爬蟲殺手鐗-PhantomJS(附案列網站模擬登錄豆瓣網)

PhantomJS：無界面的瀏覽器

Selenium： 可以根據我們的指令，讓瀏覽器自動加載頁面，獲取需要的數據，甚至頁面截屏，或者判斷網站上某些動作是否發生。Selenium 自己不帶瀏覽器，不支持瀏覽器的功能，它需要與第三方瀏覽器結合在一起才能使用。但是我們有時候需要讓它內嵌在代碼中運行，所以我們可以用一個叫 PhantomJS 的工具代替真實的瀏覽器。

文檔地址：http://selenium-python.readthedocs.io/index.html

# 導入 webdriver
from selenium import webdriver
# 要想調用鍵盤按鍵操作需要引入keys包
from selenium.webdriver.common.keys 
import Keys
# 調用環境變量指定的PhantomJS瀏覽器創建瀏覽器對象
driver = webdriver.PhantomJS()
# 如果沒有在環境變量指定PhantomJS位置# driver = webdriver.PhantomJS(executable_path="./phantomjs"))
# get方法會一直等到頁面被完全加載，然後纔會繼續程序，通常測試會在這裏選擇 time.sleep(2)
driver.get("http://www.baidu.com/")
# 獲取頁面名爲 wrapper的id標籤的文本內容
data = driver.find_element_by_id("wrapper").text
# 打印數據內容
print data
# 打印頁面標題 "百度一下，你就知道
"print driver.title
# 生成當前頁面快照並保存
driver.save_screenshot("baidu.png")
# id="kw"是百度搜索輸入框，輸入字符串"長城"
driver.find_element_by_id("kw").send_keys("長城")
# id="su"是百度搜索按鈕，click() 是模擬點擊
driver.find_element_by_id("su").click()
# 獲取新的頁面快照
driver.save_screenshot("長城.png")
# 打印網頁渲染後的源代碼
print driver.page_source
# 獲取當前頁面Cookie
print driver.get_cookies()
# ctrl+a 全選輸入框內容
driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'a')
# ctrl+x 剪切輸入框內容
driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'x')
# 輸入框重新輸入內容
driver.find_element_by_id("kw").send_keys("atguigu")
# 模擬Enter回車鍵
driver.find_element_by_id("su").send_keys(Keys.RETURN)
# 清除輸入框內容
driver.find_element_by_id("kw").clear()
# 生成新的頁面快照
driver.save_screenshot("atguigu.png")
# 獲取當前url
print driver.current_url
# 關閉當前頁面，如果只有一個頁面，會關閉瀏覽器# driver.close()
# 關閉瀏覽器
driver.quit()

2.頁面操作大體內容

# 獲取id標籤值
element = driver.find_element_by_id("passwd-id")
# 獲取name標籤值
element = driver.find_element_by_name("user-name")
# 獲取標籤名值
element = driver.find_elements_by_tag_name("input")
# 也可以通過XPath來匹配
element = driver.find_element_by_xpath("//input[@id='passwd-id']")

1. 關於元素的選取，有如下的API 單個元素選取

# 定位UI元素 (WebElements)
 
find_element_by_id
find_elements_by_name
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

1. 鼠標動作鏈

# 導入 webdriver
 
#導入 ActionChains 類
from selenium.webdriver import ActionChains
# 鼠標移動到 ac 位置
ac = driver.find_element_by_xpath('element')
ActionChains(driver).move_to_element(ac).perform()
 
# 在 ac 位置單擊
ac = driver.find_element_by_xpath("elementA")
ActionChains(driver).move_to_element(ac).click(ac).perform()
# 在 ac 位置雙擊
ac = driver.find_element_by_xpath("elementB")
ActionChains(driver).move_to_element(ac).double_click(ac).perform()
# 在 ac 位置右擊
ac = driver.find_element_by_xpath("elementC")
ActionChains(driver).move_to_element(ac).context_click(ac).perform()
# 在 ac 位置左鍵單擊hold住
ac = driver.find_element_by_xpath('elementF')
ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()
# 將 ac1 拖拽到 ac2 位置
ac1 = driver.find_element_by_xpath('elementD')
ac2 = driver.find_element_by_xpath('elementE')
ActionChains(driver).drag_and_drop(ac1, ac2).perform()

5 . 下拉菜單的操作(導入select類)

# 導入 Select 類
from selenium import webdriver
from selenium.webdriver.support.ui import Select
driver = webdriver.Chrome()
driver.get("http://127.0.0.1:8080")
# 找到 name 的選項卡
select = Select(driver.find_element_by_name('status'))
#根據位置下標
# select.select_by_index(1)
#根據值找到對應的選擇
# select.select_by_value("3")
#根據顯示值找到對應的選擇
select.select_by_visible_text("審覈不通過")

1. 頁面切換

driver.switch_to.window("window name")

1. 操作頁面的前進和後退

driver.forward()     #前進
driver.back()        # 後退

1. 頁面等待

顯式等待是等待特定的時間，隱式等待是指定某一條件直到這個條件成立時繼續執行。

8.1 隱式等待比較簡單，就是簡單地設置一個等待時間，單位爲秒

from selenium import webdriver
driver = webdriver.Chrome()
driver.implicitly_wait(10) # seconds
driver.get("http://www.xxxxx.com/loading")

8.2 顯式等待指定某個條件，然後設置最長等待時間。如果在這個時間還沒有找到元素，那麼便會拋出異常了

from selenium import webdriver
from selenium.webdriver.common.by import By# WebDriverWait 庫，負責循環等待
from selenium.webdriver.support.ui import WebDriverWait# expected_conditions 類，負責條件出發
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Chrome()
driver.get("http://www.xxxxx.com/loading")
try:
    # 頁面一直循環，直到 id="myElement" 出現
    element = WebDriverWait(driver, 10).until(EC.presence_of_element_located((By.ID, "myElement")))
finally:
    driver.quit()

網站模擬登錄豆瓣網

from selenium import webdriver
import time
 
# 創建一個瀏覽器客戶端,並且指定配置
# 如果是PhantomJS做瀏覽器客戶端還要設置路徑
# driver = webdriver.PhantomJS(executable_path="/usr/local/bin/phantomjs")
driver = webdriver.Chrome()
 
driver.get("https://www.douban.com/")
time.sleep(1)
driver.save_screenshot("豆瓣首頁.png")
 
#輸入賬號
driver.find_element_by_id("form_email").send_keys("username")
#輸入密碼
driver.find_element_by_name("form_password").send_keys("password")
#保存驗證碼的圖片
driver.save_screenshot("驗證碼.png")
#輸入驗證碼
check_code = input("請輸入驗證碼:")
print(r"驗證碼是多少:%s" % check_code)
 
driver.find_element_by_id("captcha_field").send_keys(check_code)
 
#點擊登錄按鈕
driver.find_element_by_xpath("//input[@class='bn-submit']").click()
 
#休眠一下等待登錄成功
time.sleep(3)
#保存登錄成功的快照
driver.save_screenshot("登錄成功.png")
 
 
#保存成功登錄好的html到本地
with open("douban.html","w",encoding="utf-8") as f:
   f.write(driver.page_source)
 
#退出成功
driver.quit()