selenium介绍

由于requests模块不能执行js，有的页面内容，我们在浏览器中可以看到，但是请求下来没有。

selenium模块：模拟操作浏览器，完成人的行为。

selenium本质是通过驱动浏览器，完全模拟浏览器的操作，比如跳转、输入、点击、下拉等，来拿到网页渲染之后的结果，可支持多种浏览器。

模块安装：

pip install selenium

下载驱动

驱动浏览器需要下载相应的驱动，谷歌要下谷歌的驱动，火狐要下火狐的驱动，并且版本要与当前浏览器对应。

这里我选择谷歌浏览器，首先查看当前谷歌浏览器的版本：

版本：

下载驱动，地址：CNPM Binaries Mirror (npmmirror.com)，一定要下载对应的版本驱动，比如我谷歌浏览器版本为103.0.5060.134，就要下103.0.5060.134的驱动

下载对应操作系统即可。

基本使用

导入模块：

from selenium import webdriver

初始化(打开浏览器)：

browser = webdriver.Chrome(executable_path='驱动路径')

# 不写路径，要放到项目路径下或环境变量中
browser = webdriver.Chrome()

在地址栏输入地址：

browser.get('http://www.baidu.com')

关闭标签：

browser.close()

关闭浏览器：

browser.quit()

selenium用法

元素操作

操作浏览器页面中的标签。

1.搜索标签

新版本：by=根据什么查找，value=查找的值

• find_element(by, value)：找第一个
• find_elements(by, value)：找所有
  by的参数含义By.ID根据标签id属性查找By.LINK_TEXT根据a标签的文字查找By.PARTIAL_LINK_TEXT根据a标签的文字模糊匹配By.TAG_NAME根据标签名查找By.CLASS_NAME根据标签class属性查找By.NAME根据标签name属性查找By.CSS_SELECTOR根据css选择器查找By.XPATH根据xpath查找
  ```
  from selenium.webdriver.common.by import By

  查找网页中id为'login'的标签

  tag = browser.find_element(by=By.ID, value='login')

  查找网页中class为'login'的所有标签

  tags = browser.find_elements(By.CLASS_NAME, value='login')

  查找网页div标签中class属性为'dd'的标签

  tag = browser.find_element(by=By.CSS_SELECTOR, value='div .dd')

  查找网页中a标签文字为'登录'的标签

  tag = browser.find_element(by=By.LINK_TEXT, value='登录')

老版本：

browser.find_element_by_id() # 根据id
browser.find_element_by_link_text() # 根据a标签的文字
browser.find_element_by_partial_link_text() # 根据a标签的文字模糊匹配
browser.find_element_by_tag_name() # 根据标签名
browser.find_element_by_class_name() # 根据类名
browser.find_element_by_name() # 根据name属性
browser.find_element_by_css_selector() # css选择器

**2.点击标签**

查找网页中id为'login'的标签

tag = browser.find_element(by=By.ID, value='login')

标签点击

tag.click()

**3.向输入框中写内容**

tag = browser.find_element(by=By.ID, value='inputTag')
tag.send_keys('内容')

**4.清空**

tag = browser.find_element(by=By.ID, value='inputTag')
tag.clear()

**举例：打开百度搜索'博客园'：**

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

打开浏览器

browser = webdriver.Chrome()

输入网址进入

browser.get('http://www.baidu.com')

查找百度输入框

word = browser.find_element(By.ID, 'kw')

输入框添加内容

word.send_keys('博客园')

查找搜索按钮

btn = browser.find_element(By.ID, 'su')

点击搜索按钮

btn.click()

等待2秒关闭浏览器

import time
time.sleep(2)
browser.quit()

## 等待元素被加载

程序操作页面非常快，所以在取每个标签的时候，标签可能没有加载好，取标签时就会报错，所以需要设置等待时间。

如果标签找不到，就会等待，还找不到就会报错：

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

打开浏览器

browser = webdriver.Chrome()

找不到标签就等待2秒

browser.implicitly_wait(2)

输入网址进入

browser.get('http://www.baidu.com')

查找百度输入框

word = browser.find_element(By.ID, 'kw')

输入框添加内容

word.send_keys('博客园')

查找搜索按钮

btn = browser.find_element(By.ID, 'su')

点击搜索按钮

btn.click()

找到能进入博客园的a标签

cnblog = browser.find_element(By.LINK_TEXT, '博客园')

进入博客园

cnblog.click()

等待2秒关闭浏览器

import time
time.sleep(2)
browser.quit()

## 元素各项属性
标签对象调用含义标签对象.location标签所在位置标签对象.size标签大小(高宽)标签对象.id标签id号(随机给的)，不是id属性标签对象.tag_name标签名标签对象.get_attribute('属性')标签属性值

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

打开浏览器

browser = webdriver.Chrome()

输入网址进入

browser.get('http://www.baidu.com')

查找百度输入框

word = browser.find_element(By.ID, 'kw')

print(word.location) # 标签所在位置，{'x': 298, 'y': 188}
print(word.size) # 标签大小，{'height': 44, 'width': 550}
print(word.id) # 标签id号，不是id属性
print(word.tag_name) # 标签名字，input
print(word.get_attribute('class')) # 获取标签的class属性值，s_ipt

browser.quit()

## 执行js代码

执行js用途：

1. 普通滑屏，打开新标签
