python尚硅谷爬虫Selenium

一、Selenium

1、什么是selenium

（1）Selenium是一个用于Web应用程序测试的工具。
（2）Selenium 测试直接运行在浏览器中，就像真正的用户在操作一样。
（3）支持通过各种driver（FirfoxDriver，IternetExplorerDriver，OperaDriver，ChromeDriver）驱动真实浏览器完成测试。
（4）selenium也是支持无界面浏览器操作的。`

2、为什么使用selenium

模拟浏览器功能，自动执行网页中的js代码，实现动态加载

3、如何安装selenium

• 操作谷歌浏览器驱动下载地址https://chromedriver.storage.googleapis.com/index.html
• 谷歌驱动和谷歌浏览器版本之间的映射表
• 查看谷歌浏览器版本 谷歌浏览器右上角‐‐>帮助‐‐>关于
• pip install selenium

4、selenium的使用步骤

• 基本使用

# 导入seleniumfrom selenium import webdriver

# 创建浏览器操作对象

path='D:\wendang\爬虫\chromedriver.exe'

browser=webdriver.Chrome(path)# 访问网址
url='https://www.jd.com'
browser.get(url)# page_source获取网页源码数据
content=browser.page_source
print(content)

• selenium的元素定位

from selenium import webdriver

path='D:\wendang\爬虫\chromedriver.exe'
browser=webdriver.Chrome(path)

url='https://www.baidu.com'
browser.get(url)#元素定位# 根据id找对象
button =browser.find_element_by_id('su')# print(button)# 根据标签的属性值来获取对象
button2=browser.find_elements_by_name('input')# print(button2)# 根据xpath语句获取对象
button3=browser.find_elements_by_xpath('//input[@id="su"]')print(button3)# 根据标签的名字来获取对象
button4=browser.find_element_by_tag_name('input')# 使用bs4的语法实现获取对象
button5=button4.find_element_by_css_selector('#su')# 获取连接文本
button6=browser.find_element_by_link_text('直播')

• 访问元素信息

from selenium import webdriver
path='D:\wendang\爬虫\chromedriver.exe'
browser=webdriver.Chrome(path)

url='https://www.baidu.com'
browser.get(url)# 获取标签的属性input=browser.find_element_by_id('su')print(input.get_attribute('class'))print(input.tag_name)# 获取文本
a=browser.find_element_by_link_text('新闻')print(a.text)

• 交互

from selenium import webdriver
path='D:\wendang\爬虫\chromedriver.exe'
browser=webdriver.Chrome(path)

url='https://www.baidu.com'
browser.get(url)import time
time.sleep(2)# 获取文本框的对象input=browser.find_element_by_id('kw')# 文本框中输入蔡徐坤input.send_keys('蔡徐坤')
time.sleep(2)# 获取百度一下按钮
button=browser.find_element_by_id('su')# 点击按钮
button.click()
time.sleep(2)# 划到底部的滑动
js_botton='document.documentElement.scrollTop=10000'
browser.execute_script(js_botton)

time.sleep(2)# 获取下一页按钮next=browser.find_element_by_xpath('//a[@class="n"]')# 点击下一页next.click()
time.sleep(2)# 回到上一页
browser.back()
time.sleep(2)# 回去
browser.forward()
time.sleep(3)# 退出
browser.quit()

二、Phantomjs

• 下载方式：PhantomJS 只能从它的官方网站下载，因为 PhantomJS 是一个功能完善的无界面浏览器而并非一个 Python 库，所以 PhantomJS 不像 Python 的其他库一样使用 pip 命令安装。
• 使用方式：下载 PhantomJS 压缩包后解压得到 phantomjs.exe，把 phantomjs.exe 放到 python 当前项目目录下，通过Selenium调用PhantomJS来直接使用。

下载地址

from selenium import webdriver

path ='phantomjs.exe'
browser = webdriver.PhantomJS(path)

url ='https://www.baidu.com'
browser.get(url)# browser.save_screenshot('baidu.jpg')

三、Chrome handless

Chrome-headless 模式， Google 针对 Chrome 浏览器 59版 新增加的一种模式，可以让你不打开UI界面的情况下使用 Chrome 浏览器，所以运行效果与 Chrome 保持完美一致。

• 系统要求

• 基本使用配置from selenium import webdriverfrom selenium.webdriver.chrome.options import Optionschrome_options = Options()chrome_options.add_argument('headless')chrome_options.add_argument('disable‐gpu')# 设置为自己chrome.exe的系统路径path =r'C:\Program Files\Google\Chrome\Application\chrome.exe'chrome_options.binary_location = pathbrowser = webdriver.Chrome(chrome_options=chrome_options)url='https://www.baidu.com'browser.get(url)# browser.save_screenshot('baidu.png')# 封装defshare_browser(): chrome_options = Options() chrome_options.add_argument('headless') chrome_options.add_argument('disable‐gpu')# 设置为自己chrome.exe的系统路径 path =r'C:\Program Files\Google\Chrome\Application\chrome.exe' chrome_options.binary_location = path browser = webdriver.Chrome(chrome_options=chrome_options)return browserbrowser=share_browser()如果出现TypeError: init() got an unexpected keyword argument ‘chrome_options’报错是因为你的selenium版本过高，把chrome_options换成options就行了