python爬虫之selenium4使用(万字讲解)-Toy模板网

这篇具有很好参考价值的文章主要介绍了python爬虫之selenium4使用(万字讲解)。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、前言

声明以下的例子，只是来作为测试学习，并不作为真正的爬虫

我们在浏览一些网站时，有不少内容是通过 JavaScript动态渲染的，或是 AJAX 请求后端加载数据，这其中涉及到了不少加密参数如 token，sign，难以找规律，较为复杂。像前面的百度贴吧的一个评论的回复，百度翻译等，都是经过ajax动态加载得到。
为了解决这些问题，我们可以直接模拟浏览器运行，然后爬取数据，这样就可以实现在浏览器中看到内容是怎么样了，不用去分析 JS 的算法，也不用去管 ajax 的接口参数了。
python 提供了多种模拟器运行库，Selenium、Splash、Pyppetter、Playwright 等，可以方便帮我们爬取，很大程度上可以绕过JavaScript动态渲染，获取数据。

二、selenium的介绍

官网中文文档：https://www.selenium.dev/zh-cn/documentation/
其访问比较慢，最好是用 VPN

1、优点：

Selenium 是一个自动化测试工具，历史悠久，功能强大，技术成熟。其优点是能直接在浏览器上操作，利用它可以像人一样完成，输入文本框内容，点击，下拉等操作，它不但能做自动化测试，在爬虫领域也是一把利器，能解决大部分网页反爬问题，Selenium可以根据驱动的代码指令来获取网页内容，甚至是验证码的截屏，或判断网站上的某些动作是否发生。我们这边主要是围绕着爬虫展开。

2、缺点：

1、Selenium 运行比较慢，它需要等待浏览器的元素加载完毕，所以耗时。
2、驱动的适配，浏览器版本不同，浏览器类型不同，得使用不同的驱动器。
3、像一些安全性比较高，比较大型的网站是能检测出是否使用了Selenium来爬取网站

三、selenium环境搭建

我本机是 mac os，浏览器使用 chrome来进行测试

1、安装python模块

pip install selenium

这里是测试演示用，安装完成后是最新的版本， selenium4，如果是正式使用建议还是使用稳定版本
selenium4爬虫教程,爬虫相关,python,python,爬虫,okhttp

2、selenium4新特性

selenium增加了一些新特性，也弃用了一些方法，如下简单的列举几个变化：

executable_path已弃用，使用Service 对象来代替
Selenium 4 可以自动回收浏览器资源，不需要手动quit()了，像4之前不停止服务会有残留进程，占用内存
定位语法方面，Selenium 4引入了新的定位方法，使用By类来替代之前的 find_element_by系列方法；
放弃了无头浏览器PhantomJS，目前的 chrome,firefox 都是支持无头浏览器

我在这里测试的，也是以4为主，具体看这篇文章

3、安装驱动WebDriver

Selenium库中有个叫WebDriver的 API。WebDriver有点像加载网站的浏览器，但它可以像BeautifulSoup使用 xpath，css选择器来查找页面元素，与页面上的元素进行交互(发送文本，点击等)，以及执行其他动作比如调用 JS来下拉页面。

驱动选择

Chrome浏览器驱动下载地址:
淘宝镜像：https://npmmirror.com/package/chromedriver/versions
google官网：https://googlechromelabs.github.io/chrome-for-testing/#stable

注意：官网需要VPN 翻墙

Firefox浏览器驱动下载地址:
https://github.com/mozilla/geckodriver/releases/
Edge浏览器驱动下载地址:
这是windows下的浏览器
https://developer.microsoft.com/en-us/microsoftedge/tools/webdriver/#downloads
无头浏览器
PhantomJs安装教程(无界面浏览器，它会把网站加载到内存并执行页面上的 JavaScript，因为不会展示图形界面，所以运行起来比完整的浏览器要高效)，它一般是用在像linux线上服务器，不过现在 chrome（v65以上）也支持无头浏览器了。
注意： 下载安装步骤如下:需要下对应浏览器版本的驱动
查看 chrome的版本是最新版本123，所以下载对应的驱动
下载对应的版本：
macos 分为 intel 还是arm 的，我因电脑是 intel，所以选择时也要选mac64

