目录
声明：本文转载自 ，在排版和内容上做了点小改动
selenium 模块
selenium 最初是一个自动化测试工具,而爬虫中使用它主要是为了解决 requests 模块无法直接执行 JavaScript 代码的问题
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，下不同的浏览器驱动即可)
但相对 request 模块而言，性能不是很高(但它可以和 request 合用，用 selenium 来模拟登录，然后再拿着 cookie 用 request 来接着操作)(可以用这个模块来绕过禁掉 request 模块的那部分)
- 安装 selenium：
pip3 install selenium - 下载对应版本的浏览器驱动(可参照下面的这张长截图，写的比较通俗易懂(原文地址：
https://www.cnblogs.com/babycomeon/p/11909567.html))
以谷歌浏览器为例： 下载与电脑上谷歌浏览器对应版本的浏览器驱动 chromdriver.exe，并把它放到 python 安装路径的 scripts 目录下(其实也可以放在) 对应版本可以在网上搜对照表(其实差几个小版本问题不大)
chromedriver 浏览器驱动下载与存放
原文地址：
https://www.cnblogs.com/babycomeon/p/11909567.html
淘宝的镜像源： http://npm.taobao.org/mirrors/chromedriver
下图链接：https://sites.google.com/a/chromium.org/chromedriver/downloads
# 验证安装from selenium import webdriverdriver = webdriver.Chrome() #弹出浏览器driver.get('https://www.baidu.com')driver.page_source# 注意：# selenium3 默认支持的 webdriver 是 Firfox，而 Firefox 需要安装 geckodriver# 下载链接：https://github.com/mozilla/geckodriver/releases PhantomJS 无界面浏览器
PhantomJS 已经不再更新了， chrome 从 59 / 60 正式版 开始后便支持 Headless mode 了，即支持无界面，故已经不需要用 PhantomJS 了
标签元素查找方法
#官网链接：http://selenium-python.readthedocs.io/locating-elements.htmlfrom selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素import timedriver=webdriver.Chrome()driver.get('https://www.baidu.com')wait=WebDriverWait(driver,10)try: #===============所有方法=================== # 1、find_element_by_id # 2、find_element_by_link_text # 3、find_element_by_partial_link_text # 4、find_element_by_tag_name # 5、find_element_by_class_name # 6、find_element_by_name # 7、find_element_by_css_selector # 8、find_element_by_xpath # 强调： # 1、上述均可以改写成find_element(By.ID,'kw')的形式 # 2、find_elements_by_xxx的形式是查找到多个元素，结果为列表```#===============示范用法===================# 1、find_element_by_idprint(driver.find_element_by_id('kw'))# 2、find_element_by_link_text# login=driver.find_element_by_link_text('登录')# login.click()# 3、find_element_by_partial_link_textlogin=driver.find_elements_by_partial_link_text('录')[0]login.click()# 4、find_element_by_tag_nameprint(driver.find_element_by_tag_name('a'))# 5、find_element_by_class_namebutton=wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'tang-pass-footerBarULogin')))button.click()# 6、find_element_by_nameinput_user=wait.until(EC.presence_of_element_located((By.NAME,'userName')))input_pwd=wait.until(EC.presence_of_element_located((By.NAME,'password')))commit=wait.until(EC.element_to_be_clickable((By.ID,'TANGRAM__PSP_10__submit')))input_user.send_keys('18611453110')input_pwd.send_keys('xxxxxx')commit.click()# 7、find_element_by_css_selectordriver.find_element_by_css_selector('#kw')# 8、find_element_by_xpath``` time.sleep(5)finally: driver.close() xpath 格式用法
#官网链接：http://selenium-python.readthedocs.io/locating-elements.htmlfrom selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素import timedriver=webdriver.PhantomJS()driver.get('https://doc.scrapy.org/en/latest/_static/selectors-sample1.html')# wait=WebDriverWait(driver,3)driver.implicitly_wait(3) #使用隐式等待try: # find_element_by_xpath #//与/ # driver.find_element_by_xpath('//body/a') # 开头的//代表从整篇文档中寻找,body之后的/代表body的儿子，这一行找不到就会报错了 driver.find_element_by_xpath('//body//a') # 开头的//代表从整篇文档中寻找,body之后的//代表body的子子孙孙 driver.find_element_by_css_selector('body a')```#取第n个res1=driver.find_elements_by_xpath('//body//a[1]') #取第一个a标签print(res1[0].text)#按照属性查找,下述三者查找效果一样res1=driver.find_element_by_xpath('//a[5]')res2=driver.find_element_by_xpath('//a[@href="image5.html"]')res3=driver.find_element_by_xpath('//a[contains(@href,"image5")]') #模糊查找print('==>', res1.text)print('==>',res2.text)print('==>',res3.text)``````#其他res1=driver.find_element_by_xpath('/html/body/div/a')print(res1.text)res2=driver.find_element_by_xpath('//a[img/@src="image3_thumb.jpg"]') #找到子标签img的src属性为image3_thumb.jpg的a标签print(res2.tag_name,res2.text)res3 = driver.find_element_by_xpath("//input[@name='continue'][@type='button']") #查看属性name为continue且属性type为button的input标签res4 = driver.find_element_by_xpath("//*[@name='continue'][@type='button']") #查看属性name为continue且属性type为button的所有标签``` ```time.sleep(5)```finally: driver.close() 获取标签属性
