Python爬蟲之selenium庫使用詳解

pythontab發表於2018-05-16

什麼是Selenium

selenium 是一套完整的web應用程式測試系統，包含了測試的錄製（selenium IDE）,編寫及執行（Selenium Remote Control）和測試的並行處理（Selenium Grid）。Selenium的核心Selenium Core基於JsUnit，完全由JavaScript編寫，因此可以用於任何支援JavaScript的瀏覽器上。

selenium可以模擬真實瀏覽器，自動化測試工具，支援多種瀏覽器，爬蟲中主要用來解決JavaScript渲染問題。

selenium基本使用

用python寫爬蟲的時候，主要用的是selenium的Webdriver，我們可以透過下面的方式先看看Selenium.Webdriver支援哪些瀏覽器

python@pythontab.com:~/python35$ python
Python 3.5.2 (default, Aug 24 2016, 16:48:29) 
[GCC 4.2.1 Compatible Apple LLVM 7.3.0 (clang-703.0.31)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> from selenium import webdriver
>>> help(webdriver)

執行結果如下，從結果中我們也可以看出基本支援了常見的所有瀏覽器：

......
PACKAGE CONTENTS
    android (package)
    blackberry (package)
    chrome (package)
    common (package)
    edge (package)
    firefox (package)
    ie (package)
    opera (package)
    phantomjs (package)
    remote (package)
    safari (package)
    support (package)
    webkitgtk (package)
......

這裡要說一下比較重要的PhantomJS,PhantomJS是一個而基於WebKit的服務端JavaScript API,支援Web而不需要瀏覽器支援，其快速、原生支援各種Web標準：Dom處理，CSS選擇器，JSON等等。PhantomJS可以用用於頁面自動化、網路監測、網頁截圖，以及無介面測試

宣告瀏覽器物件

上面我們知道了selenium支援很多的瀏覽器，但是如果想要宣告並呼叫瀏覽器則需要：

from selenium import webdriver
browser = webdriver.Chrome()
browser = webdriver.Firefox()

這裡只寫了兩個例子，當然了其他的支援的瀏覽器都可以透過這種方式呼叫

訪問頁面

from selenium import webdriver
browser = webdriver.Chrome()
browser.get("http://www.pythontab.com")
print(browser.page_source)
browser.close()

上述程式碼執行後，會自動開啟Chrome瀏覽器，並登陸百度列印百度首頁的原始碼，然後關閉瀏覽器

查詢元素

單個元素查詢

from selenium import webdriver
browser = webdriver.Chrome()
browser.get("http://bbs.pythontab.com")
input_first = browser.find_element_by_id("q")
input_second = browser.find_element_by_css_selector("#q")
input_third = browser.find_element_by_xpath('//*[@id="q"]')
print(input_first)
print(input_second)
print(input_third)
browser.close()

這裡我們透過三種不同的方式去獲取響應的元素，第一種是透過id的方式，第二個中是CSS選擇器，第三種是xpath選擇器，結果都是相同的。

這裡列舉一下常用的查詢元素方法：

find_element_by_name

find_element_by_id

find_element_by_xpath

find_element_by_link_text

find_element_by_partial_link_text

find_element_by_tag_name

find_element_by_class_name

find_element_by_css_selector

下面這種方式是比較通用的一種方式：這裡需要記住By模組所以需要匯入

from selenium.webdriver.common.by import By
from selenium import webdriver
from selenium.webdriver.common.by import By
browser = webdriver.Chrome()
browser.get("http://bbs.pythontab.com")
input_first = browser.find_element(By.ID,"q")
print(input_first)
browser.close()

當然這種方法和上述的方式是通用的，browser.find_element(By.ID,"q")這裡By.ID中的ID可以替換為其他幾個

多個元素查詢

其實多個元素和單個元素的區別，舉個例子：find_elements,單個元素是find_element,其他使用上沒什麼區別，透過其中的一個例子演示：

from selenium import webdriver
browser = webdriver.Chrome()
browser.get("http://bbs.pythontab.com")
lis = browser.find_elements_by_css_selector('.service-bd li')
print(lis)
browser.close()

這樣獲得就是一個列表

當然上面的方式也是可以透過匯入from selenium.webdriver.common.by import By 這種方式實現

lis = browser.find_elements(By.CSS_SELECTOR,'.service-bd li')

同樣的在單個元素中查詢的方法在多個元素查詢中同樣存在：

find_elements_by_name

find_elements_by_id

find_elements_by_xpath

find_elements_by_link_text

find_elements_by_partial_link_text

find_elements_by_tag_name

find_elements_by_class_name

find_elements_by_css_selector

元素互動操作

對於獲取的元素呼叫互動方法

from selenium import webdriver
import time
browser = webdriver.Chrome()
browser.get("http://www.taobao.com")
input_str = browser.find_element_by_id('q')
input_str.send_keys("ipad")
time.sleep(1)
input_str.clear()
input_str.send_keys("MakBook pro")
button = browser.find_element_by_class_name('btn-search')
button.click()