浏览器对应的驱动版本

驱动安装和测试

将驱动文件解压，放在环境变量的目录/usr/local/bin 就行

mv Downloads/chromedriver-mac-x64/chromedriver /usr/local/bin/

测试

之后的代码都是使用了测试用例，具体代码看码云上的源码，这里先做一个前置操作，设置chrome 驱动的路径，默认在代码中不设置，程序会自动从环境变量中去寻找，但是 selenium启动时会超慢

def setUp(self) -> None:
    """
    @todo: 设置驱动的路径,主要是为了加快selenium的启动速度，不用再去搜索驱动的路径
    @return:
    """
    self.service = ChromService(executable_path="/usr/local/bin/chromedriver")
    pass

def test_chrome_driver(self):
    """
    @todo: selenium测试chrome的浏览器
    @return:
    """
    # 设置驱动的路径,这是 selenium4之后的新写法
    # 实例化浏览器对象
    browser = webdriver.Chrome(service=self.service)
    # 发送请求访问百度
    browser.get('https://www.baidu.com')
    # 获取页面标题
    print("当前页面标题：", browser.title)

    time.sleep(10)
    # 退出浏览器
    browser.quit()
    pass

selenium4爬虫教程,爬虫相关,python,python,爬虫,okhttp
其流程是:
①、开启了一个新的chrome 窗口，并打开 baidu 网站
②、输出 title 标题
③、关闭浏览器，注意，在 selenium4之前最后一定要手动退出，不然会有残留进程，之后是不用写，自动关闭

基础操作

源码地址：https://gitee.com/allen-huang/python/blob/master/crawler/do-selenium/test_base.py

1、属性和方法

常用属性说明：

current_url：当前响应的URL

title：当前网页的标题

page_source：页面源码

name：浏览器驱动名称

方法说明：

get()：打开一个网址，同时会把 response 信息自动保存

back()：返回上一个网址

forward()：前进到一个网址

refresh()：再刷新一个网址

save_screenshot()：保存当前页面的截屏快照

close()：关闭当前标签页，不关闭浏览器

quit()：关闭浏览器，释放进程

cloase()和quit()的区别：
从 selenium4的源码中比较可以看出来

代码展示：

def test_attr_method(self):
    """
    @todo: 测试浏览器的属性和方法
    @return:
    """
    # 实例化浏览器对象
    driver = webdriver.Chrome(service=self.service)

    # 获取浏览器的名称
    print(driver.name)

    # 访问百度首页，这里先暂时不使用https
    driver.get('http://www.baidu.com')
    # 属性1：打印当前响应对应的URL,之前 http的转换成了 https
    print(driver.current_url)
    # 属性2：打印当前标签页的标题
    print(driver.title)
    # 属性3：打印当前网页的源码长度
    print(len(driver.page_source))

    # 休息2秒，跳转到豆瓣首页,这里的两秒是等当前页面加载完毕，也就是浏览器转完圈后等待的两秒
    time.sleep(2)
    driver.get('https://www.douban.com')

    # 休息2秒，再返回百度
    time.sleep(2)
    driver.back()

    # 休息2秒，再前进到豆瓣
    time.sleep(2)
    driver.forward()

    # 休息2秒，再刷新页面
    time.sleep(2)
    driver.refresh()

    # 保存当前页面的截屏快照
    driver.save_screenshot("./screenshot.png")

    # 关闭当前标签页
    driver.close()

    # 关闭浏览器,释放进程
    driver.quit()
    pass

2、单个元素定位

只罗列常用的几个，其他的可以查下文档就行，像 xpath 和 css 选择器定位是属于万能定位，尽量用这两个

通过id定位

语法格式：
find_element(by=By.ID, value='标签的id属性名)
测试代码

def test_element_id(self):
    """
    @todo: 通过id定位元素，测试输入框的输入和点击
    @return:
    """
    # 实例化浏览器对象
    browser = webdriver.Chrome(service=self.service)
    # 打开百度首页
    browser.get('https://www.baidu.com')
    # 输入关键字内容sora,并赋值给 标签的id属性名来定位；这是新的写法,
    browser.find_element(by=By.ID, value='kw').send_keys('sora')
    # 点击搜索按钮
    browser.find_element(by=By.ID, value='su').click()
    # 获取搜索结果
    # 关闭浏览器
    time.sleep(5)
    browser.quit()
    pass

