爬虫学习-selenium工具使用

文章目录

前言

本博客仅做学习笔记，如有侵权，联系后即刻更改

科普：

参考网址

selenium工具使用

自动化测试工具：selenium引入

首先在pycharm里面下载安装相关模块

• pip install selenium

它要启动你电脑上的浏览器, 这就需要⼀个驱动程序来辅助

• Edge驱动安装导航
• Edge驱动运行异常解决

# 能不能让我的程序连接到浏览器 . 让浏览器来完成各种复杂的操作, 我们只接受最终的结果# selenium: 自动化测试工具# 可以: 打开浏览器. 然后像人一样去操作浏览器# 程序员可以从selenium中直接提取网页上的各种信息# 让selenium启动Edge浏览器from selenium.webdriver import Edge

# msedgedriver.exe下载后放到浏览器的目录下# # 1.创建浏览器对象
web = Edge("C:\Program Files (x86)\Microsoft\Edge\Application\msedgedriver.exe")# 2.打开一个网址
web.get("http://www.baidu.com")print(web.title)

相关操作

进入拉勾网查询python相关岗位

• 查找和获取网页相关位置内容的xpath
• 点击按钮和输入相关文本

from selenium.webdriver import Edge
from selenium.webdriver.common.keys import Keys

import time

web = Edge("C:\Program Files (x86)\Microsoft\Edge\Application\msedgedriver.exe")

web.get("http://lagou.com")# 找到某个元素. 点击它
el = web.find_element_by_xpath('//*[@id="cboxClose"]')
el.click()# 点击事件

time.sleep(1)# 让浏览器缓一会儿# 找到输入框. 输入python  =>  输入回车/点击搜索按钮
web.find_element_by_xpath('//*[@id="search_input"]').send_keys("python", Keys.ENTER)

time.sleep(1)# 查找存放数据的位置. 进行数据提取# 找到页面中存放数据的所有的li
li_list = web.find_elements_by_xpath('//*[@id="s_position_list"]/ul/li')for li in li_list:
    job_name = li.find_element_by_tag_name("h3").text
    job_price = li.find_element_by_xpath("./div/div/div[2]/div/span").text
    company_name = li.find_element_by_xpath('./div/div[2]/div/a').text
    print(company_name, job_name, job_price)

窗口跳转

from selenium.webdriver import Chrome
from selenium.webdriver.common.keys import Keys
import time
web = Chrome()# web.get("http://lagou.com")## web.find_element_by_xpath('//*[@id="cboxClose"]').click()## time.sleep(1)## web.find_element_by_xpath('//*[@id="search_input"]').send_keys("python", Keys.ENTER)## time.sleep(1)## web.find_element_by_xpath('//*[@id="s_position_list"]/ul/li[1]/div[1]/div[1]/div[1]/a/h3').click()## # 如何进入到进窗口中进行提取# # 注意, 在selenium的眼中. 新窗口默认是不切换过来的.# web.switch_to.window(web.window_handles[-1])## # 在新窗口中提取内容# job_detail = web.find_element_by_xpath('//*[@id="job_detail"]/dd[2]/div').text# print(job_detail)## # 关掉子窗口# web.close()# # 变更selenium的窗口视角. 回到原来的窗口中# web.switch_to.window(web.window_handles[0])# print(web.find_element_by_xpath('//*[@id="s_position_list"]/ul/li[1]/div[1]/div[1]/div[1]/a/h3').text)# 如果页面中遇到了 iframe如何处理
web.get("https://www.91kanju.com/vod-play/541-2-1.html")# 处理iframe的话. 必须先拿到iframe. 然后切换视角到iframe . 再然后才可以拿数据
iframe = web.find_element_by_xpath('//*[@id="player_iframe"]')
web.switch_to.frame(iframe)# 切换到iframe# web.switch_to.default_content()  # 切换回原页面
tx = web.find_element_by_xpath('//*[@id="main"]/h3[1]').text
print(tx)

无头浏览器(后台运行)

from selenium.webdriver import Chrome
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.support.select import Select
import time

