python爬虫开发之selenium模块详细使用方法与实例全解
python爬虫模块selenium简介
selenium主要是用来做自动化测试，支持多种浏览器，爬虫中主要用来解决JavaScript渲染问题。
模拟浏览器进行网页加载，当requests,urllib无法正常获取网页内容的时候
一、声明浏览器对象
注意点一，Python文件名或者包名不要命名为selenium，会导致无法导入
fromseleniumimportwebdriver #webdriver可以认为是浏览器的驱动器，要驱动浏览器必须用到webdriver，支持多种浏览器，这里以Chrome为例 browser=webdriver.Chrome()
二、访问页面并获取网页html
fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser.get('https://www.taobao.com')
print(browser.page_source)#browser.page_source是获取网页的全部html
browser.close()
三、查找元素
单个元素
fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser.get('https://www.nhooo.com')
input_first=browser.find_element_by_id('q')
input_second=browser.find_element_by_css_selector('#q')
input_third=browser.find_element_by_xpath('//*[@id="q"]')
print(input_first,input_second,input_third)
browser.close()
常用的查找方法
find_element_by_name
find_element_by_xpath
find_element_by_link_text
find_element_by_partial_link_text
find_element_by_tag_name
find_element_by_class_name
find_element_by_css_selector
也可以使用通用的方法
fromseleniumimportwebdriver
fromselenium.webdriver.common.byimportBy
browser=webdriver.Chrome()
browser.get('https://www.nhooo.com')
input_first=browser.find_element(BY.ID,'q')#第一个参数传入名称，第二个传入具体的参数
print(input_first)
browser.close()
多个元素，elements多个s
input_first=browser.find_elements_by_id(‘q')
四、元素交互操作-搜索框传入关键词进行自动搜索
fromseleniumimportwebdriver
importtime
browser=webdriver.Chrome()
browser.get('https://www.nhooo.com')
input=browser.find_element_by_id('q')#找到搜索框
input.send_keys('iPhone')#传送入关键词
time.sleep(5)
input.clear()#清空搜索框
input.send_keys('男士内裤')
button=browser.find_element_by_class_name('btn-search')#找到搜索按钮
button.click()
更多操作
http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.remote.webelement#可以有属性、截图等等
五、交互动作，驱动浏览器进行动作，模拟拖拽动作，将动作附加到动作链中串行执行
fromseleniumimportwebdriver
fromselenium.webdriverimportActionChains#引入动作链
browser=webdriver.Chrome()
url='//www.nhooo.com/try/try.php?filename=jqueryui-api-droppable'
browser.get(url)
browser.switch_to.frame('iframeResult')#切换到iframeResult框架
source=browser.find_element_by_css_selector('#draggable')#找到被拖拽对象
target=browser.find_element_by_css_selector('#droppable')#找到目标
actions=ActionChains(browser)#声明actions对象
actions.drag_and_drop(source,target)
actions.perform()#执行动作
更多操作
http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains
六、执行JavaScript
有些动作可能没有提供api，比如进度条下拉，这时，我们可以通过代码执行JavaScript
fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser.get('https://www.nhooo.com/explore')
browser.execute_script('window.scrollTo(0,document.body.scrollHeight)')
browser.execute_script('alert("ToBottom")')
七、获取元素信息
获取属性
fromseleniumimportwebdriver
fromselenium.webdriverimportActionChains
browser=webdriver.Chrome()
url='https://www.nhooo.com/explore'
browser.get(url)
logo=browser.find_element_by_id('zh-top-link-logo')#获取网站logo
print(logo)
print(logo.get_attribute('class'))
browser.close()
获取文本值
fromseleniumimportwebdriver
browser=webdriver.Chrome()
url='https://www.nhooo.com/explore'
browser.get(url)
input=browser.find_element_by_class_name('zu-top-add-question')
print(input.text)#input.text文本值
browser.close()
获取Id，位置，标签名，大小
fromseleniumimportwebdriver
browser=webdriver.Chrome()
url='https://www.nhooo.com/explore'
browser.get(url)
input=browser.find_element_by_class_name('zu-top-add-question')
print(input.id)#获取id
print(input.location)#获取位置
print(input.tag_name)#获取标签名
print(input.size)#获取大小
browser.close()
八、Frame操作
frame相当于独立的网页，如果在父类网frame查找子类的，则必须切换到子类的frame，子类如果查找父类也需要先切换
fromseleniumimportwebdriver
fromselenium.common.exceptionsimportNoSuchElementException