通过class_name定位一个元素

语法格式：
find_element(by=By.CLASS_NAME, value='标签的class属性名')
测试代码：

def test_element_class_name(self):
    """
    @todo: 通过class_name定位元素，测试输入框的输入和点击
    @return:
    """
    browser = webdriver.Chrome(service=self.service)
    browser.get('https://www.baidu.com')
    # 使用class_name定位输入框,并把输入框的内容设置为sora
    browser.find_element(by=By.CLASS_NAME, value='s_ipt').send_keys('sora')
    browser.find_element(by=By.CLASS_NAME, value='s_btn').click()
    time.sleep(2)
    browser.quit()
    pass

通过xpath定位

语法格式：
find_element(by=By.XPATH, value='xpath的表达式')
测试代码

def test_element_xpath(self):
    """
    @todo: 通过xpath定位元素，测试输入框的输入和点击
    @return:
    """
    # 实例化浏览器对象
    browser = webdriver.Chrome(service=self.service)
    browser.get('https://www.baidu.com')
    # 使用xpath定位输入框,并把输入框的内容设置为sora
    browser.find_element(by=By.XPATH, value='//*[@id="kw"]').send_keys('sora')
    # 点击搜索按钮
    browser.find_element(by=By.XPATH, value='//*[@id="su"]').click()
    # 关闭浏览器
    time.sleep(5)
    browser.quit()
    pass

通过CSS 选择器定位

语法格式：
browser.find_element(by=By.CSS_SELECTOR, value="选择器表达式")
测试代码：

def test_element_css_selector(self):
    """
    @todo: 通过css选择器定位元素，测试输入框的输入和点击
    @return:
    """
    # 实例化浏览器对象,打开百度首页
    browser = webdriver.Chrome(service=self.service)
    browser.get('https://www.baidu.com')
    # 使用css选择器定位输入框,先进行清空文本框，并把输入框的内容设置为sora
    browser.find_element(by=By.CSS_SELECTOR, value="#kw").clear()
    browser.find_element(by=By.CSS_SELECTOR, value="#kw").send_keys('sora')
    browser.find_element(by=By.CSS_SELECTOR, value="#su").click()
    # 关闭浏览器
    time.sleep(2)
    browser.quit()
    pass

3、多个元素定位

天天基金网为例子，如下图：

通过xpath定位排行榜的基金代码

语法格式：
格式上和单个获取的差不多，唯一有差别的是方法后面多了一个s，使用了find_elements
测试代码：

def test_elements_xpath(self):
    """
    @todo: 通过xpath定位元素列表，测试获取列表的数据
    @return:
    """
    browser = webdriver.Chrome(service=self.service)
    browser.get('https://fund.eastmoney.com/data/fundranking.html#tall')
    # 使用xpath定位列表
    elements = browser.find_elements(by=By.XPATH, value='//table[@id="dbtable"]/tbody/tr/td[3]/a')
    for elem in elements:
        print(elem.text)
    # 页面加载完后，再等待2秒，自动关闭浏览器，这里没有使用quit()方法，也能自动释放
    time.sleep(2)
    browser.quit()
    pass

打印结果：
selenium4爬虫教程,爬虫相关,python,python,爬虫,okhttp

取数据单个和多个的区别

find_element：

定位的是元素的对象，定位不到报错

find_elements：

定位的是列表，列表里面存元素对象，如果定位不到则是空的数据

4、元素操作

获取元素的文本内容和属性值

它这个和 xpath 获取文档属性值不太一样，这是需要注意的

文本内容：元素对象.text
属性值：元素对象.get_attribute(‘属性名’)
测试用例：

def test_op_element(self):
    """
    测试获取元素的文本内容
    @return:
    """
    # 实例化浏览器对象
    browser = webdriver.Chrome(service=self.service)
    # 天天基金网，查看所有基金，这只是测试，不作为正式的爬虫
    browser.get('https://fund.eastmoney.com/data/fundranking.html#tall')
    # 使用xpath定位元素列表,基金代码
    elems = browser.find_elements(by=By.XPATH, value='//table[@id="dbtable"]/tbody/tr/td[3]/a')
    for elem in elems:
        # 代码的内容
        print(elem.text)
        # 获取基金的链接
        print(elem.get_attribute('href'))