from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素browser=webdriver.Chrome()browser.get('https://www.amazon.cn/')wait=WebDriverWait(browser,10)wait.until(EC.presence_of_element_located((By.ID,'cc-lm-tcgShowImgContainer')))tag=browser.find_element(By.CSS_SELECTOR,'#cc-lm-tcgShowImgContainer img')#获取标签属性，print(tag.get_attribute('src'))#获取标签ID，位置，名称，大小(了解)print(tag.id)print(tag.location)print(tag.tag_name)print(tag.size)browser.close() 等待元素被加载
# 1、selenium只是模拟浏览器的行为，而浏览器解析页面是需要时间的(执行css，js)，一些元素可能需要过一段时间才能加载出来，为了保证能查找到元素，必须等待# 2、等待的方式分两种：# 隐式等待：在browser.get('xxx')前就设置，针对所有元素有效# 显式等待：在browser.get('xxx')之后设置，只针对某个元素有效# -------------隐式等待-------------from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素browser=webdriver.Chrome()#隐式等待:在查找所有元素时，如果尚未被加载，则等10秒browser.implicitly_wait(10)browser.get('https://www.baidu.com')input_tag=browser.find_element_by_id('kw')input_tag.send_keys('美女')input_tag.send_keys(Keys.ENTER)contents=browser.find_element_by_id('content_left') #没有等待环节而直接查找，找不到则会报错print(contents)browser.close()# -------------显式等待-------------from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素browser=webdriver.Chrome()browser.get('https://www.baidu.com')input_tag=browser.find_element_by_id('kw')input_tag.send_keys('美女')input_tag.send_keys(Keys.ENTER)#显式等待：显式地等待某个元素被加载wait=WebDriverWait(browser,10)wait.until(EC.presence_of_element_located((By.ID,'content_left')))contents=browser.find_element(By.CSS_SELECTOR,'#content_left')print(contents)browser.close()显式等待 元素交互操作
点击清空
from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素browser=webdriver.Chrome()browser.get('https://www.amazon.cn/')wait=WebDriverWait(browser,10)input_tag=wait.until(EC.presence_of_element_located((By.ID,'twotabsearchtextbox')))input_tag.send_keys('iphone 8')button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')button.click()import timetime.sleep(3)input_tag=browser.find_element_by_id('twotabsearchtextbox')input_tag.clear() #清空输入框input_tag.send_keys('iphone7plus')button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input')button.click()# browser.close() ActionChains
from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By # 按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys # 键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait # 等待页面加载某些元素import timedriver = webdriver.Chrome()driver.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')wait=WebDriverWait(driver,3)# driver.implicitly_wait(3) # 使用隐式等待try: driver.switch_to.frame('iframeResult') ##切换到iframeResult sourse=driver.find_element_by_id('draggable') target=driver.find_element_by_id('droppable')```#方式一：基于同一个动作链串行执行# actions=ActionChains(driver) #拿到动作链对象# actions.drag_and_drop(sourse,target) #把动作放到动作链中，准备串行执行# actions.perform()#方式二：不同的动作链，每次移动的位移都不同``` ActionChains(driver).click_and_hold(sourse).perform() distance=target.location['x']-sourse.location['x']```track=0while track < distance: ActionChains(driver).move_by_offset(xoffset=2,yoffset=0).perform() track+=2ActionChains(driver).release().perform()time.sleep(10)```finally: driver.close() 在交互动作比较难实现的时候可以自己写 JS(万能方法)
from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素try: browser=webdriver.Chrome() browser.get('https://www.baidu.com') browser.execute_script('alert("hello world")') #打印警告finally: browser.close() 补充：frame 的切换
#frame相当于一个单独的网页，在父frame里是无法直接查看到子frame的元素的，必须switch_to_frame切到该frame下，才能进一步查找from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素try: browser=webdriver.Chrome() browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')```browser.switch_to.frame('iframeResult') #切换到id为iframeResult的frame``` tag1=browser.find_element_by_id('droppable') print(tag1)```# tag2=browser.find_element_by_id('textareaCode') #报错，在子frame里无法查看到父frame的元素browser.switch_to.parent_frame() #切回父frame,就可以查找到了tag2=browser.find_element_by_id('textareaCode')print(tag2)```finally: browser.close() 其他交互
模拟浏览器的前进后退