2. 可以执行js代码，别人网站的变量，函数，都可以拿到并执行

**滚动条到最底部**

from selenium import webdriver

打开浏览器

browser = webdriver.Chrome()

输入网址进入

browser.get('https://www.cnblogs.com/')

滚动条到最底部

browser.execute_script('scrollTo(0,document.body.scrollHeight)')

import time
time.sleep(3)
browser.quit()

**打开新标签**

from selenium import webdriver

打开浏览器

browser = webdriver.Chrome()

输入网址进入

browser.get('https://www.cnblogs.com/')

打开新标签

browser.execute_script('window.open()')

import time
time.sleep(3)
browser.quit()

## 切换选项卡

浏览器打开了多个选项卡，需要切换时：

browser.switch_to.window(browser.window_handles[1])

已弃用的方法

browser.switch_to_window(browser.window_handles[1])

browser.window_handles[0]代表第一个选项卡
 browser.window_handles[1]代表第二个选项卡

from selenium import webdriver
import time

打开浏览器

browser = webdriver.Chrome()

进入博客园

browser.get('https://www.cnblogs.com/')
time.sleep(1)

打开新标签

browser.execute_script('window.open()')

切换到新标签

browser.switch_to.window(browser.window_handles[1])

新标签进入百度

browser.get('https://www.baidu.com/')
time.sleep(1)

切换回博客园

browser.switch_to.window(browser.window_handles[0])

time.sleep(2)
browser.quit()

## 浏览器前进后退

浏览器前进：

browser.forward()

浏览器后退：

browser.back()

## 无界面浏览器

不显示的打开浏览器的图形化界面，还能获取数据

from selenium import webdriver
from selenium.webdriver.chrome.options import Options

chrome_options = Options()

chrome_options.add_argument('window-size=1920,3000') # 指定浏览器分辨率
chrome_options.add_argument('--disable-gpu') # 谷歌文档提到需要加上这个属性来规避bug
chrome_options.add_argument('--hide-scrollbars') # 隐藏滚动条, 应对一些特殊页面
chrome_options.add_argument('blink-settings=imagesEnabled=false') # 不加载图片, 提升速度
chrome_options.add_argument("--disable-blink-features=AutomationControlled") # 不被检测到是测试环境
chrome_options.add_argument('--headless') # 浏览器不提供可视化页面. linux下如果系统不支持可视化不加这条会启动失败

browser = webdriver.Chrome(options=chrome_options)
browser.get('https://www.cnblogs.com/')
print(browser.page_source) # 当前页面的内容(html内容)
browser.quit()

## xpath的使用

## 简单介绍

XPath 是一门在 XML 文档中查找信息的语言。
表达式描述nodename选取此标签的所有子标签。如：div，选取div标签下的子标签/找当前路径下的标签//找当前路径子子孙孙下的标签.表示当前路径..表示上一次@选取属性。
举例：
表达式描述//*所有标签//head所有head标签//div/a所有div标签下的a标签//a[@class="a1"]所有class属性为'a1'的a标签/div所有最外层的div标签//head/text()所有head标签的文本内容//div/a[1]div标签下的第一个a标签//div/a[contains(@class,"li")]多个属性要用contains
## selenium中使用

网页中打开F12，找到标签，右键-->复制-->复制 Xpath，把值用在代码中即可。

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

browser = webdriver.Chrome()
browser.get('https://www.cnblogs.com/')
res = browser.find_element(By.XPATH, '//*[@id="post_list"]/article[1]/section/div')
print(res.text)

![](https://img-blog.csdnimg.cn/img_convert/c546524a32076726dac079c197fb485e.gif)

## 异常处理

由于有时候程序操作浏览器过快，有些标签会找不到等一些情况会出现报错，这时候可以用异常处理：

from selenium.common.exceptions import TimeoutException, NoSuchElementException, NoSuchFrameException

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

打开浏览器

browser = webdriver.Chrome()
try:
# 输入网址进入
browser.get('http://www.baidu.com')
# 查找百度输入框
word = browser.find_element(By.ID, 'kw')
# 输入框添加内容
word.send_keys('博客园')
# 查找搜索按钮
btn = browser.find_element(By.ID, 'su')
# 点击搜索按钮
btn.click()
# 找到能进入博客园的a标签
cnblog = browser.find_element(By.LINK_TEXT, '博客园')
except Exception as e:
print(e)
finally: # 不管报不报错最后都关闭浏览器
# 等待2秒关闭浏览器
import time
time.sleep(2)
browser.quit()

## 登录获取cookie保存

**获取浏览器所有cookie：**

cookies = browser.get_cookies()
print(cookies)

**登录博客园并保存cookie：**

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

打开浏览器

browser = webdriver.Chrome()
