自动化爬虫selenium基础教程

一、前期准备

1、在终端进行selenium的安装

pip install selenium

2、下载一个浏览器的驱动程序

这里使用谷歌浏览器，点这下载谷歌浏览器驱动

注意：需要选择对应自己电脑浏览器的版本。

3、将下载好的谷歌浏览器驱动程序移动到当前项目下（可不用移动，填写路径）

二、基础操作

1、实例化一个浏览器对象

from selenium import webdriver

# 实例化一个浏览器对象（传入浏览器的驱动程序）
driver = webdriver.Chrome(executable_path='./chromedriver.exe')

2、对url发起请求

# 对url发起请求
driver.get('URL')

3、标签定位

此处以搜索框为例，获取其id，使用find_element_by_id()对其定位。

# 标签定位
search_input = driver.find_element_by_id('id')

如果是class：

# 标签定位
search_input = driver.find_element_by_class_name('className')

4、标签交互

使用send_keys在搜索框中输入需要搜索的关键字。

# 标签交互
search_input.send_keys('CSDN')

5、点击按钮

点击搜索按钮，在浏览器中使用开发者工具定位搜索按钮的id，click() 进行点击。

# 点击搜索按钮
btn = driver.find_element_by_id('id')
btn.click()

6、回退、前进和关闭

# 回退
driver.back()

# 前进
driver.forward()

# 关闭浏览器
driver.quit()

7、解析数据

# 导包
from selenium import webdriver
from lxml import etree
from time import sleep

# 实例化一个浏览器对象（传入浏览器的驱动程序）
driver = webdriver.Chrome(executable_path='./chromedriver.exe')
# 发起一个指定url请求
driver.get('URL')

# 获取浏览器当前页面的页面源码数据
page_text = driver.page_source

# 解析详细数据
tree = etree.HTML(page_text)
li_list = tree.xpath('xpath路径')
for li in li_list:
    name = li.xpath('以li_list下的xpath路径')[0]
    print(name)

sleep(5)
driver.quit()

8、执行JavaScript程序

这里执行JavaScript程序使得浏览器向下滚动一屏距离。

# 执行一组JavaScript程序
driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')

9、实现无可视化界面的操作（无头浏览器）

# 实现无可视化界面的操作
chrome_options = Options()
chrome_options.add_argument('--headless')
chrome_options.add_argument('--disable-gpu')

driver = webdriver.Chrome(executable_path='./chromedriver.exe', options=chrome_options)

10、实现规避检测（去除浏览器识别）

# 实现规避检测
option = ChromeOptions()
option.add_experimental_option('excludeSwitches', ['enable-automation'])

driver = webdriver.Chrome(executable_path='./chromedriver.exe', options=option)

11、iframe的处理

如果定位的标签存在于iframe标签之中，则须使用switch_to.frame(id)，这里的id是iframe标签中的id。

这个在登录QQ空间时可以用到，想学的可以点这里去学习。

当然，不止是QQ空间又iframe标签，还有很多地方也是有的。

# 如果定位的标签是存在与iframe标签之中的则必须通过如下操作再进行标签定位
bro.switch_to.frame('iframeResult')  # 切换浏览器标签定位的作用域
div = bro.find_element_by_id('draggable')

12、动作链

鼠标动作：左键单击按住→拖动→释放

这就是动作链

这个可以用在很多登录验证的地方，那些需要滑动验证的，都可以去尝试一下。

from selenium import webdriver
from time import sleep
# 导入动作链对应的类
from selenium.webdriver import ActionChains

driver = webdriver.Chrome(executable_path='./chromedriver.exe')

driver.get('URL')

# 如果定位的标签是存在与iframe标签之中的则必须通过如下操作再进行标签定位
driver.switch_to.frame('iframeResult')  # 切换浏览器标签定位的作用域
div = driver.find_element_by_id('id')

# 动作链
action = ActionChains(driver)
# 点击长按指定的标签
action.click_and_hold(div)

# 这里可以不适用循环，看个人爱好
for i in range(5):
    # perform()立即执行动作链操作
    # move_by_offset(x, y):x水平方向  y竖直方向
    action.move_by_offset(20, 0).perform()
    sleep(0.5)

# 释放动作链
action.release()

sleep(2)

driver.quit()

13、解决特征识别

这个特征识别在很多地方都可以用得上，特别是12306登录滑块验证的时候，非常nice！

关于12306如何使用selenium登录可以点这里进行学习

# 解决特征识别
script = 'Object.defineProperty(navigator, "webdriver", {get: () => false,});'
bro.execute_script(script)

不懂或有疑问等任何问题还请私信或评论