Selenium爬虫 教你快速上手Selenium爬虫,万物皆可爬
Amo Xiang 人气:0一、基本使用
selenium 的基本使用步骤:
- 打开浏览器;
- 获取浏览器页面的特定内容;
- 控制浏览器页面上的控件,如向一个文本框中输入一个字符串;
- 关闭浏览器。
示例:
from selenium import webdriver from selenium.webdriver.common.keys import Keys from selenium.webdriver.common.by import By from selenium.webdriver.support.wait import WebDriverWait from selenium.webdriver.support import expected_conditions as ec browser = webdriver.Chrome() try: browser.get('https://www.jd.com') input_t = browser.find_element_by_id('key') input_t.send_keys('python爬虫') input_t.send_keys(Keys.ENTER) # 模拟按下Enter键位 wait = WebDriverWait(browser, 4) # 设置最长等待时间4秒 wait.until(ec.presence_of_all_elements_located((By.ID, 'J_goodsList'))) print(browser.title) # 显示搜索页面的标题 print(browser.current_url) print(browser.page_source) browser.close() except Exception as e: print(e) browser.close()
二、查找节点
2.1 查找单个节点
html 源码如下:
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>表单</title> </head> <body> <script> function onclick_form(){ alert(document.getElementById('name').value + document.getElementById('age').value + document.getElementsByName('country')[0].value+ document.getElementsByClassName('myclass')[0].value) } </script> 姓名:<input id="name"><p></p> 年龄:<input id="age"><p></p> 国家:<input name="country"><p></p> 收入:<input class="myclass"><p></p> <button onclick="onclick_form()">提交</button> </body> </html>
样式如下图所示:
python 代码自动填充上图中的表单:
from selenium import webdriver from selenium.webdriver.common.by import By # 不支持本地网页 browser = webdriver.Chrome() try: # 这里我是用flask自己搭建的一个服务 访问该页面即可打开demo.html browser.get('http://127.0.0.1:5000/') input_t = browser.find_element_by_id('name') # 通过id属性查找姓名input节点 input_t.send_keys('Amo') # 自动输入 input_t = browser.find_element_by_id('age') input_t.send_keys('18') input_t = browser.find_element_by_name('country') # 通过name属性查找国家input节点 input_t.send_keys('中国') # 通过class属性查找收入input节点 input_t = browser.find_element_by_class_name('myclass') input_t.send_keys('1850') # 或下面的代码 input_t = browser.find_element(By.CLASS_NAME, 'myclass') # 要想覆盖前面的输入,需要清空input节点,否则会在input节点原来的内容后面追加新内容 input_t.clear() input_t.send_keys('3500') except Exception as e: print(e) browser.close()
效果如下图所示:
2.2 查找多个节点
示例代码如下:
from selenium import webdriver from selenium.webdriver.common.by import By # 不支持本地网页 browser = webdriver.Chrome() try: browser.get('https://www.jd.com') # 打开京东 # 根据节点名查找所有名为li的节点 li_list = browser.find_elements_by_tag_name('li') # 输出节点本身 print(li_list) print(len(li_list)) print(li_list[0].text) ul = browser.find_elements(By.TAG_NAME, 'ul') print(ul) print(ul[0].text) browser.close() except Exception as e: print(e) browser.close()
三、节点交互
使用 selenium 通过模拟浏览器单击动作循环单击页面上的6个按钮,单击每个按钮后,按钮下方的 div 就会按照按钮的背景颜色设置 div 的背景色。
demo1.html 静态页面代码如下:
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>彩色按钮</title> </head> <body> <script> function onclick_color(e) { document.getElementById("bgcolor").style.background = e.style.background } </script> <button class="mybutton" style="background: red" onclick="onclick_color(this)">按钮1</button> <button class="mybutton" style="background: blue" onclick="onclick_color(this)">按钮2</button> <button class="mybutton" style="background: yellow" onclick="onclick_color(this)">按钮3</button> <br> <button class="mybutton" style="background: green" onclick="onclick_color(this)">按钮4</button> <button class="mybutton" style="background: blueviolet" onclick="onclick_color(this)">按钮5</button> <button class="mybutton" style="background: gold" onclick="onclick_color(this)">按钮6</button> <p></p> <div id="bgcolor" style="width: 200px; height: 200px"> </div> </body> </html>
然后使用 Python 代码模拟浏览器的单击动作自动单击页面上的 6 个按钮。P
ython 代码如下所示:
from selenium import webdriver import time browser = webdriver.Chrome() try: browser.get('http://127.0.0.1:5000/') buttons = browser.find_elements_by_class_name('mybutton') i = 0 while True: buttons[i].click() time.sleep(1) i += 1 if i == len(buttons): i = 0 except Exception as e: print(e) browser.close()
四、动作链
使用 selenium 动作链的 move_to_element 方法模拟鼠标移动的动作,自动显示京东商城首页左侧的每个二级导航菜单。
示例代码如下:
from selenium import webdriver from selenium.webdriver import ActionChains import time browser = webdriver.Chrome() try: browser.get('https://www.jd.com') actions = ActionChains(browser) li_list = browser.find_elements_by_css_selector(".cate_menu_item") for li in li_list: actions.move_to_element(li).perform() time.sleep(1) except Exception as e: print(e) browser.close()
使用 selenium 动作链的 drag_and_drop 方法将一个节点拖动到另外一个节点上。
示例代码如下:
from selenium import webdriver from selenium.webdriver import ActionChains browser = webdriver.Chrome() try: browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable') browser.switch_to.frame('iframeResult') source = browser.find_element_by_css_selector('#draggable') target = browser.find_element_by_css_selector('#droppable') actions = ActionChains(browser) actions.drag_and_drop(source, target) actions.perform() except Exception as e: print(e) browser.close()
五、执行 JavaScript 代码
使用 selenium 的 execute_script 方法让京东商城首页滚动到最低端,然后弹出一个对话框。示
例代码如下:
from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.jd.com') browser.execute_script('window.scrollTo(0,document.body.scrollHeight)') browser.execute_async_script('alert("已经到达页面底端")')
六、获取节点信息
使用 selenium 的 API 获取京东商城首页 HTML 代码中 id 为 navitems-group1 的 ul 节点的相关信息以及 ul 节点中 li 子节点的相关信息。
示例代码如下:
from selenium import webdriver options = webdriver.ChromeOptions() options.add_argument('headless') browser = webdriver.Chrome(chrome_options=options) # browser = webdriver.PhantomJS('./webdriver/phantomjs') browser.get('https://www.jd.com') ul = browser.find_element_by_id("navitems-group1") print(ul.text) print('id', '=', ul.id) # 内部id,不是节点id属性值 print('location', '=', ul.location) print('tag_name', '=', ul.tag_name) print('size', '=', ul.size) li_list = ul.find_elements_by_tag_name("li") for li in li_list: print(type(li)) # 属性没找到,返回None print('<', li.text, '>', 'class=', li.get_attribute('class')) a = li.find_element_by_tag_name('a') print('href', '=', a.get_attribute('href')) browser.close()
执行结果如下:
秒杀
优惠券
PLUS会员
品牌闪购
id = 6bb622fb-df60-4619-a373-b55e44dc27af
location = {'x': 203, 'y': 131}
tag_name = ul
size = {'height': 40, 'width': 294}
<class 'selenium.webdriver.remote.webelement.WebElement'>
< 秒杀 > class= fore1
href = https://miaosha.jd.com/
<class 'selenium.webdriver.remote.webelement.WebElement'>
< 优惠券 > class= fore2
href = https://a.jd.com/
<class 'selenium.webdriver.remote.webelement.WebElement'>
< PLUS会员 > class= fore3
href = http://plus.jd.com/index?flow_system=appicon&flow_entrance=appicon11&flow_channel=pc
<class 'selenium.webdriver.remote.webelement.WebElement'>
< 品牌闪购 > class= fore4
href = https://red.jd.com/
七、管理 Cookies
使用 selenium API 获取 cookie 列表,并添加新的 cookie,以及删除所有的 cookie。
示例代码如下:
from selenium import webdriver browser = webdriver.Chrome() browser.get('https://www.jd.com') print(browser.get_cookies()) browser.add_cookie({'name': 'name', 'value': 'jd', 'domain': 'www.jd.com'}) print(browser.get_cookies()) browser.delete_all_cookies() print(browser.get_cookies()) # 大部分删除了,可能还剩下一些
八、改变节点属性的值
通过 javascript 代码改变百度搜索按钮的位置,让这个按钮在多个位置之间移动,时间间隔是2秒。
示例代码如下:
from selenium import webdriver import time driver = webdriver.Chrome() driver.get("http://www.baidu.com") search_button = driver.find_element_by_id("su") # 百度搜索按钮 # arguments[0]对应的是第一个参数,可以理解为python里的%s传参,与之类似 x_positions = [50, 90, 130, 170] y_positions = [100, 120, 160, 90] for i in range(len(x_positions)): js = ''' arguments[0].style.position = "absolute"; arguments[0].style.left="{}px"; arguments[0].style.top="{}px"; '''.format(x_positions[i], y_positions[i]) driver.execute_script(js, search_button) time.sleep(2)
使用 javascript 代码修改京东商城首页顶端的前两个导航菜单的文本和链接,分别改成 ‘3天极速掌握 Scala 语言:First Day' 和 ‘数据仓库 Hive 从入门到小牛(一)',导航链接也会发生改变。
from selenium import webdriver driver = webdriver.Chrome() driver.get("https://www.jd.com") ul = driver.find_element_by_id('navitems-group1') li_list = ul.find_elements_by_tag_name('li') a1 = li_list[0].find_element_by_tag_name('a') a2 = li_list[1].find_element_by_tag_name('a') js = ''' arguments[0].text = '3天极速掌握 Scala 语言:First Day' arguments[0].href = 'https://blog.csdn.net/xw1680/article/details/118743183' arguments[1].text = '数据仓库 Hive 从入门到小牛(一)' arguments[1].href = 'https://blog.csdn.net/xw1680/article/details/118675528' ''' driver.execute_script(js, a1, a2)
效果如下图所示:
加载全部内容