【Python】WebUI自动化—Selenium的下载和安装、基本用法、项目实战（16）

文章目录

一.介绍

**Selenium 是一个用于测试

Web 应用程序

的自动化测试工具，它直接运行在

浏览器

中，实现了对浏览器的自动化操作，它支持所有主流的浏览器，包括

IE，Firefox，Safari，Chrome 等。

-支持所有主流平台（如，

Windows、Linux、IOS、Android、Edge、Opera

等）
实现了诸多

自动化功能

，比如软件自动化测试，检测软件与浏览器兼容性，自动录制、生成不同语言的测试脚本，以及自动化爬虫等。

Selenium 提供了一个工具集，包括 Selenium WebDriver（浏览器驱动）、Selenium IDE（录制测试脚本）、Selenium Grid（执行测试脚本）。后面两个主要用于测试脚本的录制、执行，因此不做介绍。我们只对 Selenium WebDriver 做重点讲解。 - 关于 Selenium IDE/Grid 的相关知识可参考官网文档 - Selenium Grid 用于并行运行多个测试用例在不同的浏览器、操作系统和机器上。- Selenium IDE 提供简易的界面，允许用户通过录制和回放操作来创建和执行自动化测试脚本。支持多种浏览器，包括Chrome、Firefox和Safari等，可以在这些浏览器上进行测试。

二.下载安装selenium

Linux、Mac 用户执行以下命令即可：

pip install Selenium

Windows 用户执行以下命令即可实现安装：

python -m pip install selenium

除了命令安装，也可以通过官网下载 Selenium WebDriver 安装包

三.安装浏览器驱动

**Selenium 能够调用浏览器，必须通过

浏览器驱动

来实现。不同的浏览器需要使用不同驱动程序**

常见浏览器驱动下载地址如下- 谷歌浏览器 chromedrive：http://chromedriver.storage.googleapis.com/index.html- 火狐浏览器 geckodriver：https://github.com/mozilla/geckodriver/releases- IE 浏览器 IEDriver：http://selenium-release.storage.googleapis.com/index.html- chromedriver高于114版本的版本如115、116、117、118等，如何下载对应版本 - python编写的在windows下自动更新下载对应版本chromedriver脚本
需要注意的是：各种浏览器的驱动安装方式基本一致。但安装Chrome、Firefox 驱动时，需要下载与浏览器版本相匹配的驱动程序，否则不能驱动浏览器。而 IE 较为特殊，您需要下载与 Selenium 版本相匹配的驱动文件，如下所示：

在这里插入图片描述

**以 Windows10 平台 Chrome 浏览器为例。先检查浏览器版本号，并下载相应驱动文件，然后解压文件，将

Chromedriver.exe

文件拷贝到

Python 安装目录的 Scripts

目录下，最后将其添加到

系统环境变量

中。**

查看 Python 安装路径：where python环境变量配置如下完成上述操作后，命令行启动驱动程序chromedriver- 开启成功后，驱动程序会在后台运行

四.QuickStart—自动访问百度

# 导入seleinum webdriver接口from selenium import webdriver
import time
# 创建Chrome浏览器对象
browser = webdriver.Chrome()#访问百度网站
browser.get('http://www.baidu.com/')#阻塞3秒
time.sleep(3)# 自动退出浏览器
browser.quit()

如下所示
在这里插入图片描述

经过测试，说明安装浏览器驱动可正常工作。Selenium WebDriver 实现了许多操作浏览器功能。比如实现自动点击、自动输入、自动搜索、自动登录等等。
-毫不夸张的说，Selenium 自动化爬虫是一种万能的爬虫程序，它可以仿照人的样子去打开网站，并拿到你想要的数据，因此你无须在意反爬措施。不过它最致命的缺点就是效率很低，因为每次点击、输入等操作都需要花费一定的时间，因此它仅适用于小批量的数据抓取。