browser.implicitly_wait(2)
try:
# 进入博客园
browser.get('https://www.cnblogs.com/')
# 查找登录按钮
login_btn = browser.find_element(By.LINK_TEXT, '登录')
login_btn.click()
# 查找用户名和密码输入框
username = browser.find_element(By.ID, 'mat-input-0')
password = browser.find_element(By.ID, 'mat-input-1')
# 输入用户名密码
username.send_keys('xx')
password.send_keys('123')
btn = browser.find_element(By.CSS_SELECTOR, 'body > app-root > app-sign-in-layout > div > div > app-sign-in > app-content-container > div > div > div > form > div > button')
btn.click()
# 可能要验证，睡眠一下手动过验证
time.sleep(10)
# 保存cookie
import json
cookies = browser.get_cookies()
with open('cnblog.json', 'w', encoding='utf-8') as f:
json.dump(cookies, f)

except Exception as e:
print(e)
finally: # 不管报不报错最后都关闭浏览器
# 等待2秒关闭浏览器
time.sleep(2)
browser.quit()

如果标签不好找出来，可以打开F12，找到标签位置，复制css选择器：

![](https://img-blog.csdnimg.cn/img_convert/2ee3babcea0a7e6d10b7e04037945e4c.gif)

**通过cookie达成登录效果**

from selenium import webdriver
import time

打开浏览器

browser = webdriver.Chrome()
browser.implicitly_wait(2)
try:
# 进入博客园
browser.get('https://www.cnblogs.com/')
# 此时还不是登录后的状态
time.sleep(2)
# 拿出cookie
import json
with open('cnblog.json', 'r', encoding='utf-8') as f:
cookies = json.load(f)
# cookie保存时是列表套字典，但写入cookie需要用字典格式，所以用循环
for cookie in cookies:
browser.add_cookie(cookie)
# cookie全写入后刷新页面
browser.refresh()
# 此时是登录后的状态

except Exception as e:
print(e)
finally: # 不管报不报错最后都关闭浏览器
# 等待2秒关闭浏览器
time.sleep(2)
browser.quit()

## 动作链

模拟按住鼠标拖动的效果，或者是在某个标签上的某个位置点击的效果，主要用来做验证码的破解（滑动验证码）。

导入：

from selenium.webdriver import ActionChains

初始化：得到动作链对象

actions = ActionChains(浏览器对象)

添加动作的方法：

按住标签的动作，按住source

actions.click_and_hold(sourse)

移动标签的动作，source移到target

actions.drag_and_drop(sourse, target)

移动标签的动作，按住source移到target并偏移

actions.click_and_hold(sourse).drag_and_drop_by_offset(target, xoffset, yoffset)

移动标签的动作，按住source并移动(x, y)

actions.click_and_hold(sourse).move_by_offset(xoffset, yoffset)

松开动作

actions.release()

执行动作：上述方法需要语句执行动作

执行动作

actions.perform()

**实战：**

方式一：基于同一个动作链串行执行

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

browser = webdriver.Chrome()
browser.implicitly_wait(5)
browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')

页面有一个iframe标签，需要切换进去

browser.switch_to.frame('iframeResult')

可移动标签

source = browser.find_element(By.ID, 'draggable')

目标标签

target = browser.find_element(By.ID, 'droppable')

拿到动作链对象

actions = ActionChains(browser)

移动动作

actions.drag_and_drop(source, target)

执行动作

actions.perform()

time.sleep(2)
browser.quit()

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

browser = webdriver.Chrome()
browser.implicitly_wait(5)
browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
browser.switch_to.frame('iframeResult')

source = browser.find_element(By.ID, 'draggable')
target = browser.find_element(By.ID, 'droppable')

拿到动作链对象

actions = ActionChains(browser).click_and_hold(source)
actions.drag_and_drop_by_offset(target, 10, 10)

执行动作

actions.perform()

time.sleep(2)
browser.quit()

方式二：不同的动作链，每次移动的位移都不同

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

browser = webdriver.Chrome()
browser.implicitly_wait(5)
browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
browser.switch_to.frame('iframeResult')

source = browser.find_element(By.ID, 'draggable')
target = browser.find_element(By.ID, 'droppable')

ActionChains(browser).click_and_hold(source).perform()

distance = target.location['x'] - source.location['x'] # 两个控件的x轴的距离
track = 0
