【Python网络蜘蛛 · 9】：selenium模块【安装和配置环境变量教程、提取数据操作、无头模式】（附操作源码）

一、selenium的安装以及简单应用

我们以谷歌浏览器的chromedriver为例

1、在Python虚拟环境中安装selenium模块

pip/pip3 install selenium

2、下载版本符合的webdriver

以chrome谷歌浏览器为例

查看谷歌浏览器的版本

鼠标点击右上角的竖排的三个点，然后选择“帮助”，选择“关于 Google Chrome” ,进去之后即可查看谷歌浏览器的版本

访问下载chromedriver网站

访问chromedriver下载地址，点击进入不同版本的chromedriver下载页面

**点击notes.txt进入版本说明页面 **

** 查看chrome和chromedriver匹配的版本**

** 根据操作系统下载正确版本的chromedriver **

** 解压压缩包后获取python代码可以调用的谷歌浏览器的webdriver可执行文件 **

windows为 chromedriver.exe

linux和macos为 chromedriver

** chromedriver环境的配置**

windows环境下需要将 chromedriver.exe 所在的目录设置为path环境变量中的路径

linux/mac环境下，将 chromedriver 所在的目录设置到系统的PATH环境值中

3、chromedriver环境配置的教程

windows环境下将 chromedriver.exe 所在的目录设置为path环境变量中的路径的过程

鼠标右键点击“Google Chrome” ，然后点击“打开文件所在位置”
复制 chrome.exe 所在的文件路径

接着打开“控制面板” 搜索输入 “环境变量” 并搜索，然后点击 “编辑系统环境变量”

二、selenium的简单使用

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。

Selenium 可以直接调用浏览器，它支持所有主流的浏览器（包括PhantomJS这些无界面的浏览器），可以接收指令，让浏览器自动加载页面，获取需要的数据，甚至页面截屏等。

我们可以使用selenium很容易完成之前编写的爬虫，接下来我们就来看一下selenium的运行效果

接下来我们就通过代码来模拟百度搜索（展示效果）

import time 
from selenium import webdriver 

# 通过指定chromedriver的路径来实例化driver对象，chromedriver放在当前目录。 
# driver = webdriver.Chrome(executable_path='./chromedriver') 
# 这里的chromedriver已经添加环境变量 
driver = webdriver.Chrome() 

# 控制浏览器访问url地址 
driver.get("https://www.baidu.com/") 
time.sleep(3)
# 在百度搜索框中搜索'python' 
driver.find_element_by_id('kw').send_keys('python') 
# 点击'百度搜索' 
driver.find_element_by_id('su').click() 
time.sleep(6) 
# 退出浏览器 
driver.quit()

运行结果

webdriver.Chrome(executable_path='./chromedriver') 中executable参数指定的是下载好的

chromedriver文件的路径

driver.find_element_by_id('kw').send_keys('python') 定位id属性值是'kw'的标签，并向其中输入字符串'python'

driver.find_element_by_id('su').click() 定位id属性值是su的标签，并点击

click函数作用是：触发标签的js的click事件

三、selenium提取数据

1、driver对象常用的属性和方法

在使用selenium过程中，实例化driver对象后，driver对象有一些常用的属性和方法

driver.page_source 获取当前标签页浏览器渲染之后的网页源代码
driver.current_url获取当前标签页的url
driver.close() 关闭当前标签页，如果只个一个标签页则关闭整个浏览器
driver.quit() 关闭浏览器
driver.forward() 页面前进
driver.back() 页面后退
driver.screen_shot(img_name) 页面截图

示例

打印当前标签页的url

import time
from selenium import webdriver

driver = webdriver.Chrome()
# 控制浏览器访问url地址
driver.get("https://www.baidu.com/")
time.sleep(3)
# 打印当前标签页的url
print(driver.current_url)
driver.quit()

运行结果：

2、driver对象定位标签元素获取标签对象的方法

在selenium中可以通过多种方式来定位标签，返回标签元素对象

方式****功能
find_element_by_id

返回一个元素

find_element(s)_by_class_name

根据类名获取元素列表

find_element(s)_by_name

  根据标签的name属性值返回包含标签对象元素的列表

find_element(s)_by_xpath

返回一个包含元素的列表

find_element(s)_by_link_text

根据连接文本获取元素列表

find_element(s)_by_partial_link_text

根据链接包含的文本获取元素列表

find_element(s)_by_tag_name

根据标签名获取元素列表

find_element(s)_by_css_selector

   根据css选择器来获取元素列表

注意

find_element 和 find_elements 的区别：

多了个s就返回列表，没有s就返回匹配到的第一个标签对象

find_element匹配不到就抛出异常，find_elements匹配不到就返回空列表

by_link_text和by_partial_link_tex的区别：全部文本和包含某个文本

以上函数的使用方法：

driver.find_element_by_id('id_str')

id_str是id值

示例

接下来我们就通过代码来模拟百度搜索（具体讲解）

首先我们先打开百度页面，然后点击网页检查，定位搜索框，可以看见搜索框的input标签的id值为kw

于是开始编写基础代码
通过driver.get()获取网页
通过find_element_by_id('kw')定位搜索框
通过 .send_keys('python') 向搜索框输入搜索信息

import time
from selenium import webdriver

driver = webdriver.Chrome()

# 控制浏览器访问url地址
driver.get("https://www.baidu.com/")
time.sleep(3)
# 在百度搜索框中搜索'python'
driver.find_element_by_id('kw').send_keys('python')

再定位搜索按钮：“百度一下” ，其id值为su

完善代码，通过 .click() 实现点击搜索

import time
from selenium import webdriver

driver = webdriver.Chrome()

# 控制浏览器访问url地址
driver.get("https://www.baidu.com/")
time.sleep(3)
# 在百度搜索框中搜索'python'
driver.find_element_by_id('kw').send_keys('python')
# 点击'百度搜索'
driver.find_element_by_id('su').click()
time.sleep(6)
# 退出浏览器
driver.quit()

运行结果

3、标签对象提取文本内容和属性值

find_element仅仅能够获取元素，不能够直接获取其中的数据，如果需要获取数据需要使用以下方法

对元素执行点击操作：element.click()

对定位到的标签对象进行点击操作

向输入框输入数据：element.send_keys(data)

对定位到的标签对象输入数据

获取文本：element.text

通过定位获取的标签对象的 text 属性，获取文本内容

获取属性值：element.get_attribute("属性名")

通过定位获取的标签对象的 get_attribute 函数，传入属性名，来获取属性的值

示例

获取 “百度一下” 搜索按钮的value属性值

import time
from selenium import webdriver

driver = webdriver.Chrome()

# 控制浏览器访问url地址
driver.get("https://www.baidu.com/")
time.sleep(3)
# 点击'百度搜索'，用ele变量接受获取的元素
ele = driver.find_element_by_id('su')
print(ele.get_attribute('value'))
time.sleep(6)
# 退出浏览器
driver.quit()

运行结果

四、selenium无头模式

我们知道，当我们利用 dirver.get() 获取网页时会自动打开一个网页，但是有时候我们可能不需要通过打开浏览器获取数据，于是就可以通过给driver对象设置无头模式。

# 给driver对象设置无头模式
op = webdriver.ChromeOptions()
op.add_argument('--headless')
driver = webdriver.Chrome(options=op)

标签： python 爬虫 selenium

本文转载自: https://blog.csdn.net/Oh_Python/article/details/123579902
版权归原作者 IT工藤新一 所有，如有侵权，请联系我们删除。