爬虫 selenium语法 （八）

1.什么是selenium？

• selenium是一个用于web应用程序测试的工具。
• selenium测试直接运行在浏览器中，就像真正的用户一样。
• 支持通过各种driver（FirefoxDriver，IternetExplorerDriver，OperaDriver，ChromeDriver）驱动真实浏览器完成测试。
• 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？

    安装selenium及谷歌驱动

4.selenium的使用步骤？

• 导入：from selenium import webdriver

• 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)
  

• 访问网址

    url = 要访问的网址
  
    browser.get(url)
  

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这些元素，如点击、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, 'id 名')

            eg:button = browser.find_element(By.ID, ‘su’)

     （2）find_element(By.NAME, 'name 名')

            eg:name = browser.find(By.NAME,‘wd’)

     （3）find_elements(By.XPATH, 'Xpath语法')

            eg:xpath = browser.find_elements(By.XPATH, "//input[@id-"su"]")

     （4）find_elements(By.TAG_NAME,' Tag name ')

            eg:names = browser.find_elements (By.TAG_NAME, "input")

     （5）find_elements(By.CSS_SELECTLOR, ' bs4语法 ')

            eg:my_input = browser.find_elements(By.CSS_SELECTLOR, "#kw")[0]

    （6）find_elements(By.LINK_TEXT, ' 链接文本')

            eg:browser.find_elements(By.LINK_TEXT,"新闻")

访问元素信息

   获取元素属性

          .get_attribute(‘class’)

   获取元素文本

          .text

   获取id

          .id

   获取标签名

          .tag_name

selenium 交互

（1）点击：click()

（2）输入：send_keys()

（3）后退操作：browser.back()

（4）前进操作：browser.forward()

（5）模拟js滚动：

    js = ‘document.documentElement.scrollTop=100000’

    browser.execute_script(js) 执行js 代码

（6）获取网页代码：page_source

（7）退出：browser.quit()

一、为什么使用selenium

​

import urllib

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

response = urllib.request.urlopen(url)

content = response.read().decode()
print(content)

我们模拟浏览器获取网页内容，然后搜索获取的内容，是否有 “J_seckill” 这个元素

​

可以看到，显示没有该元素。

原因是验证你的浏览器不是真实的浏览器，所以没有返回数据。

但是！！！ 用selenium就可以解决这个问题。

# （1）导入
from selenium import webdriver
# from selenium.webdriver.common.by import BY

# （2）创建浏览器操作对象
browser = webdriver.Chrome()

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

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

​

二、selenium语法——元素定位

1.根据 id 找到对象

​

# 根据 id 找到对象
button = browser.find_element(By.ID, 'su')
print(button)

2.根据标签属性的属性值找到对象

​

# 根据标签属性的属性值找到对象
button = browser.find_element(By.NAME,'wd')
print(button)

3.根据Xpath语句获取对象

​

# 根据Xpath语句获取对象
# element表示只找一个元素，elements表示找到所有元素并返回列表
button = browser.find_element(By.XPATH,'//input[@id="su"]')
print(button)

4.根据标签名获取对象

# 根据标签名获取对象
button = browser.find_elements(By.TAG_NAME,'input')
print(button)

5.使用bs语法获取对象

# 使用bs语法获取对象
button = browser.find_elements(By.CSS_SELECTOR,'#su')
print(button)

6.通过链接文本获取对象

​

# 通过链接文本获取对象
button = browser.find_elements(By.LINK_TEXT,'新闻')
print(button)

完整代码：

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

# 创建浏览器对象
browser = webdriver.Chrome()

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

# 元素定位
# # 根据 id 找到对象
# button = browser.find_element(By.ID, 'su')
# print(button)

# # 根据标签属性的属性值找到对象
# button = browser.find_element(By.NAME,'wd')
# print(button)

# # 根据Xpath语句获取对象
# button = browser.find_element(By.XPATH,'//input[@id="su"]')
# print(button)

# # 根据标签名获取对象
# button = browser.find_elements(By.TAG_NAME,'input')

# # 使用bs语法获取对象
# button = browser.find_elements(By.CSS_SELECTOR,'#su')

# 通过链接文本获取对象
button = browser.find_elements(By.LINK_TEXT,'新闻')
print(button)

三、selenium语法——访问元素信息

1.获取属性的属性值

# 获取属性值
input = browser.find_element(By.ID, 'su')
print(input.get_attribute('class'))

2.获取标签名

print(input.tag_name)

3.获取元素文本

input = browser.find_element(By.LINK_TEXT,'新闻')
print(input.text)

四、selenium 交互

使用selenium完成以下操作

在百度输入框中输入“周杰伦”，点击“百度一下”，滑到最底部，点击“下一页”，然后后退一步，再前进一步，最后关闭浏览器。

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

# 创建浏览器对象
browser = webdriver.Chrome()

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

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')
# 点击百度一下
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[contains(text(),"下一页")]')

# 点击下一页
next.click()

time.sleep(2)

# 回到上一页
browser.back()

time.sleep(2)

# 回到刚才的位置
browser.forward()

time.sleep(2)

# 退出
browser.quit()

五、无界面操作

    直接打开浏览器会使操作效率变慢，Chrome headless可以进行无界面操作，极大提高的了工作效率。

from selenium import webdriver

def headless_browser():
    # 创建浏览器对象之前，创建options功能对象
    options = webdriver.ChromeOptions()
    # 添加无界面功能参数
    options.add_argument("--headless")
    # 构造浏览器对象，打开浏览器
    browser = webdriver.Chrome(options=options)
    return browser

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

# 屏幕快照
browser.save_screenshot('_082_baidu.png')

参考

尚硅谷Python爬虫教程小白零基础速通（含python基础+爬虫案例）