五.Selenium基本用法

1.定位节点

1.1.单个元素定位

Selenium 提供了 8 种定位单个节点的方法如下：

from selenium import webdriver
from selenium.webdriver.common.by import By
# 初始化浏览器为谷歌浏览器chr= webdriver.Chrome()#通过 xpath 表达式定位chr.find_element(By.XPATH,"//*[@id='search']")#通过 class 属性值定位chr.find_element(By.CLASS_NAME,"element_class_name")#通过 id 属性值定位chr.find_element(By.ID,"element_id")#通过 name 属性值定位chr.find_element(By.NAME,"element_name")#通过<a>标签内文本定位，即精准定位。chr.find_element(By.LINK_TEXT,"element_link_text")#通过 css 选择器定位chr.find_element(By.CSS_SELECTOR,"element_css_selector")#    通过 tag 标签名定位chr.find_element(By.TAG_NAME,"element_tag_name")#通过<a>标签内部分文本定位，即模糊定位。chr.find_element(By.PARTIAL_LINK_TEXT,"element_partial_link_text")#旧版定位元素方法如下：#chr.find_element_by_name()    #chr.find_element_by_class_name()    #chr.find_element_by_tag_name()#chr.find_element_by_link_text()    #chr.find_element_by_partial_link_text()    #chr.find_element_by_xpath()    #chr.find_element_by_css_selector()

<html><head><bodylink="#cc0916"><aid="logo"href="http://www.baidu.com"onclick=""><formid="form"class="fm"name="f"action="baidu.com"><spanclass="btn"></span><inputid="kw"class="s_ipt_wr"name="wd"value=""maxlength="255"autocomplete="off"></body></head></html>

使用上面提供方法定位 input 输出框。如下所示：

from selenium import webdriver
from selenium.webdriver.common.by import By
# 创建browser是浏览器对象
browser = webdriver.Chrome()# 访问某个url得到上述代码片段
browser.get('url')# 通过id定义输入框
browser.find_element(By.ID,"kw")# 通过class定义
browser.find_element(By.CLASS_NAME,"s_ipt_wr")# 通过name定位
browser.find_element(By.NAME,"wd")# 通过tag name定位:
browser.find_element(By.TAG_NAME,"input")# 通过xpath定位
browser.find_element(By.XPATH,"//*[@id='kw']")# 通过css选择器定位
browser.find_element(By.CSS_SELECTOR,"#kw")

通过 a 标签内的文本内容定位节点，如下所示：

<a class="vip" href="http://www.baidu.com">百度123</a><a class="search" href="http://www.google.com">谷歌456</a>

#使用全部文本内容定位链接
browser.find_element(By.LINK_TEXT,"百度123")#使用部分文本内容定位链接
browser.find_element(By.PARTIAL_LINK_TEXT,"456")

1.2.多个元素定位

与单个元素的定位方式类似，把find_element改成

find_elements

即可，返回值是一个列表，您可以使用

for 循环

拿到所有的元素节点。

from selenium import webdriver
from selenium.webdriver.common.by import By
# 初始化浏览器为谷歌浏览器chr= webdriver.Chrome()chr.find_elements(By.CLASS_NAME,"element_class_name")chr.find_elements(By.ID,"element_id")

2.控制浏览器

Selenium 可以操控浏览器的窗口大小、刷新页面，以及控制浏览器的前进、后退等

2.1.设置浏览器窗口大小、位置

from selenium import webdriver

driver1 = webdriver.Chrome()
driver1.get("http://www.baidu.com")#参数数字为像素点
driver1.set_window_size(480,800)#设置窗口位置
driver1.set_window_position(100,200)#同时设置窗口的大小和坐标
driver1.set_window_rect(450,300,32,50)#退出浏览器
driver1.quit()

2.2.浏览器前进、刷新、后退、关闭

from selenium import webdriver
driver2 = webdriver.Chrome()# 访问C语言中文网首页
first_url='http://c.biancheng.net'
driver2.get(first_url)# 访问c语言教程
second_url='http://c.biancheng.net/c/'
driver2.get(second_url)# 返回（后退）到c语言中文网首页
driver2.back()# 前进到C语言教程页
driver2.forward()# 刷新当前页面相当于F5
driver2.refresh()# 退出/关闭浏览器
driver2.quit()