#模拟浏览器的前进后退import timefrom selenium import webdriverbrowser=webdriver.Chrome()browser.get('https://www.baidu.com')browser.get('https://www.taobao.com')browser.get('http://www.sina.com.cn/')browser.back()time.sleep(10)browser.forward()browser.close()模拟浏览器的前进后退 cookies 操作
#cookiesfrom selenium import webdriverbrowser=webdriver.Chrome()browser.get('https://www.zhihu.com/explore')print(browser.get_cookies())browser.add_cookie({'k1':'xxx','k2':'yyy'})print(browser.get_cookies())# browser.delete_all_cookies() 选项卡(标签页)管理
#选项卡管理：切换选项卡，有js的方式windows.open,有windows快捷键：ctrl+t等，最通用的就是js的方式import timefrom selenium import webdriverbrowser=webdriver.Chrome()browser.get('https://www.baidu.com')browser.execute_script('window.open()')print(browser.window_handles) #获取所有的选项卡browser.switch_to_window(browser.window_handles[1])browser.get('https://www.taobao.com')time.sleep(10)browser.switch_to_window(browser.window_handles[0])browser.get('https://www.sina.com.cn')browser.close() 异常处理
from selenium import webdriverfrom selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameExceptiontry: browser=webdriver.Chrome() browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable') browser.switch_to.frame('iframssseResult')except TimeoutException as e: print(e)except NoSuchFrameException as e: print(e)finally: browser.close() 小练习
自动登录 163 邮箱并发送邮件
#注意：网站都策略都是在不断变化的，精髓在于学习流程。下述代码生效与2017-11-7，不能保证永久有效from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.common.keys import Keysfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWaitbrowser=webdriver.Chrome()try: browser.get('http://mail.163.com/')```wait=WebDriverWait(browser,5)frame=wait.until(EC.presence_of_element_located((By.ID,'x-URS-iframe')))browser.switch_to.frame(frame)wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'.m-container')))inp_user=browser.find_element_by_name('email')inp_pwd=browser.find_element_by_name('password')button=browser.find_element_by_id('dologin')inp_user.send_keys('18611453110')inp_pwd.send_keys('xxxx')button.click()#如果遇到验证码，可以把下面一小段打开注释# import time# time.sleep(10)# button = browser.find_element_by_id('dologin')# button.click()``` wait.until(EC.presence_of_element_located((By.ID,'dvNavTop'))) write_msg=browser.find_elements_by_css_selector('#dvNavTop li')[1] #获取第二个li标签就是“写信”了 write_msg.click()```wait.until(EC.presence_of_element_located((By.CLASS_NAME,'tH0')))recv_man=browser.find_element_by_class_name('nui-editableAddr-ipt')title=browser.find_element_by_css_selector('.dG0 .nui-ipt-input')recv_man.send_keys('378533872@qq.com')title.send_keys('圣旨')print(title.tag_name)``````frame=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'APP-editor-iframe')))browser.switch_to.frame(frame)body=browser.find_element(By.CSS_SELECTOR,'body')body.send_keys('egon很帅，可以加工资了')browser.switch_to.parent_frame() #切回他爹send_button=browser.find_element_by_class_name('nui-toolbar-item')send_button.click()#可以睡时间久一点别让浏览器关掉，看看发送成功没有import timetime.sleep(10000)```except Exception as e: print(e)finally: browser.close()自动登录163邮箱并发送邮件 爬取京东商城商品信息
from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys #键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素import timedef get_goods(driver): try: goods=driver.find_elements_by_class_name('gl-item')``` for good in goods: detail_url=good.find_element_by_tag_name('a').get_attribute('href') p_name=good.find_element_by_css_selector('.p-name em').text.replace('\n','') price=good.find_element_by_css_selector('.p-price i').text p_commit=good.find_element_by_css_selector('.p-commit a').text msg = ''' 商品 : %s 链接 : %s 价钱 ：%s 评论 ：%s ''' % (p_name,detail_url,price,p_commit) print(msg,end='\n\n')`````` button=driver.find_element_by_partial_link_text('下一页') button.click() time.sleep(1) get_goods(driver)except Exception: pass```def spider(url,keyword): driver = webdriver.Chrome() driver.get(url) driver.implicitly_wait(3) # 使用隐式等待 try: input_tag=driver.find_element_by_id('key') input_tag.send_keys(keyword) input_tag.send_keys(Keys.ENTER) get_goods(driver) finally: driver.close()if __name__ == '__main__': spider('https://www.jd.com/',keyword='iPhone8手机') 其余练习
爬取亚马逊iphone手机的商品信息爬取天猫python书籍的商品信息爬取京东小米手机的商品信息
