影视网站开发背景,有一个网站自己做链接获取朋友位置,各地民营企业创新前行,安装ss和wordpressselenium模块 阅读目录 一 介绍二 安装三 基本使用四 选择器五 等待元素被加载六 元素交互操作七 其他八 项目练习一 介绍 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无法直接执行JavaScript代码的问题selenium本质是通过驱动浏览器#xff0c;完… selenium模块 阅读目录 一 介绍二 安装三 基本使用四 选择器五 等待元素被加载六 元素交互操作七 其他八 项目练习 一 介绍 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from selenium import webdriver
browserwebdriver.Chrome()
browserwebdriver.Firefox()
browserwebdriver.PhantomJS()
browserwebdriver.Safari()
browserwebdriver.Edge() 官网http://selenium-python.readthedocs.io 二 安装 #安装seleniumchromedriver
pip3 install selenium
下载chromdriver.exe放到python安装路径的scripts目录中即可注意最新版本是2.29并非2.9
国内镜像网站地址http://npm.taobao.org/mirrors/chromedriver/2.29/
最新的版本去官网找:https://sites.google.com/a/chromium.org/chromedriver/downloads#验证安装
C:\Users\Administratorpython3
Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
Type help, copyright, credits or license for more information.from selenium import webdriverdriverwebdriver.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 seleniumchromedriver #安装seleniumphantomjs
pip3 install selenium
下载phantomjs解压后把phantomjs.exe所在的bin目录放到环境变量
下载链接http://phantomjs.org/download.html#验证安装
C:\Users\Administratorphantomjs
phantomjs console.log(egon gaga)
egon gaga
undefined
phantomjs ^C
C:\Users\Administratorpython3
Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
Type help, copyright, credits or license for more information.from selenium import webdriverdriverwebdriver.PhantomJS() #无界面浏览器driver.get(https://www.baidu.com)driver.page_source seleniumphantomjs 三 基本使用 from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素browserwebdriver.Chrome()
try:browser.get(https://www.baidu.com)input_tagbrowser.find_element_by_id(kw)input_tag.send_keys(美女) #python2中输入中文错误字符串前加个uinput_tag.send_keys(Keys.ENTER) #输入回车
waitWebDriverWait(browser,10)wait.until(EC.presence_of_element_located((By.ID,content_left))) #等到id为content_left的元素加载完毕,最多等10秒print(browser.page_source)print(browser.current_url)print(browser.get_cookies())finally:browser.close() 四 选择器 一 基本用法 #官网链接http://selenium-python.readthedocs.io/locating-elements.html
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
import timedriverwebdriver.Chrome()
driver.get(https://www.baidu.com)
waitWebDriverWait(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# logindriver.find_element_by_link_text(登录)# login.click()# 3、find_element_by_partial_link_textlogindriver.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_namebuttonwait.until(EC.element_to_be_clickable((By.CLASS_NAME,tang-pass-footerBarULogin)))button.click()# 6、find_element_by_nameinput_userwait.until(EC.presence_of_element_located((By.NAME,userName)))input_pwdwait.until(EC.presence_of_element_located((By.NAME,password)))commitwait.until(EC.element_to_be_clickable((By.ID,TANGRAM__PSP_10__submit)))input_user.send_keys(18611453110)input_pwd.send_keys(lhf094573)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() View Code 二 xpath #官网链接http://selenium-python.readthedocs.io/locating-elements.html
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
import timedriverwebdriver.PhantomJS()
driver.get(https://doc.scrapy.org/en/latest/_static/selectors-sample1.html)
# waitWebDriverWait(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res1driver.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res1driver.find_element_by_xpath(//a[5])res2driver.find_element_by_xpath(//a[hrefimage5.html])res3driver.find_element_by_xpath(//a[contains(href,image5)]) #模糊查找print(, res1.text)print(,res2.text)print(,res3.text)#其他res1driver.find_element_by_xpath(/html/body/div/a)print(res1.text)res2driver.find_element_by_xpath(//a[img/srcimage3_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[namecontinue][typebutton]) #查看属性name为continue且属性type为button的input标签res4 driver.find_element_by_xpath(//*[namecontinue][typebutton]) #查看属性name为continue且属性type为button的所有标签time.sleep(5)finally:driver.close() View Code 三 获取标签属性 from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素browserwebdriver.Chrome()browser.get(https://www.amazon.cn/)waitWebDriverWait(browser,10)
wait.until(EC.presence_of_element_located((By.ID,cc-lm-tcgShowImgContainer)))tagbrowser.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() 获取标签属性 五 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cssjs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.getxxx前就设置针对所有元素有效
显式等待在browser.getxxx之后设置只针对某个元素有效 from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素browserwebdriver.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_tagbrowser.find_element_by_id(kw)
input_tag.send_keys(美女)
input_tag.send_keys(Keys.ENTER)contentsbrowser.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() 隐式等待 from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素browserwebdriver.Chrome()
browser.get(https://www.baidu.com)input_tagbrowser.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
waitWebDriverWait(browser,10)