3.3.等待

什么是等待？

代码执行过程中，第一次未找到元素，先不抛出异常。激活等待时间，在等待过程中如果找到元素就执行。

为什么要等待？

由于网络或配置原因，导致元素未加载出来，而代码已执行，会触发异常。

元素等待类型

隐式等待
显式等待
强制等待—>time.slepp（秒）

**隐式等待（

针对全部元素生效

）**

定位元素时,如果能定位到元素则直接返回该元素, 不触发等待; - 如果不能定位到该元素,则间隔一段时间后再去定位元素;- 如果在达到最大时长时还没有找到指定元素,则抛出元素不存在的的异常NoSuchElementException
方法：driver.implicitly_wait(秒)

提示：在项目中，如果未封装自动化框架时，推荐使用。

显示等待(`针对单个元素生效``)

说明：针对单个元素生效，可以修改查找频率和超时时间。
特点：查找并返回元素。
用法from selenium.webdriver.support.wait import WebDriverWaitfrom selenium.webdriver.common.by import By#显式等待：返回查找到的元素el = WebDriverWait(driver,10,0.5).until(lambda x: x.find_element(By.XPATH,"/html/body/div[4]/div/div[2]/div[2]/ul/li[1]/div/div[1]/a/img"))el.click()

3.4.Frame

1.什么是frame框架？

在当前页面的指定区域显示另外一个页面的内容。

2.frame表单切换的方法

一般利用·id或name属性值切换·，有时frame标签没有id和name，则考虑·下标index和元素定位切换·。
切换到指定frame- 方法： driver.switch_to.frame(frame_reference) ： frame_reference可以为frame框架的name、id或者定位到的frame元素 - 通过id切换：driver.switch_to.frame(“id”)- 通过name切换：driver.switch_to.frame(“name”)- 通过index下标切换：driver.switch_to.frame(0)----第一个下标是0- 通过元素切换：element = driver.find_element(By.XPATH,'iframe')driver.switch_to.frame(element)
切换回默认页面- 方法：driver.switch_to.default_content()- 注意：必须先切换回默认页面，才可以继续在默认页面进行操作

代码示例

#获取注册A iframe元素
element_A = driver.find_element(By.CSS_SELECTOR,"#idframe1")#1、切换到A
driver.switch_to.frame(element_A)#2、注册A操作
driver.find_element(By.CSS_SELECTOR,"#userA").send_keys("admin")#3、回到默认目录
driver.switch_to.default_content()#4、获取注册B iframe元素
element_B = driver.find_element(By.CSS_SELECTOR,"#idframe2")#5、切换到B
driver.switch_to.frame(element_B)#6、注册B操作
driver.find_element(By.CSS_SELECTOR,"#userB").send_keys("admin")

3.5.多窗口

为什么要切换？- selenium默认启动时，所有焦点在启动窗口，无法操作其他窗口
如何切换？driver.current_window_handle #获取当前窗口句柄driver.window_handles # 获取所有窗口句柄driver.switch_to.window(handle[n])#切换指定句柄窗口- 注意：窗口句柄是一个唯一的标识符，可以用来定位浏览器的窗口。每次你打开一个新的窗口或标签，Selenium会为其创建一个新的窗口句柄.
示例# 1、获取浏览器（创建浏览器驱动对象）driver = webdriver.Chrome()# 2、输入URL，打开web页面driver.get("http://hmshop-test.itheima.net/Home/Goods/goodsList/id/5.html")driver.implicitly_wait(3)print("操作之前所有的窗口句柄：", driver.window_handles)driver.find_element(By.XPATH,"/html/body/div[4]/div/div[2]/div[2]/ul/li[1]/div/div[1]/a/img").click()handles = driver.window_handlesprint("操作之后所有的窗口句柄：", handles)# 切换窗口driver.switch_to.window(handles[1])# 将商品加入购物车driver.find_element(By.XPATH,"/html/body/div[3]/div/form/div/div[8]/div/a[2]").click()time.sleep(2)# 4、关闭浏览器驱动driver.quit()- 执行结果：
多窗口之间的切换工具封装：

