selenium 简介

随着网络技术的发展，目前大部分网站都采用动态加载技术，常见的有 JavaScript 动态渲染和 Ajax 动态加载

对于爬取这些网站，一般有两种思路：

• 分析 Ajax 请求，通过模拟请求得到真实的数据，这种方法在之前的文章中已经多次使用，这里就不再赘述了
• 使用 selenium 模拟浏览器进行动态渲染，从而获取网站返回的真实数据，以下我们将详细讲解这种方法

selenium 究竟是什么呢？简单来说，selenium 就是一个用于 Web 应用程序的测试工具
根据官方文档所说，selenium 最大的优点就是它可以直接运行在浏览器上，模拟用户的真实行为
但同时这也是它最大的缺点，由于需要模拟真实的渲染过程，所以导致它的运行速度变慢
其它详细的说明请参考 :
中文文档

selenium 安装

准备工作

安装 selenium
>pip install selenium

安装驱动

• 在使用 selenium 的时候，必须有对应的浏览器驱动器文件在 Python 的安装目录下，否则会出现异常
• Chrome 驱动器下载官网如下:https://sites.google.com/a/chromium.org/chromedriver/home
• 由于上面的官网需要翻墙才能访问，所以博主也在这里简单的给大家讲讲安装驱动的方法，具体的步骤如下：

  1. 打开 Chrome 浏览器，在地址栏中输入地址 chrome://settings/help，查看 Chrome 浏览器的版本信息
     

     例如 84.0.4147.105

  2. 将上面的信息去掉最后一部分后附加到 https://chromedriver.storage.googleapis.com/LATEST_RELEASE_
     例如 https://chromedriver.storage.googleapis.com/LATEST_RELEASE_84.0.4147
     

3. 访问上面的链接，得到对应的驱动器版本信息
   例如 84.0.4147.30

4. 将上面的信息附加到 https://chromedriver.storage.googleapis.com/index.html?path=，并在最后带上斜杠

   例如 https://chromedriver.storage.googleapis.com/index.html?path=84.0.4147.30/

5. 访问上面的链接，选择合适平台（linux、mac、win）压缩包进行下载

6. 等待下载完成后解压，将解压后的文件放到 Python 安装目录下即可

基本使用

1. 导入模块

>>> from selenium import webdriver

2. 开启浏览器

>>> browser = webdriver.Chrome()
>>> type(browser)
# <class 'selenium.webdriver.chrome.webdriver.WebDriver'>

3. 访问页面
   使用 WebDriver 对象的 get(url) 方法可以访问对应 URL 的页面

>>> browser.get('https://www.baidu.com')
>>> print(browser.current_url) # current_url 属性可以得到当前网页的 URL
# https://www.baidu.com/
>>> print(browser.page_source) # page_source 属性可以得到当前网页的源代码

4. 查找元素
   方法一 ：

以下尝试使用几种方法匹配输入框：

>>> search_bar = browser.find_element_by_id('kw')
>>> search_bar = browser.find_element_by_css_selector('#kw')
>>> search_bar = browser.find_element_by_xpath('//*[@id="kw"]')
>>> type(search_bar)
# <class 'selenium.webdriver.remote.webelement.WebElement'>

方法二：

>>> from selenium.webdriver.common.by import By
>>> element = browser.find_element(by,value)

• 参数 value 是与匹配方法对应的匹配表达式
• 参数 by 指定匹配方法，其可选值列举如下（和方法一类似）

以下尝试使用几种方法匹配确认按钮：

>>> from selenium.webdriver.common.by import By
>>> button = browser.find_element(By.ID,'su')
>>> button = browser.find_element(By.CSS_SELECTOR,'#su')
>>> button = browser.find_element(By.XPATH,'//*[@id="su"]')
>>> type(button)
# <class 'selenium.webdriver.remote.webelement.WebElement'>

注意 ：

对于两种方法来说，若成功找到则返回 WebElement 对象，若没有找到则抛出 NoSuchElementException 异常
当需要查找多个元素时，只需要把方法中的 element 改成 elements 即可，此时返回的是匹配列表

5. 元素交互操作
   常见的元素交互操作列举如下：
   • 获取文本节点（可以使用 text 属性获取文本节点）
   • 获取元素属性值

>>> button.get_attribute('type')
# 'submit'

• 写入输入框

>>> search_bar.send_keys('Selenium') # 向输入框输入内容
>>> search_bar.clear() # 清空输入框
>>> search_bar.send_keys('Selenium')
>>> from selenium.webdriver.common.keys import Keys
>>> search_bar.send_keys(Keys.ENTER) # 向输入框输入ENTER键

• 点击提交按钮

# 点击提交按钮，等价于上面的 search_bar.send_keys(Keys.ENTER)
>>> button.click() 

6. 执行交互动作
   将动作附加在动作链中串行执行，常用的方法列举如下：

以下示例为滚动到下一页按钮所在位置并点击下一页按钮翻页

>>> from selenium.webdriver.common.action_chains import ActionChains
>>> target = browser.find_element_by_class_name('n')
>>> ActionChains(browser).move_to_element(target).click(target).perform()

7. 执行 JavaScript
   JavaScript 能完成绝大部分的网页操作，由于内容庞杂，这里就不展开细说了
   以下通过一个简单的例子来说明 JavaScript 的作用，其功能为拖动网页至底部：

>>> js = "window.scrollTo(0,document.body.scrollHeight)"
>>> browser.execute_script(js)

8. 等待

>>> from selenium.webdriver.support.wait import WebDriverWait
>>> from selenium.webdriver.support import expected_conditions as EC
>>> wait = WebDriverWait(browser,10)
>>> try:
	element = wait.until(EC.presence_of_element_located((By.CLASS_NAME,'n')))
except:
    browser.quit()

其它的 expected_conditions 方法列举如下：

9. 关闭浏览器

一个简单的示例如下：

>>> browser.quit()

今天的文章Selenium:强烈推荐!内含最详细的介绍[安装,基本使用]分享到此就结束了，感谢您的阅读，如果确实帮到您，您可以动动手指转发给其他人。