執行的結果可以看出程式會自動開啟Chrome瀏覽器並開啟淘寶輸入ipad,然後刪除，重新輸入MakBook pro，並點選搜尋

Selenium所有的api文件：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains

互動動作

將動作附加到動作鏈中序列執行

from selenium import webdriver
from selenium.webdriver import ActionChains
browser = webdriver.Chrome()
url = "http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable"
browser.get(url)
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()

更多操作參考：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains

執行JavaScript

這是一個非常有用的方法，這裡就可以直接呼叫js方法來實現一些操作，

下面的例子是透過登入知乎然後透過js翻到頁面底部，並彈框提示

from selenium import webdriver
browser = webdriver.Chrome()
browser.get("http://www.zhihu.com/explore")
browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')
browser.execute_script('alert("To Bottom")')

獲取元素屬性

get_attribute('class')
from selenium import webdriver
browser = webdriver.Chrome()
url = 'https://www.zhihu.com/explore'
browser.get(url)
logo = browser.find_element_by_id('zh-top-link-logo')
print(logo)
print(logo.get_attribute('class'))

獲取文字值

from selenium import webdriver
browser = webdriver.Chrome()
url = 'https://www.zhihu.com/explore'
browser.get(url)
input = browser.find_element_by_class_name('zu-top-add-question')
print(input.text)

獲取ID，位置，標籤名

location

tag_name

size

from selenium import webdriver
browser = webdriver.Chrome()
url = 'https://www.zhihu.com/explore'
browser.get(url)
input = browser.find_element_by_class_name('zu-top-add-question')
print(input.id)
print(input.location)
print(input.tag_name)
print(input.size)

Frame

在很多網頁中都是有Frame標籤，所以我們爬取資料的時候就涉及到切入到frame中以及切出來的問題，透過下面的例子演示

這裡常用的是switch_to.from()和switch_to.parent_frame()

import time
from selenium import webdriver
from selenium.common.exceptions import NoSuchElementException
browser = webdriver.Chrome()
url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'
browser.get(url)
browser.switch_to.frame('iframeResult')
source = browser.find_element_by_css_selector('#draggable')
print(source)
try:
    logo = browser.find_element_by_class_name('logo')
except NoSuchElementException:
    print('NO LOGO')
browser.switch_to.parent_frame()
logo = browser.find_element_by_class_name('logo')
print(logo)
print(logo.text)

等待

當使用了隱式等待執行測試的時候，如果 WebDriver沒有在 DOM中找到元素，將繼續等待，超出設定時間後則丟擲找不到元素的異常, 換句話說，當查詢元素或元素並沒有立即出現的時候，隱式等待將等待一段時間再查詢 DOM，預設的時間是0

隱式等待

到了一定的時間發現元素還沒有載入，則繼續等待我們指定的時間，如果超過了我們指定的時間還沒有載入就會丟擲異常，如果沒有需要等待的時候就已經載入完畢就會立即執行

from selenium import webdriver
browser = webdriver.Chrome()
browser.implicitly_wait(10)
browser.get('https://www.zhihu.com/explore')
input = browser.find_element_by_class_name('zu-top-add-question')
print(input)

顯示等待

指定一個等待條件，並且指定一個最長等待時間，會在這個時間內進行判斷是否滿足等待條件，如果成立就會立即返回，如果不成立，就會一直等待，直到等待你指定的最長等待時間，如果還是不滿足，就會丟擲異常，如果滿足了就會正常返回

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
browser = webdriver.Chrome()
browser.get('https://www.taobao.com/')
wait = WebDriverWait(browser, 10)
input = wait.until(EC.presence_of_element_located((By.ID, 'q')))
button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '.btn-search')))
print(input, button)

上述的例子中的條件：EC.presence_of_element_located（）是確認元素是否已經出現了

EC.element_to_be_clickable（）是確認元素是否是可點選的

常用的判斷條件：

title_is 標題是某內容

title_contains 標題包含某內容

presence_of_element_located 元素載入出，傳入定位元組，如(By.ID, 'p')

visibility_of_element_located 元素可見，傳入定位元組

visibility_of 可見，傳入元素物件

presence_of_all_elements_located 所有元素載入出

text_to_be_present_in_element 某個元素文字包含某文字

text_to_be_present_in_element_value 某個元素值包含某文字

frame_to_be_available_and_switch_to_it frame載入並切換

invisibility_of_element_located 元素不可見

element_to_be_clickable 元素可點選

staleness_of 判斷一個元素是否仍在DOM，可判斷頁面是否已經重新整理

element_to_be_selected 元素可選擇，傳元素物件

element_located_to_be_selected 元素可選擇，傳入定位元組

element_selection_state_to_be 傳入元素物件以及狀態，相等返回True，否則返回False

element_located_selection_state_to_be 傳入定位元組以及狀態，相等返回True，否則返回False

alert_is_present 是否出現Alert

更多操作參考：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.expected_conditions

瀏覽器的前進和後退

back()

forward()

import time
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.baidu.com/')
browser.get('https://www.taobao.com/')
browser.get('http://www.pythontab.com/')
browser.back()
time.sleep(1)
browser.forward()
browser.close()

cookie操作

get_cookies()

delete_all_cookes()

add_cookie()

from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.zhihu.com/explore')
print(browser.get_cookies())
browser.add_cookie({'name': 'name', 'domain': 'www.zhihu.com', 'value': 'zhaofan'})
print(browser.get_cookies())
browser.delete_all_cookies()
print(browser.get_cookies())