'''
思路：
1、获取所有窗口句柄
2、切换窗口
3、获取当前所在窗口title
4、判断title是否为需要的窗口
5、执行代码
'''defswitch_window(title):# 1、获取所有窗口句柄
    handles = driver.window_handles
    # 2、遍历句柄进行切换for handle in handles:
        driver.switch_to.window(handle)# 获取当前窗口title并且判断是否为自己需要的窗口if driver.title == title:# 操作代码return"已找到{}窗口，并且已切换成功".format(title)# 1、获取浏览器（创建浏览器驱动对象）
driver = webdriver.Chrome()# 2、输入URL，打开web页面
driver.get("http://hmshop-test.itheima.net/Home/Goods/goodsList/id/5.html")
driver.implicitly_wait(3)
title_B ="77"
driver.find_element(By.XPATH,"/html/body/div[4]/div/div[2]/div[2]/ul/li[1]/div/div[1]/a/img").click()
switch_window(title_B)# 将商品加入购物车
driver.find_element(By.XPATH,"/html/body/div[3]/div/form/div/div[8]/div/a[2]").click()

3.6.元素定位不到怎么办

在这里插入图片描述

3.WebDriver常用方法

定位元素节点只是第一步，定位之后还需要对这个元素进行操作，比如

单击按钮，或者在输入框输入文本

，下面介绍 WebDriver 中的最常用方法：

# 请求url
get(url)# 模拟键盘输入文本
send_keys (value)# 清除已经输入的文本
clear()# 单击已经定位的元素
click()# 用于提交表单，比如百度搜索框内输入关键字之后的“回车” 操作
submit()#返回属性的属性值，返回元素的属性值，可以是id、name、type 或其他任意属性
get_attribute(name)# 返回布尔值，检查元素是否用户可见，比如 display属性为hidden或者none
is_displayed()

from selenium import webdriver

# 不自动关闭浏览器
option = webdriver.ChromeOptions()
option.add_experimental_option("detach",True)# 由于版本迭代，新版的selenium已经不再使用find_element_by_id方法。
driver3 = webdriver.Chrome(option)
driver3.get("https://www.baidu.com")#休眠
time.sleep(3)# 模拟键盘，输出文本
driver3.find_element(By.ID,'kw').send_keys("CSDN")#休眠
time.sleep(3)# 单击“百度”一下查找
driver3.find_element(By.ID,'su').click()#休眠
time.sleep(3)# 退出/关闭浏览器
driver3.quit()

WebDriver 还有一些常用属性，如下所示：

from selenium.webdriver.common.by import By
from selenium import webdriver

driver = webdriver.Chrome()
driver.get("https://www.baidu.com")#模拟键盘，输出文本
driver.find_element(By.ID,"kw").send_keys("CSDN")# 在源码中查找指定的字符串
driver.page_source.find('字符串')# 获取输入框的尺寸
size = driver.find_element(By.ID,'kw').size
print(size)#{'height': 38, 'width': 391}

4.Selenium事件处理

4.1.鼠标事件

Selenium WebDriver 将鼠标的操作封装在

 ActionChains

类中，使用时需要

引入 ActionChains 类

from selenium.webdriver.common.action_chains import ActionChains

常用方法：

ActionChains(driver)    构造 ActionChains 鼠标对象。
click()                    单击
click_and_hold(on_element=None)     单击鼠标左键，不松开
context_click()            右击
double_click()            双击
drag_and_drop()            拖动
move_to_element(above)    执行鼠标悬停操作
context_click()            用于模拟鼠标右键操作， 在调用时需要指定元素定位。
perform()                将所有鼠标操作提交执行。

如下示例

import time
from selenium import webdriver
#导入 ActionChains 类from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.by import By

driver = webdriver.Chrome()
driver.get("https://blog.csdn.net/qq877728715")# 通过xpath表达式定位到要悬停的元素
above = driver.find_element(By.XPATH,'//div[@class="extension_official"]')# 对定位到的元素执行鼠标悬停操作
ActionChains(driver).move_to_element(above).perform()#单击悬停元素
driver.find_element(By.XPATH,'//div[@class="extension_official"]').click()

time.sleep(5)
driver.quit()

