Python爬虫学习笔记（七）————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.selenium安装

（1）操作谷歌浏览器驱动下载地址

            http://chromedriver.storage.googleapis.com/index.html

（2）谷歌驱动和谷歌浏览器版本之间的映射表

             http://blog.csdn.net/huilan_same/article/details/51896672

（3）查看谷歌浏览器版本

            谷歌浏览器右上角‐‐>帮助‐‐>关于

（4）pip install selenium

4.selenium的使用步骤

（1）导入：from selenium import webdriver

（2）创建谷歌浏览器操作对象：

            path = 谷歌浏览器驱动文件路径

            browser = webdriver.Chrome(path)

（3）访问网址

            url = 要访问的网址

            browser.get(url)

# （1）导入selenium
from selenium import webdriver

# (2) 创建浏览器操作对象

path = 'chromedriver.exe'

browser = webdriver.Chrome(path)

# （3）访问网站
# url = 'https://www.baidu.com'
#
# browser.get(url)

url = 'https://www.jd.com/'

browser.get(url)

# page_source获取网页源码
content = browser.page_source
print(content)

5.selenium的元素定位

元素定位：自动化要做的就是模拟鼠标和键盘来操作来操作这些元素，点击、输入等等。操作这些元素前首先要找到它们，WebDriver提供很多定位元素的方法

方法：

（1）find_element_by_id

            eg:button = browser.find_element_by_id('su')

（2）find_elements_by_name

            eg:name = browser.find_element_by_name('wd')

（3）find_elements_by_xpath

            eg:xpath1 = browser.find_elements_by_xpath('//input[@id="su"]')

（4）find_elements_by_tag_name

            eg:names = browser.find_elements_by_tag_name('input')

（5）find_elements_by_css_selector

            eg:my_input = browser.find_elements_by_css_selector('#kw')[0]

（6）find_elements_by_link_text

            eg:browser.find_element_by_link_text("新闻")

注：现在把这些代码整合到一起了，可以通过find_element(by='', value='')找，by的值为属性名，value为属性值

from selenium import webdriver

path = 'chromedriver.exe'
browser = webdriver.Chrome(path)

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

# 元素定位

# 根据id来找到对象
button = browser.find_element_by_id('su')
print(button)

# 根据标签属性的属性值来获取对象的
button = browser.find_element_by_name('wd')
print(button)

# 根据xpath语句来获取对象
button = browser.find_elements_by_xpath('//input[@id="su"]')
print(button)

# 根据标签的名字来获取对象
button = browser.find_elements_by_tag_name('input')
print(button)

# 使用的bs4的语法来获取对象
button = browser.find_elements_by_css_selector('#su')
print(button)

button = browser.find_element_by_link_text('直播')
print(button)

6.访问元素信息

获取元素属性

        .get_attribute('class')

获取元素文本

        .text

获取标签名

        .tag_name

from selenium import webdriver

path = 'chromedriver.exe'
browser = webdriver.Chrome(path)

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

input = browser.find_element_by_id('su')

# 获取标签的属性
print(input.get_attribute('class'))
# 获取标签的名字
print(input.tag_name)

# 获取元素文本
a = browser.find_element_by_link_text('新闻')
print(a.text)

7.交互

• 点击:click()

• 输入:send_keys()

• 后退操作:browser.back()

• 前进操作:browser.forword()

• 模拟JS滚动:

            js='document.documentElement.scrollTop=100000'
  
            browser.execute_script(js)  执行js代码
  

• 获取网页代码：page_source

• 退出：browser.quit()

实例：百度自动搜索周杰伦并翻页等操作

from selenium import webdriver

# 创建浏览器对象
path = 'chromedriver.exe'
browser = webdriver.Chrome(path)

# url
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')

# 在文本框中输入周杰伦
input.send_keys('周杰伦')

time.sleep(2)

# 获取百度一下的按钮
button = browser.find_element_by_id('su')

# 点击按钮
button.click()

time.sleep(2)

# 滑到底部
js_bottom = 'document.documentElement.scrollTop=100000'
browser.execute_script(js_bottom)

time.sleep(2)

# 获取下一页的按钮
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()