選項卡管理

透過執行js命令實現新開選項卡window.open()

不同的選項卡是存在列表裡browser.window_handles

透過browser.window_handles[0]就可以操作第一個選項卡

import time
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.execute_script('window.open()')
print(browser.window_handles)
browser.switch_to_window(browser.window_handles[1])
browser.get('https://www.taobao.com')
time.sleep(1)
browser.switch_to_window(browser.window_handles[0])
browser.get('http://www.pythontab.com')

異常處理

這裡的異常比較複雜，官網的參考地址：

http://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions

這裡只進行簡單的演示，查詢一個不存在的元素

from selenium import webdriver
from selenium.common.exceptions import TimeoutException, NoSuchElementException
browser = webdriver.Chrome()
try:
    browser.get('https://www.baidu.com')
except TimeoutException:
    print('Time Out')
try:
    browser.find_element_by_id('hello')
except NoSuchElementException:
    print('No Element')
finally:
    browser.close()

Python爬蟲之Selenium庫的基本使用
2018-11-30
Python爬蟲
python爬蟲常用庫之urllib詳解
2018-03-11
Python爬蟲
python爬蟲常用庫之requests詳解
2019-03-04
Python爬蟲
python爬蟲常用庫之BeautifulSoup詳解
2018-04-01
Python爬蟲
Python爬蟲基礎之selenium
2022-07-13
Python爬蟲
Python爬蟲之路-selenium在爬蟲中的使用
2021-01-04
Python爬蟲
Python網路爬蟲 - Phantomjs, selenium/Chromedirver使用
2019-01-22
Python爬蟲JSChrome
Python爬蟲之BeautifulSoup庫
2020-12-14
Python爬蟲
爬蟲-selenium的使用
2021-02-04
爬蟲
Python爬蟲之Pyspider使用
2021-09-11
Python爬蟲IDE
Python爬蟲進階之urllib庫使用方法
2021-09-11
Python爬蟲
Python之selenium：selenium庫的簡介、安裝、使用方法之詳細攻略
2020-11-16
Python
python爬蟲之 BeautifulSoup庫入門
2019-12-09
Python爬蟲
Python爬蟲教程-26-Selenium + PhantomJS
2018-09-06
Python爬蟲JS
python實現selenium網路爬蟲
2021-03-11
Python爬蟲
【0基礎學爬蟲】爬蟲基礎之自動化工具 Selenium 的使用
2023-04-21
爬蟲
Python爬蟲神器requests庫的使用
2024-11-07
Python爬蟲
python爬蟲正規表示式詳解
2024-11-25
Python爬蟲
Python爬蟲實戰詳解：爬取圖片之家
2020-11-04
Python爬蟲
爬蟲之requests庫
2022-03-20
爬蟲
Python爬蟲詳解（一看就懂）
2022-07-15
Python爬蟲
Python爬蟲之BeautifulSoup
2019-02-16
Python爬蟲
JAVA爬蟲使用Selenium自動翻頁
2024-05-15
Java爬蟲
Python爬蟲教程-28-Selenium 操縱 Chrome
2018-09-06
Python爬蟲Chrome
【Python爬蟲實戰】使用Selenium爬取QQ音樂歌曲及評論資訊
2021-03-24
Python爬蟲
python網路爬蟲（7）爬取靜態資料詳解
2019-06-07
Python爬蟲
【python爬蟲實戰】使用Selenium webdriver採集山東招考資料
2020-07-02
Python爬蟲Web
Python爬蟲之使用MongoDB儲存資料
2019-02-16
Python爬蟲MongoDB
selenium+python設定爬蟲代理IP的方法
2019-04-17
Python爬蟲
python爬蟲之JS逆向
2022-06-11
Python爬蟲JS
網路爬蟲之使用pyppeteer替代selenium完美繞過webdriver檢測
2019-06-08
爬蟲Web
【爬蟲】專案篇-使用selenium爬取大魚潮汐網
2024-04-05
爬蟲
selenium爬蟲學習1
2024-08-29
爬蟲
建站四部曲之Python爬蟲+資料準備篇(selenium)
2018-12-12
Python爬蟲
【Python學習】爬蟲爬蟲爬蟲爬蟲~
2018-05-03
Python爬蟲
使用Python和requests庫的簡單爬蟲程式
2023-11-13
Python爬蟲
Python爬蟲之路-chrome在爬蟲中的使用
2021-01-04
Python爬蟲Chrome
python爬蟲庫技術分享
2022-01-19
Python爬蟲