selenium

---

动态HTML技术

• JS： 是网络上最常用的脚本语言,它可以收集用户的跟踪数据,不需要重载页面直接提交表单,在页面嵌入多媒体文件,甚至运行网页
• jQuery是一个快速、简介的JavaScript框架,封装了JavaScript常用的功能代码
• ajax
  ajax可以使用网页实现异步更新,可以在不重新加载整个网页的情况下,对网页的某部分进行更新
  有些数据不在网页源代码中，是通过ajax异步加载呈现，获取ajax数据的方式：
  1.直接分析ajax调用的接口。然后通过代码请求这个接口。
  2.使用Selenium+chromedriver模拟浏览器行为获取数据

方式	优点	缺点
分析接口	直接可以请求到数据。不需要做一些解析工作。代码量少，性能高	分析接口比较复杂，特别是一些通过js混淆的接口，要有一定的js功底。容易被发现是爬虫。
Selenium	直接模拟浏览器的行为。浏览器能请求到的，使用selenium也能请求到。爬虫更稳定。	代码量多。性能低

Selenium+chromedriver获取动态数据

Selenium 介绍

• selenium是一个web的自动化测试工具，最初是为网站自动化测试而开发的，selenium可以直接运行在浏览器上，它支持所有主流的浏览器，可以接收指令，让浏览器自动加载页面，获取需要的数据，甚至页面截屏
• chromedriver是一个驱动Chrome浏览器的驱动程序，使用他才可以驱动浏览器。当然针对不同的浏览器有不同的driver。以下列出了不同浏览器及其对应的driver：
  Chrome：https://sites.google.com/a/chromium.org/chromedriver/downloads
  Firefox：https://github.com/mozilla/geckodriver/releases
  Edge：https://developer.microsoft.com/en-us/microsoft-edge/tools/webdriver/
  Safari：https://webkit.org/blog/6900/webdriver-support-in-safari-10/
• 国内镜像下载(https://npm.taobao.org/)，在该网站选择对应浏览器以及相应版本
• 安装总结：https://www.jianshu.com/p/a383e8970135
• 安装Selenium：

pip install -i https://pypi.douban.com/simple/ selenium

Phantomjs快速入门

无头浏览器：一个完整的浏览器内核,包括js解析引擎,渲染引擎,请求处理等,但是不包括显示和用户交互页面的浏览器

# 1.加载网页
from selenium import webdriver
driver = webdriver.PhantomJS("安装目录")
driver.get("https://www.baidu.com")
driver.save_screenshot("baidu.png")

# 2.定位和操作
driver.find_element_by_id("kw").send_keys("长城")
driver.find_element_by_id("su").click()

# 3.查看请求信息
driver.page_source
driver.get_cookies()
driver.current_url

# 4.退出
driver.quit() 

selenium快速入门

from selenium import webdriver
# 实例化浏览器
driver = webdriver.Chrome()
# 发送请求
driver.get('https://www.baidu.com')
# 退出浏览器
driver.quit()

定位元素

find_element_by_id：根据id来查找某个元素

from selenium import webdriver
from selenium.webdriver.common.by import By
submitTag = driver.find_element_by_id('su')
submitTag1 = driver.find_element(By.ID,'su')

find_element_by_class_name：根据类名查找元素

submitTag = driver.find_element_by_class_name('su')
submitTag1 = driver.find_element(By.CLASS_NAME,'su')

find_element_by_name：根据name属性的值来查找元素

submitTag = driver.find_element_by_name('email')
submitTag1 = driver.find_element(By.NAME,'email')

find_element_by_tag_name：根据标签名来查找元素

submitTag = driver.find_element_by_tag_name('div')
submitTag1 = driver.find_element(By.TAG_NAME,'div')

find_element_by_xpath：根据xpath语法来获取元素

submitTag = driver.find_element_by_xpath('//div')
submitTag1 = driver.find_element(By.XPATH,'//div')

find_element是获取第一个满足条件的元素。find_elements是获取所有满足条件的元素

操作表单元素

操作输入框：分为两步。
第一步：找到这个元素。
第二步：使用send_keys(value)，将数据填充进去
使用clear方法可以清除输入框中的内容
操作checkbox：因为要选中checkbox标签，在网页中是通过鼠标点击的。因此想要选中checkbox标签，那么先选中这个标签，然后执行click事件

from selenium import webdriver
from selenium.webdriver.common.by import By
import time
driver = webdriver.Chrome()
# 打开百度
driver.get('https://www.baidu.com/')
time.sleep(2)
driver.find_element_by_id('wrapper').send_keys('python')
inputTag = driver.find_element_by_id('kw')
inputTag.send_keys('wuhe')
# time.sleep(1)
# inputTag.clear()
time.sleep(1)
buttonTag = driver.find_element_by_id('su')
buttonTag.click()

select元素

select元素不能直接点击。因为点击后还需要选中元素。这时候selenium就专门为select标签提供了一个类selenium.webdriver.support.ui.Select。将获取到的元素当成参数传到这个类中，创建这个对象。以后就可以使用这个对象进行选择了。

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import Select
import time
driver = webdriver.Chrome()
# 打开实例网站
driver.get('https://www.17sucai.com/pins/demo-show?id=5926')
time.sleep(2)
# 切换iframe
driver.switch_to_frame(driver.find_element_by_id('iframe'))
# 定位select标签
# selectTag = driver.find_element_by_class_name('nojs')
selectTag = Select(driver.find_element_by_class_name('nojs'))
# 操作select标签的方式
# 1. 根据值来选择
selectTag.select_by_value('JP')
# 2. 通过下标索引值来选择
selectTag.select_by_index(1)

# 操作非select标签
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import Select
import time

driver = webdriver.Chrome()
# 打开实例网站
driver.get('https://www.17sucai.com/pins/demo-show?id=5926')
time.sleep(2)
# 切换iframe
driver.switch_to_frame(driver.find_element_by_id('iframe'))
divTag = driver.find_element_by_id('dk_container_country-nofake')
divTag.click()

time.sleep(1)
driver.find_element_by_xpath('//*[@id="dk_container_country-nofake"]/div/ul/li[2]/a').click()

用selenium模拟登录豆瓣

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import Select
import time
driver = webdriver.Chrome()
# 打开实例网站
driver.get('https://www.douban.com/')
time.sleep(2)

# 切换iframe
login_frame = driver.find_element_by_xpath('//*[@id="anony-reg-new"]/div/div[1]/iframe')
driver.switch_to.frame(login_frame)

# 切换登录方式
driver.find_element_by_class_name('account-tab-account').click()
time.sleep(2)

# 输入账号和密码
driver.find_element_by_id('username').send_keys('XXXXXXX')
time.sleep(1)
driver.find_element_by_id('password').send_keys('123abc')

time.sleep(1)
driver.find_element_by_class_name('btn-account').click()