    time.sleep(2)
    browser.quit()
    pass

文本框输入内容和点击按钮

send_keys()在使用时，一定要文本框，不然是不生效的，它就是来输入内容用

示例：

def test_element_css_selector(self):
    """
    @todo: 通过css选择器定位元素，测试输入框的输入和点击
    @return:
    """
    # 实例化浏览器对象,打开百度首页
    browser = webdriver.Chrome(service=self.service)
    browser.get('https://www.baidu.com')
    # 使用css选择器定位输入框,先进行清空文本框，并把输入框的内容设置为sora
    browser.find_element(by=By.CSS_SELECTOR, value="#kw").clear()
    browser.find_element(by=By.CSS_SELECTOR, value="#kw").send_keys('sora')
    browser.find_element(by=By.CSS_SELECTOR, value="#su").click()
    # 关闭浏览器
    time.sleep(2)
    browser.quit()
    pass

5、无头浏览器模式

基于chrome 的无头浏览器

1、webdriver.ChromeOptions()，实例化 chrome 浏览器配置对象

2、chrome_options.add_argument('--headless')，开启无头模式

3、chrome_options.add_argument('--disable-gpu')，不开启显卡

4、browser = webdriver.Chrome(options=chrome_options)，实例化浏览器

如下代码展示

def test_headless_driver(self):
    """
    @todo: 测试chrome无头模式浏览器
    @return:
    """
    # 1.实例化配置对象
    chrome_options = webdriver.ChromeOptions()
    # 2.配置对象开启无头模式
    chrome_options.add_argument('--headless')
    # 3.配置对象添加无显卡模式，即无图形界面
    chrome_options.add_argument('--disable-gpu')
    # 4.实例化浏览器对象
    browser = webdriver.Chrome(service=self.service, options=chrome_options)
    browser.get('https://www.baidu.com')

    # 查看当前页面url
    print(browser.current_url)
    # 获取页面标题
    print("页面标题：", browser.title)
    # 获取渲染后的页面源码
    print("页面源码-长度：", len(browser.page_source))
    # 获取页面cookie
    print("cookie-data", browser.get_cookies())

    # 关闭页面的标签页
    browser.close()

    time.sleep(5)

    # 关闭浏览器
    browser.quit()
    pass

基于PhantomJS的无头模式(selenium2系列用的多)

在 selenium4开始，phantomJS已经废弃了，建议使用 chrome 和 firefox 的无头浏览器其，这是只是简单的介绍下。

下载安装
下载地址：https://phantomjs.org/download.html
选择对应的操作系统即可，我这里是 mac os的

解压出来后，将 bin 目录的phantomjs拷贝到环境变量目录/usr/local/bin 目录下就行
验证
出现这个表示安装成功了

代码写法都差不多的

def test_phantjs_driver(self):
    driver = webdriver.PhantomJS()
    driver.get('https://www.baidu.com')
    print(driver.title)
    driver.quit()
    pass

进阶操作

源码地址：https://gitee.com/allen-huang/python/blob/master/crawler/do-selenium/test_advanced.py

1、切换标签页

在通过 selenium打开一个页面，通过点击去其他页面获取数据，这个时候，我们切换标签页来实现，但同时不使用句柄，就无法获取目标页面的内容，这句柄相当于是指针的概念。以下以58同城出租网为例

句柄的数据结构：

这是一个列表结构，用来存放所有页面的句柄信息，每打开一个标签的网址，就会存一个，在切换到别的页面时，就去定位对应的索引

driver.window_handles

句柄使用：

就是去指定句柄列表中，具体的句柄值,来切换某个页面的资源,索引 index表示具体哪个页面

driver.switch_to.window(driver.window_handles[index])