# 准备好参数配置
opt = Options()
opt.add_argument("--headless")
opt.add_argument("--disbale-gpu")

web = Chrome(options=opt)# 把参数配置设置到浏览器中

web.get("https://www.endata.com.cn/BoxOffice/BO/Year/index.html")

time.sleep(2)# # 定位到下拉列表# sel_el = web.find_element_by_xpath('//*[@id="OptionDate"]')# # 对元素进行包装, 包装成下拉菜单# sel = Select(sel_el)# # 让浏览器进行调整选项# for i in range(len(sel.options)):  # i就是每一个下拉框选项的索引位置#     sel.select_by_index(i)  # 按照索引进行切换#     time.sleep(2)#     table = web.find_element_by_xpath('//*[@id="TableList"]/table')#     print(table.text)  # 打印所有文本信息#     print("===================================")## print("运行完毕.  ")# web.close()# 如何拿到页面代码Elements(经过数据加载以及js执行之后的结果的html内容)print(web.page_source)

超级鹰(破解验证码)

from selenium.webdriver import Chrome
from chaojiying import Chaojiying_Client
import time

web = Chrome()

web.get("http://www.chaojiying.com/user/login/")# 处理验证码
img = web.find_element_by_xpath('/html/body/div[3]/div/div[3]/div[1]/form/div/img').screenshot_as_png
chaojiying = Chaojiying_Client('18614075987','6035945','914467')
dic = chaojiying.PostPic(img,1902)
verify_code = dic['pic_str']# 向页面中填入用户名, 密码, 验证码
web.find_element_by_xpath('/html/body/div[3]/div/div[3]/div[1]/form/p[1]/input').send_keys("18614075987")
web.find_element_by_xpath('/html/body/div[3]/div/div[3]/div[1]/form/p[2]/input').send_keys("6035945")
web.find_element_by_xpath('/html/body/div[3]/div/div[3]/div[1]/form/p[3]/input').send_keys(verify_code)

time.sleep(5)# 点击登录
web.find_element_by_xpath('/html/body/div[3]/div/div[3]/div[1]/form/p[4]/input').click()

处理12306登陆验证

from selenium.webdriver import Chrome
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.chrome.options import Options

from chaojiying import Chaojiying_Client
import time

# 初始化超级鹰
chaojiying = Chaojiying_Client('18614075987','6035945','914467')# 如果你的程序被识别到了怎么办?# 1.chrome的版本号如果小于88  在你启动浏览器的时候(此时没有加载任何网页内容), 向页面嵌入js代码. 去掉webdriver# web = Chrome()## web.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {#   "source": """#    navigator.webdriver = undefined#     Object.defineProperty(navigator, 'webdriver', {#       get: () => undefined#     })#   """# })# web.get(xxxxxxx)# 2.chrome的版本大于等于88
option = Options()# option.add_experimental_option('excludeSwitches', ['enable-automation'])
option.add_argument('--disable-blink-features=AutomationControlled')

web = Chrome(options=option)

web.get("https://kyfw.12306.cn/otn/resources/login.html")

time.sleep(2)
web.find_element_by_xpath('/html/body/div[2]/div[2]/ul/li[2]/a').click()
time.sleep(3)# 先处理验证码
verify_img_element = web.find_element_by_xpath('//*[@id="J-loginImg"]')# 用超级鹰去识别验证码
dic = chaojiying.PostPic(verify_img_element.screenshot_as_png,9004)
result = dic['pic_str']# x1,y1|x2,y2|x3,y3
rs_list = result.split("|")for rs in rs_list:# x1,y1
    p_temp = rs.split(",")
    x =int(p_temp[0])
    y =int(p_temp[1])# 要让鼠标移动到某一个位置. 然后进行点击# 醒了 -> 掀开被子 -> 坐起来 -> 穿鞋子  -> 穿衣服  -> 开始执行动作
    ActionChains(web).move_to_element_with_offset(verify_img_element, x, y).click().perform()

time.sleep(1)# 输入用户名和密码
web.find_element_by_xpath('//*[@id="J-userName"]').send_keys("123456789")
web.find_element_by_xpath('//*[@id="J-password"]').send_keys("12346789")# 点击登录
web.find_element_by_xpath('//*[@id="J-login"]').click()

time.sleep(5)# 拖拽
btn = web.find_element_by_xpath('//*[@id="nc_1_n1z"]')
ActionChains(web).drag_and_drop_by_offset(btn,300,0).perform()

总结

小小励志

有些事你现在不做，一辈子都不会做了。
如果你想做一件事，全世界都会为你让路。
《搭车去柏林》