4.2.键盘事件

Selenium WebDriver 的 Keys 模块提供了操作键盘的方法，如复制、粘贴，使用时需要

引入 Keys 类

from selenium.webdriver.common.keys import Keys

常用方法：

send_keys(Keys.BACK_SPACE)    删除键（BackSpace）
send_keys(Keys.SPACE)    空格键(Space)
send_keys(Keys.TAB)    制表键(Tab)
send_keys(Keys.ESCAPE)    回退键（Esc）
send_keys(Keys.ENTER)    回车键（Enter）
send_keys(Keys.CONTROL,'a'）    全选（Ctrl+A）
send_keys(Keys.CONTROL,'c')    复制（Ctrl+C）
send_keys(Keys.CONTROL,'x')    剪切（Ctrl+X）
send_keys(Keys.CONTROL,'v'）    粘贴（Ctrl+V）
send_keys(Keys.F1…Fn)    键盘 F1…Fn
keys.down(value,element=None)    按下键盘上的某个键
keys.up(value,element=None)    松开键盘上的某个键

如何调用方法

from selenium.webdriver import Keys
from selenium.webdriver.common.by import By
# 初始化浏览器为谷歌浏览器
driver = webdriver.Chrome()

driver.find_element(By.ID,"element_id").send_keys("Python教程")#输入指定内容
driver.find_element(By.ID,"element_id").send_keys(Keys.SPACE)#空格键(Space)
driver.find_element(By.ID,"element_id").send_keys(Keys.TAB)#制表键(TAB)
driver.find_element(By.ID,"element_id").send_keys(Keys.ESCAPE)#回退键(ESCAPE)
driver.find_element(By.ID,"element_id").send_keys(Keys.ENTER)#回车键(ENTER)# ctrl+x 剪切输入框内容
driver.find_element(By.ID,"element_id")send_keys(Keys.CONTROL,'x')# ctrl+v 粘贴内容到输入框
driver.find_element(By.ID,"element_id")send_keys(Keys.CONTROL,'v')# 使用回车键来代替单击操作click
driver.find_element(By.ID,"element_id")send_keys(Keys.ENTER)

示例如下：

import time
from selenium import webdriver
#导入 ActionChains 类from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.by import By
# 引入 Keys 模块from selenium.webdriver.common.keys import Keys
driver = webdriver.Chrome()
driver.get("https://blog.csdn.net/qq877728715")#单击元素，弹出隐藏框
driver.find_element(By.XPATH,'//div[@class="m-search-input"]').click()
time.sleep(1)# 输入框输入内容
driver.find_element(By.ID,"mSearchInput").send_keys("【Python】从入门到上头— 多线程（9）1")
time.sleep(1)# 删除多输入的"1"
driver.find_element(By.ID,"mSearchInput").send_keys(Keys.BACK_SPACE)
time.sleep(1)#单击搜索按钮
driver.find_element(By.CLASS_NAME,"m-search-sure").click()
time.sleep(3)

driver.quit()

5.无界面浏览器

Chromedriver 每一次运行都要打开浏览器，并执行相应的输入、搜索等操作，这样会导致

浏览器交互能力变差，浪费许多时间

。

Selenium 为了增强浏览器的交互能力，允许您使用无头浏览器模式，也就是无界面浏览器，它被广泛的应用于爬虫和自动化测试中。通过以下代码可以设置无头浏览器模式：import timefrom selenium import webdriverfrom selenium.webdriver.common.by import Byoptions = webdriver.ChromeOptions()options.add_argument('--headless')# 无界面浏览driver = webdriver.Chrome(options=options)driver.get("https://blog.csdn.net/qq877728715/article/details/127575556")# 单击元素，弹出隐藏框text = driver.find_element(By.XPATH,'//h1[@id="articleContentId"]').textprint(text)time.sleep(3)# 关闭当前界面，只有一个窗口driver.close()# 关闭所有界面driver.quit()

设置无头界面之外，Selenium 还支持其他一些浏览器参数设置

opption.add_argument('--window-size=600,600')#设置窗口大小
opption.add_argument('--incognito')#无痕模式
opption.add_argument('--disable-infobars')#去掉chrome正受到自动测试软件的控制的提示
opption.add_argument('user-agent="XXXX"')#添加请求头
opption.add_argument("--proxy-server=http://200.130.123.43:3456")#代理服务器访问
opption.add_experimental_option('excludeSwitches',['enable-automation'])#开发者模式
opption.add_argument('blink-settings=imagesEnabled=false')#禁止加载图片
opption.add_argument('lang=zh_CN.UTF-8')#设置默认编码为utf-8
opption.add_extension(create_proxyauth_extension(
           proxy_host='host',
           proxy_port='port',
           proxy_username="username",
           proxy_password="password"))# 设置有账号密码的代理
opption.add_argument('--disable-gpu')# 这个参数可以规避谷歌的部分bug
opption.add_argument('--disable-javascript')# 禁用javascript
opption.add_argument('--hide-scrollbars')# 隐藏滚动条