browser=webdriver.Chrome()
url='//www.nhooo.com/try/try.php?filename=jqueryui-api-droppable'
browser.get(url)
browser.switch_to.frame('iframeResult')
source=browser.find_element_by_css_selector('#draggable')
print(source)
try:
logo=browser.find_element_by_class_name('logo')
exceptNoSuchElementException:
print('NOLOGO')
browser.switch_to.parent_frame()
logo=browser.find_element_by_class_name('logo')
print(logo)
print(logo.text)
九、等待
隐式等待
当使用了隐式等待执行测试的时候，如果WebDriver没有在DOM中找到元素，将继续等待，超出设定时间后则抛出找不到元素的异常,
换句话说，当查找元素或元素并没有立即出现的时候，隐式等待将等待一段时间再查找DOM，默认的时间是
fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser.implicitly_wait(10)#等待十秒加载不出来就会抛出异常，10秒内加载出来正常返回
browser.get('https://www.nhooo.com/explore')
input=browser.find_element_by_class_name('zu-top-add-question')
print(input)
显式等待
指定一个等待条件，和一个最长等待时间，程序会判断在等待时间内条件是否满足，如果满足则返回，如果不满足会继续等待，超过时间就会抛出异常
fromseleniumimportwebdriver
fromselenium.webdriver.common.byimportBy
fromselenium.webdriver.support.uiimportWebDriverWait
fromselenium.webdriver.supportimportexpected_conditionsasEC
browser=webdriver.Chrome()
browser.get('https://www.nhooo.com/')
wait=WebDriverWait(browser,10)
input=wait.until(EC.presence_of_element_located((By.ID,'q')))
button=wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,'.btn-search')))
print(input,button)
title_is标题是某内容
title_contains标题包含某内容
presence_of_element_located元素加载出，传入定位元组，如(By.ID,‘p')
visibility_of_element_located元素可见，传入定位元组
visibility_of可见，传入元素对象
presence_of_all_elements_located所有元素加载出
text_to_be_present_in_element某个元素文本包含某文字
text_to_be_present_in_element_value某个元素值包含某文字
frame_to_be_available_and_switch_to_itframe加载并切换
invisibility_of_element_located元素不可见
element_to_be_clickable元素可点击
staleness_of判断一个元素是否仍在DOM，可判断页面是否已经刷新
element_to_be_selected元素可选择，传元素对象
element_located_to_be_selected元素可选择，传入定位元组
element_selection_state_to_be传入元素对象以及状态，相等返回True，否则返回False
element_located_selection_state_to_be传入定位元组以及状态，相等返回True，否则返回False
alert_is_present是否出现Alert
详细内容
http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.expected_conditions
十一、前进后退-实现浏览器的前进后退以浏览不同的网页
importtime
fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser.get('https://www.nhooo.com/')
browser.get('https://www.nhooo.com/')
browser.get('https://www.nhooo.com/')
browser.back()
time.sleep(1)
browser.forward()
browser.close()
十二、Cookies
fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser.get('https://www.nhooo.com/explore')
print(browser.get_cookies())
browser.add_cookie({'name':'name','domain':'www.nhooo.com','value':'germey'})
print(browser.get_cookies())
browser.delete_all_cookies()
print(browser.get_cookies())
选项卡管理增加浏览器窗口
importtime
fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser.get('https://www.nhooo.com')
browser.execute_script('window.open()')
print(browser.window_handles)
browser.switch_to_window(browser.window_handles[1])
browser.get('https://www.nhooo.com')
time.sleep(1)
browser.switch_to_window(browser.window_handles[0])
browser.get('//www.nhooo.com')
十三、异常处理
fromseleniumimportwebdriver
browser=webdriver.Chrome()
browser.get('https://www.nhooo.com')
browser.find_element_by_id('hello')
fromseleniumimportwebdriver
fromselenium.common.exceptionsimportTimeoutException,NoSuchElementException
browser=webdriver.Chrome()
try:
browser.get('https://www.nhooo.com')
exceptTimeoutException:
print('TimeOut')
try:
browser.find_element_by_id('hello')
exceptNoSuchElementException:
print('NoElement')
finally:
browser.close()
本文主要讲解了python爬虫模块selenium详细使用方法与实例全解，更多关于python爬虫模块的使用知识请查看下面的相关链接
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。