt = Options()
opt.add_argument("--disable-blink-features=AutomationControlled")  # 防止服务器知道是selenium打开的。

url = 'https://www.zhihu.com/'
web = Edge(options=opt)
web.get(url)
web.implicitly_wait(10)  # 隐式等待，接下来所有的查找都至少等10s，如果10s内查到了就继续，否则报错
el = WebDriverWait(web, 10, 0.5).until(  # 显示等待，浏览器等待10s每0.5s轮询一次，搜索，如果检测到返回元素
    EC.presence_of_element_located((By.NAME, '所需的name'))
)

ActionChains(web).move_to_element_with_offset(el, xoffset=255, yoffset=30)  # 模拟点击el元素向右255像素向下30像素的位置

总结：

    selenium优点自然是使用比较简单，怎么访问网站就怎么写代码即可，但是访问速度比较慢，需要等待页面JS加载。