天下高月小说,天下高月小说

主頁 > 知識庫 > 教你快速上手Selenium爬蟲,萬物皆可爬

教你快速上手Selenium爬蟲,萬物皆可爬

一、基本使用

selenium 的基本使用步驟：

打開瀏覽器；
獲取瀏覽器頁面的特定內容；
控制瀏覽器頁面上的控件，如向一個文本框中輸入一個字符串；
關閉瀏覽器。

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爬蟲')
    input_t.send_keys(Keys.ENTER)  # 模擬按下Enter鍵位
    wait = WebDriverWait(browser, 4)  # 設置最長等待時間4秒
    wait.until(ec.presence_of_all_elements_located((By.ID, 'J_goodsList')))
    print(browser.title)  # 顯示搜索頁面的標題
    print(browser.current_url)
    print(browser.page_source)
    browser.close()
except Exception as e:
    print(e)
    browser.close()

二、查找節(jié)點

2.1 查找單個節(jié)點

html 源碼如下：

!DOCTYPE html>
html lang="en">
head>
    meta charset="UTF-8">
    title>表單/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>
    年齡：input id="age">p>/p>
    國家：input name="country">p>/p>
    收入：input class="myclass">p>/p>
    button onclick="onclick_form()">提交/button>
/body>
/html>

樣式如下圖所示：

python 代碼自動填充上圖中的表單：

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

# 不支持本地網頁
browser = webdriver.Chrome()
try:
    # 這里我是用flask自己搭建的一個服務 訪問該頁面即可打開demo.html
    browser.get('http://127.0.0.1:5000/')
    input_t = browser.find_element_by_id('name')  # 通過id屬性查找姓名input節(jié)點
    input_t.send_keys('Amo')  # 自動輸入
    input_t = browser.find_element_by_id('age')
    input_t.send_keys('18')
    input_t = browser.find_element_by_name('country')  # 通過name屬性查找國家input節(jié)點
    input_t.send_keys('中國')
    # 通過class屬性查找收入input節(jié)點
    input_t = browser.find_element_by_class_name('myclass')
    input_t.send_keys('1850')
    # 或下面的代碼
    input_t = browser.find_element(By.CLASS_NAME, 'myclass')
    # 要想覆蓋前面的輸入，需要清空input節(jié)點，否則會在input節(jié)點原來的內容后面追加新內容
    input_t.clear()
    input_t.send_keys('3500')
except Exception as e:
    print(e)
    browser.close()

效果如下圖所示：

2.2 查找多個節(jié)點

示例代碼如下：

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

# 不支持本地網頁
browser = webdriver.Chrome()
try:
    browser.get('https://www.jd.com')  # 打開京東
    # 根據節(jié)點名查找所有名為li的節(jié)點
    li_list = browser.find_elements_by_tag_name('li')
    # 輸出節(jié)點本身
    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、節(jié)點交互

使用 selenium 通過模擬瀏覽器單擊動作循環(huán)單擊頁面上的6個按鈕，單擊每個按鈕后，按鈕下方的 div 就會按照按鈕的背景顏色設置 div 的背景色。

demo1.html 靜態(tài)頁面代碼如下：

!DOCTYPE html>
html lang="en">
head>
    meta charset="UTF-8">
    title>彩色按鈕/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)">按鈕1/button>
  button class="mybutton" style="background: blue" onclick="onclick_color(this)">按鈕2/button>
  button class="mybutton" style="background: yellow" onclick="onclick_color(this)">按鈕3/button>
  br>
  button class="mybutton" style="background: green" onclick="onclick_color(this)">按鈕4/button>
  button class="mybutton" style="background: blueviolet" onclick="onclick_color(this)">按鈕5/button>
  button class="mybutton" style="background: gold" onclick="onclick_color(this)">按鈕6/button>
  p>/p>
  div id="bgcolor" style="width: 200px; height: 200px">
  /div>
/body>
/html>

然后使用 Python 代碼模擬瀏覽器的單擊動作自動單擊頁面上的 6 個按鈕。P

ython 代碼如下所示：

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、動作鏈

使用 selenium 動作鏈的 move_to_element 方法模擬鼠標移動的動作，自動顯示京東商城首頁左側的每個二級導航菜單。

示例代碼如下：

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 動作鏈的 drag_and_drop 方法將一個節(jié)點拖動到另外一個節(jié)點上。

示例代碼如下：

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、執(zhí)行 JavaScript 代碼

使用 selenium 的 execute_script 方法讓京東商城首頁滾動到最低端，然后彈出一個對話框。示

例代碼如下：

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("已經到達頁面底端")')

六、獲取節(jié)點信息

使用 selenium 的 API 獲取京東商城首頁 HTML 代碼中 id 為 navitems-group1 的 ul 節(jié)點的相關信息以及 ul 節(jié)點中 li 子節(jié)點的相關信息。

示例代碼如下：

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)  # 內部id，不是節(jié)點id屬性值
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))
    # 屬性沒找到，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()

執(zhí)行結果如下：

秒殺
優(yōu)惠券
PLUS會員
品牌閃購
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'>
秒殺 > class= fore1
href = https://miaosha.jd.com/
class 'selenium.webdriver.remote.webelement.WebElement'>
優(yōu)惠券 > class= fore2
href = https://a.jd.com/
class 'selenium.webdriver.remote.webelement.WebElement'>
PLUS會員 > class= fore3
href = https://plus.jd.com/index?flow_system=appiconflow_entrance=appicon11flow_channel=pc
class 'selenium.webdriver.remote.webelement.WebElement'>
品牌閃購 > class= fore4
href = https://red.jd.com/

七、管理 Cookies

使用 selenium API 獲取 cookie 列表，并添加新的 cookie，以及刪除所有的 cookie。

示例代碼如下：

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())  # 大部分刪除了，可能還剩下一些

八、改變節(jié)點屬性的值

通過 javascript 代碼改變百度搜索按鈕的位置，讓這個按鈕在多個位置之間移動，時間間隔是2秒。

示例代碼如下：

from selenium import webdriver
import time
driver = webdriver.Chrome()
driver.get("http://www.baidu.com")
search_button = driver.find_element_by_id("su")  # 百度搜索按鈕
# arguments[0]對應的是第一個參數，可以理解為python里的%s傳參，與之類似
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 代碼修改京東商城首頁頂端的前兩個導航菜單的文本和鏈接，分別改成 ‘3天極速掌握 Scala 語言：First Day' 和 ‘數據倉庫 Hive 從入門到小牛(一)'，導航鏈接也會發(fā)生改變。

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天極速掌握 Scala 語言：First Day'
 arguments[0].
 arguments[1].text = '數據倉庫 Hive 從入門到小牛(一)'
 arguments[1].
 '''
driver.execute_script(js, a1, a2)

效果如下圖所示：