6.执行JS脚本

WebDriver 提供了

execute_script() 方法

来执行 JavaScript 代码，比如控制浏览器的滚动条。

步骤如下

1、方法：脚本名 = “window.scrollTo(x,y)”
                  x：左边距，控制左右滚动条
                  y：上边距，控制上下滚动条
                  单位：像素
                  边距数值：估算，不需要精确值
2、执行脚本：driver.execute_script(脚本名)

例如： 
#js->向下滚动#document.body.scrollHeight：动态获取浏览器页面布局大小
js_down ="window.scrollTo(0,document.body.scrollHeight)"
driver.execute_script(js_down)#js->向上滚动
js_top ="window.scrollTo(0,0)"
driver.execute_script(js_top)

实例如下

import time

from selenium import webdriver
from selenium.webdriver.common.by import By

driver = webdriver.Chrome()
driver.get("https://blog.csdn.net/qq877728715/article/list/1")# 最大化浏览器窗口
driver.maximize_window()
i =1whileTrue:# 将页面滚动条拖到底部# 执行js语句，拉动进度条件
    driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')# 给页面元素加载时预留时间
    time.sleep(2)# 判断是否是最一页(1说明没找到,不是最后一页,执行点击 “下一页” 操作)if driver.page_source.find('js-page-next js-page-action ui-pager ui-pager-disabled')==-1:
        i +=1
        driver.find_element(By.CLASS_NAME,'js-page-next').click()# 预留元素加载时间
        time.sleep(1)else:print('数量', i)break

time.sleep(5)# 关闭当前界面，只有一个窗口
driver.close()# 关闭所有界面
driver.quit()

7.在源码中查找指定的字符串

from selenium.webdriver import Keys
from selenium.webdriver.common.by import By
# 初始化浏览器为谷歌浏览器chr= webdriver.Chrome()chr.page_source.find('kw')# # 获取输入框的尺寸
size =chr.find_element(By.ID,'kw').size
print(size)

六.Selenium项目实战

任务：抓取京东（https://www.jd.com/）商品名称、商品价格、评论数量，以及商铺名称。比如输入搜索“裹胸”，则抓取如下数据：

1.实现自动搜索

实现自动输出、自动搜索是最基础的一步。首先定位

输入框的的节点

，其次定位

搜索按钮

节点，这与实现百度自动搜索思路一致，最关键就是要正确定位元素节点。

通过开发者调试工具检查相应的的位置，可得如下

 Xpath 表达式

：

输入框表达式：  //*[@id="key"]
搜索按钮表达式：//*[@class='form']/button

代码如下所示：

from selenium import webdriver
broswer=webdriver.Chrome()
broswer.get('https://www.jd.com/')
self.browser.find_element(By.XPATH,'//*[@id="key"]').send_keys('裹胸')
self.browser.find_element(By.XPATH,"//*[@class='form']/button").click()

2.滚动滑动条

实现了自动搜索后，接下来就是要抓取页面中的商品信息，而您会发现

只有将滑动条滚动至底部，商品才会全部加载完毕

。滚动滑轮操作的代码如下：

# scrollTo(xpos,ypos)# execute_script()执行js语句，拉动进度条件#scrollHeight属性，表示可滚动内容的高度
self.browser.execute_script('window.scrollTo(0,document.body.scrollHeight)'#拉动进度条至底部)

