为什么使用selenium?
使用urllib.request.urlopen()模拟浏览器有时候获取不到数据,所以使用selenium
(1) selenium是一个用于web应用程序测试的工具
(2) selenium 测试直接运行在浏览器中,就像真正的用户在操作一样
(3) 支持通过各种driver (FirfoxDriver,IternetExplorerDriver,OperaDriver, ChromeDriver) 驱动真实浏览器完成测试。
(4) selenium也是支持无界面浏览器操作的。
1. 安装selenium(以谷歌为例)
1.1.安装谷歌浏览器驱动 chromedriver:chromedriver官网下载地址
注意:chromedriver需要下载与谷歌浏览器对应的版本,防止版本不兼容
选择自己需要的版本,我这是120.0版本,复制这个链接到空的标签页就可下载
将下载的解压包解压后无需安装和运行,将exe文件直接放在程序目录下,如下图:
1.2. 安装selenium:pip install selenium 或 pip install selenium -i https://pypi.douban.com/simple
如果报错可以安装此版本(需卸载之前的):pip install selenium==3.3.1
注意:需要安装在python解释器下面,例如:D:\Program Files\Python3.11.4\Scripts
2. 使用selenium基础
1)导入selenium
2)创建浏览器操作对象
3)访问网站
# import urllib.request# url = "https://www.jd.com/"# response = urllib.request.urlopen(url=url)# content = response.read().decode("utf-8")# print(content)# 获取不到京东秒杀活动,所以需要使用selenium# 1)导入seleniumfrom selenium import webdriver# from selenium.webdriver.common.by import By# 2)创建浏览器操作对象path = "chromedriver.exe"# 驱动路径browser = webdriver.Chrome(path)# 3)访问网站url = "https://www.baidu.com"browser.get(url)browser.get("https://www.jd.com/")# page_source:获取网页源码content = browser.page_sourceprint(content) # 可以获取京东秒杀活动
3. 元素定位
元素定位: 自动化要做的就是模拟鼠标和键盘来操作来操作这些元素,点击、输入等等。操作这些元素前首先要找到它们,webDriver提供很多定位元素的方法:
1)根据id找到对象:browser.find_element_by_id(“id属性值”)
2)根据标签属性的属性值获取对象:browser.find_element_by_name(“属性值”)
3)根据xpath语句来获取对象:browser.find_elements_by_xpath(“xpath语句”)
4)根据标签名字获取对象:browser.find_elements_by_tag_name(“标签名”)
5)使用bs4语法来获取对象:browser.find_elements_by_css_selector(“bs4语法”)
6)使用链接来获取对象:browser.find_elements_by_link_text(“链接文本”)
from selenium import webdriver# 创建浏览器对象path = "chromedriver.exe"browser = webdriver.Chrome(path)# 访问网站url = "https://www.baidu.com"browser.get(url)# 元素定位# 根据id找到对象button1 = browser.find_element_by_id("su")print(button1)# 根据标签属性的属性值获取对象button2 = browser.find_element_by_name("wd")print(button2)# 根据xpath语句来获取对象button3 = browser.find_elements_by_xpath("//input[@id='su']")print(button3)# 根据标签名字获取对象button4 = browser.find_elements_by_tag_name("input")print(button4)# 使用bs4语法来获取对象button5 = browser.find_elements_by_css_selector("#su")print(button5)# 使用链接(a标签)来获取对象button6 = browser.find_elements_by_link_text("新闻")print(button6)
4. 元素信息
获取标签的属性:get_attribute(“属性名”)
获取标签的名字:tag_name
获取元素的文本:text
from selenium import webdriver# 创建浏览器对象path = "chromedriver.exe"browser = webdriver.Chrome(path)# 访问网站url = "https://www.baidu.com"browser.get(url)# 元素信息input = browser.find_element_by_id("su")# 获取标签的属性print(input.get_attribute("class"))# 获取标签的名字print(input.tag_name)a = browser.find_element_by_link_text("新闻")# 获取元素的文本print(a.text)
5. 交互
from selenium import webdriverimport time# 创建浏览器对象path = "chromedriver.exe"browser = webdriver.Chrome(path)# 访问网站url = "https://www.baidu.com"browser.get(url)time.sleep(2)# 获取文本框对象input = browser.find_element_by_id("kw")# 在文本框中输入周杰伦input.send_keys("周杰伦")time.sleep(2)# 获取百度一下按钮button = browser.find_element_by_id("su")# 点击按钮button.click()time.sleep(2)# 滑到底部js_bottom = "document.documentElement.scrollTop=100000"browser.execute_script(js_bottom)time.sleep(2)# 获取下一页按钮button1 = browser.find_element_by_xpath("//a[@class='n']")# 点击下一页button1.click()time.sleep(2)# 返回上一页browser.back()time.sleep(2)# 再回去browser.forward()time.sleep(3)# 退出browser.quit()
6. PhantomJS
1.什么是phantomjs” />phantomjs下载,将下载的解压包解压后无需安装和运行,将exe文件直接放在程序目录下
2)获取phantomjs.exe文件路径path
3)browser = webdriver.PhantomJs(path)
4)browser.get(ur1)
扩展: 保存屏幕快照:browser.save_screenshot(‘baidu.png’)
from selenium import webdriverimport time# 创建浏览器对象path = "phantomjs.exe"browser = webdriver.PhantomJS(path)# 访问网站url = "https://www.baidu.com"browser.get(url)# 拍快照browser.save_screenshot("baidu.png")time.sleep(2)# 获取输入框对象input = browser.find_element_by_id("kw")# 输入框输入 "星之卡比"input.send_keys("星之卡比")time.sleep(2)# 拍快照browser.save_screenshot("xing.png")
7. Chrome handless(更推荐)
Chrome-headless 模式:Google 针对 Chrome 浏览器 59版 新增加的一种模式,可以让你不打开UI界面的情况下使用 chrome 浏览器,所以运行效果与 Chrome 保持完美一致。
系统要求 : 1)Chrome:Unix\Linux 系统需要 chrome >= 59,windows 系统需要 chrome >= 60
2)Python3.6 3)Selenium==3.4.*4)ChromeDriver==2.31
配置:只需要修改path
chrome_options = Options()
chrome_options.add_argument(“–headless”)
chrome_options.add_argument(“–disable-gpu”)# path是自己的chrome浏览器的文件路径
path = r”C:\Program Files\Google\Chrome\Application\chrome.exe”
chrome_options.binary_location = pathbrowser = webdriver.Chrome(chrome_options=chrome_options)
# from selenium import webdriver# from selenium.webdriver.chrome.options import Options## chrome_options = Options()# chrome_options.add_argument("--headless")# chrome_options.add_argument("--disable-gpu")## path是自己的chrome浏览器的文件路径# path = r"C:\Program Files\Google\Chrome\Application\chrome.exe"# chrome_options.binary_location = path# browser = webdriver.Chrome(chrome_options=chrome_options)## url = "https://www.baidu.com"# browser.get(url)# browser.save_screenshot("baidu1.png")# 封装的handlessfrom selenium import webdriverfrom selenium.webdriver.chrome.options import Optionsdef share_browser():chrome_options = Options()chrome_options.add_argument("--headless")chrome_options.add_argument("--disable-gpu")# path是自己的chrome浏览器的文件路径path = r"C:\Program Files\Google\Chrome\Application\chrome.exe"chrome_options.binary_location = pathbrowser = webdriver.Chrome(chrome_options=chrome_options)return browserbrowser = share_browser()url = "https://www.baidu.com"browser.get(url)