wait.until(EC.presence_of_element_located((By.ID,content_left)))contentsbrowser.find_element(By.CSS_SELECTOR,#content_left)
print(contents)browser.close() 显式等待 六 元素交互操作 from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素browserwebdriver.Chrome()
browser.get(https://www.amazon.cn/)
waitWebDriverWait(browser,10)input_tagwait.until(EC.presence_of_element_located((By.ID,twotabsearchtextbox)))
input_tag.send_keys(iphone 8)
buttonbrowser.find_element_by_css_selector(#nav-search form div.nav-right div input)
button.click()import time
time.sleep(3)input_tagbrowser.find_element_by_id(twotabsearchtextbox)
input_tag.clear() #清空输入框
input_tag.send_keys(iphone7plus)
buttonbrowser.find_element_by_css_selector(#nav-search form div.nav-right div input)
button.click()# browser.close() 点击清空 from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By # 按照什么方式查找By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys # 键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from 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?filenamejqueryui-api-droppable)
waitWebDriverWait(driver,3)
# driver.implicitly_wait(3) # 使用隐式等待try:driver.switch_to.frame(iframeResult) ##切换到iframeResultsoursedriver.find_element_by_id(draggable)targetdriver.find_element_by_id(droppable)#方式一基于同一个动作链串行执行# actionsActionChains(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()distancetarget.location[x]-sourse.location[x]track0while track distance:ActionChains(driver).move_by_offset(xoffset2,yoffset0).perform()track2ActionChains(driver).release().perform()time.sleep(10)finally:driver.close() Action Chains from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素try:browserwebdriver.Chrome()browser.get(https://www.baidu.com)browser.execute_script(alert(hello world)) #打印警告
finally:browser.close() 在交互动作比较难实现的时候可以自己写JS万能方法 #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 webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素try:browserwebdriver.Chrome()browser.get(http://www.runoob.com/try/try.php?filenamejqueryui-api-droppable)browser.switch_to.frame(iframeResult) #切换到id为iframeResult的frame
tag1browser.find_element_by_id(droppable)print(tag1)# tag2browser.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tag2browser.find_element_by_id(textareaCode)print(tag2)finally:browser.close() 补充:frame的切换 七 其他 #模拟浏览器的前进后退
import time
from selenium import webdriverbrowserwebdriver.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
from selenium import webdriverbrowserwebdriver.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() cookies #选项卡管理切换选项卡有js的方式windows.open,有windows快捷键ctrlt等最通用的就是js的方式
import time
from selenium import webdriverbrowserwebdriver.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() 选项卡管理 from selenium import webdriver
from selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameExceptiontry:browserwebdriver.Chrome()browser.get(http://www.runoob.com/try/try.php?filenamejqueryui-api-droppable)browser.switch_to.frame(iframssseResult)except TimeoutException as e:print(e)
except NoSuchFrameException as e:print(e)
finally:browser.close() 异常处理 八 项目练习 #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 webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWaitbrowserwebdriver.Chrome()try:browser.get(http://mail.163.com/)waitWebDriverWait(browser,5)framewait.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_userbrowser.find_element_by_name(email)inp_pwdbrowser.find_element_by_name(password)buttonbrowser.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_msgbrowser.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_manbrowser.find_element_by_class_name(nui-editableAddr-ipt)titlebrowser.find_element_by_css_selector(.dG0 .nui-ipt-input)recv_man.send_keys(378533872qq.com)title.send_keys(圣旨)print(title.tag_name)framewait.until(EC.presence_of_element_located((By.CLASS_NAME,APP-editor-iframe)))browser.switch_to.frame(frame)bodybrowser.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_buttonbrowser.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 from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
import timedef get_goods(driver):try:goodsdriver.find_elements_by_class_name(gl-item)for good in goods:detail_urlgood.find_element_by_tag_name(a).get_attribute(href)p_namegood.find_element_by_css_selector(.p-name em).text.replace(\n,)pricegood.find_element_by_css_selector(.p-price i).textp_commitgood.find_element_by_css_selector(.p-commit a).textmsg 商品 : %s链接 : %s价钱 %s评论 %s % (p_name,detail_url,price,p_commit)print(msg,end\n\n)buttondriver.find_element_by_partial_link_text(下一页)button.click()time.sleep(1)get_goods(driver)except Exception:passdef spider(url,keyword):driver webdriver.Chrome()driver.get(url)driver.implicitly_wait(3) # 使用隐式等待try:input_tagdriver.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/,keywordiPhone8手机) 爬取京东商城商品信息 作业爬取亚马逊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 转载于:https://www.cnblogs.com/liuchengdong/p/8303094.html