之后在通过 Xpath 表达式匹配所有商品，并将它们放入一个大列表中，通过循环列表取出每个商品，最后提取出想要的信息。

# 用 xpath 提取每页中所有商品，最终形成一个大列表
li_list = self.browser.find_elements(By.XPATH,'//*[@id="J_goodsList"]/ul/li')print("li_list_size",len(li_list))for li in li_list:# 构建空字典
    item ={}
    item['name']= li.find_element(By.XPATH,'.//div[contains(@class,"p-name")]').text.strip()
    item['price']= li.find_element(By.XPATH,'.//div[@class="p-price"]/strong').text.strip()
    item['count']= li.find_element(By.XPATH,'.//div[@class="p-commit"]/strong').text.strip()
    item['shop']= li.find_element(By.XPATH,'.//div[@class="p-shop"]').text.strip()print(item)
    self.i +=1

3.实现翻页抓取

如何实现翻页抓取数据，并判断数据数据已经抓取完毕呢？这其实并不难想到，我们可以先跳至终止页（即最后一页）。此时最后一页的“下一页”处于不可用状态，其元素节点如下：

终止页下一页class属性：<a class="pn-next disabled"><em>下一页</em><i>></i></a>
其他页下一页class属性：<a class="pn-next" onclick="SEARCH.page(3, true)"...><em>下一页</em><i>></i></a>

如果页面源码中有上述代码存在，则证明此页是最后一页，若没有则不是。因此通过 if …else 语句即可实现上述需求，如下所示：
纯文本复制

#-1说明没找到,不是最后一页,执行点击 “下一页” 操作if self.browser.page_source.find('pn-next disabled')==-1:
  self.browser.find_element(By.CLASS_NAME,'pn-next').click()

4.完整程序代码

# coding:utf8from selenium import webdriver
import time
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.by import By
# 引入 Keys 模块from selenium.webdriver.common.keys import Keys

classJdSpider(object):def__init__(self):
        self.url ='http://www.jd.com/'
        self.options = webdriver.ChromeOptions()# 无头模式
        self.options.add_argument('--headless')
        self.browser = webdriver.Chrome(options=self.options)# 创建无界面参数的浏览器对象
        self.i =0# 计数，一共有多少件商品# 输入地址+输入商品+点击按钮，切记这里元素节点是京东首页的输入栏、搜索按钮defget_html(self):
        self.browser.get(self.url)
        self.browser.find_element(By.XPATH,'//*[@id="key"]').send_keys('裹胸')
        self.browser.find_element(By.XPATH,"//*[@class='form']/button").click()#滚动滑动条# 把滚动条拉倒最底部+提取商品信息defget_data(self):# 执行js语句，拉动进度条件
        self.browser.execute_script('window.scrollTo(0,document.body.scrollHeight)')# 给页面元素加载时预留时间
        time.sleep(2)# 用 xpath 提取每页中所有商品，最终形成一个大列表
        li_list = self.browser.find_elements(By.XPATH,'//*[@id="J_goodsList"]/ul/li')print("li_list_size",len(li_list))for li in li_list:# 构建空字典
            item ={}
            item['name']= li.find_element(By.XPATH,'.//div[contains(@class,"p-name")]').text.strip()
            item['price']= li.find_element(By.XPATH,'.//div[@class="p-price"]/strong').text.strip()
            item['count']= li.find_element(By.XPATH,'.//div[@class="p-commit"]/strong').text.strip()
            item['shop']= li.find_element(By.XPATH,'.//div[@class="p-shop"]').text.strip()print(item)
            self.i +=1defrun(self):# 搜索出想要抓取商品的页面
        self.get_html()# 循环执行点击“下一页”操作whileTrue:# 获取每一页要抓取的数据
            self.get_data()# 判断是否是最一页(1说明没找到,不是最后一页,执行点击 “下一页” 操作)if self.browser.page_source.find('pn-next disabled')==-1:
                self.browser.find_element(By.CLASS_NAME,'pn-next').click()# 预留元素加载时间
                time.sleep(1)else:print('数量', self.i)breakif __name__ =='__main__':
    spider = JdSpider()
    spider.run()#Selenium 自动化爬虫让你无须关心网站的类型（静态或者动态），只需您按部就班的寻找元素节点，并依此点击，即可实现数据抓取。不过  Selenium 最大的缺点就是效率低，因此它只适合做小规模的数据采集工作。

标签： python 自动化 selenium

本文转载自: https://blog.csdn.net/qq877728715/article/details/133297479
版权归原作者 墩墩分墩 所有，如有侵权，请联系我们删除。