while track < distance:
ActionChains(browser).move_by_offset(xoffset=20, yoffset=0).perform()
track += 20
ActionChains(browser).release().perform()

time.sleep(2)
browser.quit()

## 打码平台使用(验证码破解)

简单的数字字母组合可以使用图像识别（python 现成模块），但是成功率不高，所以可以使用第三方打码平台（破解验证码平台），花钱，把验证码图片给它，它给你识别完，返回给你。

超级鹰验证码识别-专业的验证码云端识别服务,让验证码识别更快速、更准确、更强大 (chaojiying.com)

超级鹰开发文档：

import requests
from hashlib import md5

class ChaojiyingClient:
def init(self, username, password, soft_id):
self.username = username
password = password.encode('utf8')
self.password = md5(password).hexdigest()
self.soft_id = soft_id
self.base_params = {
'user': self.username,
'pass2': self.password,
'softid': self.soft_id,
}
self.headers = {
'Connection': 'Keep-Alive',
'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',
}
def PostPic(self, im, codetype):
"""
im: 图片字节
codetype: 题目类型 参考 http://www.chaojiying.com/price.html
"""
params = {
'codetype': codetype,
}
params.update(self.base_params)
files = {'userfile': ('ccc.jpg', im)}
r = requests.post('http://upload.chaojiying.net/Upload/Processing.php', data=params, files=files,
headers=self.headers)
return r.json()
def PostPic_base64(self, base64_str, codetype):
"""
im: 图片字节
codetype: 题目类型 参考 http://www.chaojiying.com/price.html
"""
params = {
'codetype': codetype,
'file_base64': base64_str
}
params.update(self.base_params)
r = requests.post('http://upload.chaojiying.net/Upload/Processing.php', data=params, headers=self.headers)
return r.json()
def ReportError(self, im_id):
"""
im_id:报错题目的图片ID
"""
params = {
'id': im_id,
}
params.update(self.base_params)
r = requests.post('http://upload.chaojiying.net/Upload/ReportError.php', data=params, headers=self.headers)
return r.json()

if name == 'main':
chaojiying = ChaojiyingClient('超级鹰用户名', '超级鹰用户名的密码', '96001') # 用户中心>>软件ID 生成一个替换 96001
im = open('a.jpg', 'rb').read() # 本地图片文件路径 来替换 a.jpg 有时WIN系统须要//
print(chaojiying.PostPic(im, 1902)) # 1902 验证码类型 官方网站>>价格体系 3.4+版 print 后要加()
# print chaojiying.PostPic(base64_str, 1902) #此处为传入 base64代码

用超级鹰破解超级鹰验证码并登录：

from selenium import webdriver
from selenium.webdriver.common.by import By
import time
from PIL import Image

验证码获取

def get_code():
browser.save_screenshot('main.png') # 把当前页面截图
img = browser.find_element(By.XPATH, '/html/body/div[3]/div/div[3]/div[1]/form/div/img') # 获取图片标签
location = img.location # 图片位置
size = img.size # 图片宽高

# 使用pillow扣除大图中的验证码，pip install pillow
img_tu = (
    int(location['x']) * 1.25,
    int(location['y']) * 1.25,
    int(location['x'] + size['width']) * 1.25,
    int(location['y'] + size['height']) * 1.25
)
# 打开当前页面截图
img_main = Image.open('./main.png')
# 抠出验证码图片
img_code = img_main.crop(img_tu)
# 保存验证码图片
img_code.save('code.png')
# 破解亚验证码
from chaojiying import ChaojiyingClient

chaojiying = ChaojiyingClient('zbh332525', '332525', '937257')
# chaojiying = ChaojiyingClient('用户名', '密码', '软件id')
im = open('code.png', 'rb').read()
code = chaojiying.PostPic(im, 1902)['pic_str']
return code

browser = webdriver.Chrome()
browser.implicitly_wait(5)
browser.get('https://www.chaojiying.com/user/login/')
browser.maximize_window() # 浏览器全屏，免得有偏差

写入用户名、密码、验证码

username = browser.find_element(By.NAME, 'user').send_keys('zbh332525')
password = browser.find_element(By.NAME, 'pass').send_keys('332525')
code = browser.find_element(By.NAME, 'imgtxt').send_keys(get_code())
time.sleep(2)

登录按钮点击

browser.find_element(By.XPATH, '/html/body/div[3]/div/div[3]/div[1]/form/p[4]/input').click()

time.sleep(2)
browser.quit()
```