Python 爬蟲：selenium 詳解

一、什麼是 Selenium

selenium 是一套完整的web應用程序測試系統，包含了測試的錄製（selenium IDE）,編寫及運行（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持JavaScript的瀏覽器上。
其實它就是一個自動化測試工具，支持各種主流的瀏覽器

可以通過幾行代碼，自己去打開瀏覽器，自己去模擬我們的一些搜索
可以稱得上是爬蟲利器

二、支持的主流瀏覽器

1. 安裝 selenium 庫 pip install selenium
2. 下載對應的瀏覽器驅動

瀏覽器	驅動
Chrome	https://sites.google.com/a/chromium.org/chromedriver/downloads
Edge	https://developer.microsoft.com/en-us/microsoft-edge/tools/webdriver/
Firefox	https://github.com/mozilla/geckodriver/releases
Safari	https://webkit.org/blog/6900/webdriver-support-in-safari-10/

我用的是谷歌瀏覽器，所以此處我選擇谷歌瀏覽器的驅動

然後將 chromedriver 放置的路徑添加到 Path 中

這裏需要注意下，如果使用的是 Pycharm 軟件，添加好 Path後需要重啓下 該軟件纔可以加載使用

測試代碼：

# 導入 web 驅動模塊
from selenium import webdriver
# 創建一個 Chrome 驅動
driver = webdriver.Chrome()
# 使用 get 方法打開百度
driver.get("https://www.baidu.com")

結果圖：

三、基本使用

from selenium import webdriver
driver = webdriver.Chrome()
driver.get("https://www.baidu.com")
# 獲取輸入框，kw 代表輸入框的 id 
input = driver.find_element_by_css_selector('#kw')
input.send_keys("皮卡丘")
# 獲取“百度” 按鈕，su  代表 "百度一下 " 的 id 
button = driver.find_element_by_css_selector('#su')
button.click()

1. 聲明瀏覽器對象

上面我們知道了selenium支持很多的瀏覽器，但是如果想要聲明並調用瀏覽器則需要：

# 這裏只寫了兩個例子，當然了其他的支持的瀏覽器都可以通過這種方式調用
from selenium import webdriver
browser = webdriver.Chrome()
browser = webdriver.Firefox()

2. 訪問頁面

# 上述代碼運行後，會自動打開Chrome瀏覽器，
# 並登陸百度打印百度首頁的源代碼，然後關閉瀏覽器
from selenium import webdriver
browser = webdriver.Chrome()
browser.get("http://www.baidu.com")
print(browser.page_source)
browser.close() 

3. 查找元素

1. 單個元素查找

# 這裏我們通過三種不同的方式去獲取響應的元素，結果都是相同的
# 第一種是通過id的方式，第二個中是CSS選擇器，第三種是xpath選擇器
from selenium import webdriver
browser = webdriver.Chrome()
browser.get("http://www.taobao.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()

2. 頁面獲取一個元素的方法：

find_element_by_id
find_element_by_name
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

3. 比較通用的一種方式

from selenium import webdriver
# 需要記住By模塊需要導入
from selenium.webdriver.common.by import By
browser = webdriver.Chrome()
browser.get("http://www.taobao.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”)這裏By.ID中的ID可以替換爲其他幾個

4. 多個元素查找

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

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

當然上面的方式也是可以通過導入from selenium.webdriver.common.by import By 這種方式實現

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

5. 在頁面獲取多個元素：

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

4. 元素交互操作

對於獲取的元素調用交互方法

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()

運行的結果可以看出程序會自動打開Chrome瀏覽器並打開淘寶輸入 ipad,然後刪除，重新輸入MakBook pro，並點擊搜索

交互動作：將動作附加到動作鏈中串行執行

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()

5. 執行JavaScript

這是一個非常有用的方法，這裏就可以直接調用 js 方法來實現一些操作，
下面的例子是通過登錄知乎然後通過 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'))

獲取文本值：text

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：id，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)

6.Frame

在很多網頁中都是有Frame標籤，所以我們爬取數據的時候就涉及到切入到frame中以及切出來的問題，通過下面的例子演示
這裏常用的是 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)

7. 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，超出設定時間後則拋出找不到元素的異常, 換句話說，當查找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找 DOM，默認的時間是0

1. 隱式等待
   到了一定的時間發現元素還沒有加載，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加載就會拋出異常，如果沒有需要等待的時候就已經加載完畢就會立即執行

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)

2. 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，就會拋出異常，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擊的

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 元素加載出，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，傳入元素對象
presence_of_all_elements_located 所有元素加載出
text_to_be_present_in_element 某個元素文本包含某文字
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加載並切換
invisibility_of_element_located 元素不可見
element_to_be_clickable 元素可點擊
staleness_of 判斷一個元素是否仍在DOM，可判斷頁面是否已經刷新
element_to_be_selected 元素可選擇，傳元素對象
element_located_to_be_selected 元素可選擇，傳入定位元組
element_selection_state_to_be 傳入元素對象以及狀態，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

四、簡單示例

示例的 html

<html>
<body>
 <form id="loginForm">
  <input name="username" type="text" />
  <input name="password" type="password" />
  <input class="login" name="continue" type="submit" value="Login" />
 </form>
</body>
<html>

可以通過 id 獲取 form 表單

login_form = driver.find_element_by_id('loginForm')

通過 name 獲取相應的輸入框

username = driver.find_element_by_name('username')
password = driver.find_element_by_name('password')

通過 xpath 獲取表單

login_form = driver.find_element_by_xpath("/html/body/form[1]")
login_form = driver.find_element_by_xpath("//form[1]")
login_form = driver.find_element_by_xpath("//form[@id='loginForm']")

通過標籤獲取相應的輸入框

input1 = driver.find_element_by_tag_name('input')

通過 class 獲取相應的元素

login = driver.find_element_by_class_name('login')

上面的方式也可以通過導入from selenium.webdriver.common.by import By
方式實現

driver.find_elements(By.ID, 'xxx')
# By.屬性和上面的是一樣的
ID = "id"
XPATH = "xpath"
LINK_TEXT = "link text"
PARTIAL_LINK_TEXT = "partial link text"
NAME = "name"
TAG_NAME = "tag name"
CLASS_NAME = "class name"
CSS_SELECTOR = "css selector"

在爬蟲過程的使用：

# 拿到瀏覽器對象
driver = webdriver.Chrome() 
# 獲取請求鏈接
driver.current_url
# 獲取 cookies
driver.get_cookies()
# 獲取源代碼
driver.page_source
# 獲取文本的值
input.text

參考：
小帥b：學習python的正確姿勢
python修行之路：https://www.cnblogs.com/zhaof/p/6953241.html