在不切换句柄的效果

将driver.switch_to.window(driver.window_handles[-1]) 这行代码注释，执行后，新标签页面虽然打开了，但资源并没有切换过去，这里是部分源码，具体看test_label_switch方法

...
driver.get("https://hz.58.com/")

# todo 获取当前所有的标签页的句柄构成的列表，这不能提前申明变量，因为句柄相当于是指针，这是动态变化的
# current_windows = driver.window_handles

# 获取当前页
print(driver.current_url)
print(driver.window_handles)

# 点击整租的链接，打开租房页面
driver.find_element(by=By.XPATH, value="/html/body/div[3]/div[1]/div[1]/div/div[1]/div[1]/span[2]/a").click()

# todo 根据标签页句柄,将句柄切换到最新新打开的标签页，这一定要有，不然句柄不会变化，那么下一页内容取不到
# driver.switch_to.window(driver.window_handles[-1])

print(driver.current_url)
print(driver.window_handles)

elem_list = driver.find_elements(by=By.XPATH, value="/html/body/div[6]/div[2]/ul/li/div[2]/h2/a")
# 统计租房列表的个数
print(len(elem_list))
...

这个时候发现，页面并没有跳转
selenium4爬虫教程,爬虫相关,python,python,爬虫,okhttp

切换句柄后的效果：

selenium4爬虫教程,爬虫相关,python,python,爬虫,okhttp

注意： 句柄列表，这不能提前申明为变量，因为句柄随着新便签页的打开，这是动态变化的current_windows = driver.window_handles不能这么赋值。

2. iframe窗口的切入

iframe 即在页面中嵌套子页面，selenium默认是访问不了frame 中的内容的，需要使用switch_to.frame(frame_element)，下面以 qzone为例说明
学习文章参考：https://www.cnblogs.com/lc-blogs/p/17269626.html

selenium4爬虫教程,爬虫相关,python,python,爬虫,okhttp

不使用switch_to.frame方法测试

测试代码
根据账号，密码的元素属性id 进行定位

def test_no_switchto_frame(self):
    # 声明浏览器驱动实例
    driver = webdriver.Chrome(service=self.service)
    # 打开 qzone 登录页
    driver.get("https://qzone.qq.com/")

    # 默认进来是采用扫码，我们这里需要切换成账号密码登录
    driver.find_element(by=By.ID, value="switcher_plogin").click()
    # 填写账号
    driver.find_element(by=By.ID, value="u").send_keys("531881823.qq.com")
    # 并不是真实的密码
    driver.find_element(by=By.ID, value="p").send_keys("123456")
    # 点击登录按钮
    driver.find_element(by=By.XPATH, value='//*[@id="login_button"]').click()

    time.sleep(5)
    driver.quit()
    pass

执行结果
报错的意思是，未能定位id='u’的元素

学习 switch_to.frame的语法

如果所定位的元素是在 iframe 中，那么必须先切入到 iframe 中再对元素进行定位。

语法格式：

switch_to.frame(frame_element)

frame_element表示可以传入的元素属性值，用来定位 frame ，可以传入id属性、name、index 以及selenium 的 WebElement 对象，假设有来自某网站的 a.com/index.html,如下 HTML 代码：

<html lang="en">
<head>
    <title>iframetest</title>
</head>
<body>
<iframe src="a.html" id="fid" name="fname">
	...
	<div id="test-a">
		<a href="test.com" class="test-a">打开页面</a>
	</div>
	...
</iframe>
</body>
</html>

可以如下定位：

from selenium import webdriver

# 打开Chrome浏览器
driver = webdriver.Chrome()

# 浏览器访问地址
driver.get("https://a.com/index.html")

# 1.用id来定位
driver.switch_to.frame("fid")

# 2.用name来定位
driver.switch_to.frame("fname")

# 3.用frame的index来定位，第一个是0
driver.switch_to.frame(0)

# 4.用WebElement对象来定位
driver.switch_to.frame(driver.find_element(by=By.XPATH,value='//*[@id="fid"]'))

通常采用 id 和 name 就能够解决绝大多数问题。但有时候iframe并无这两项属性，则可以用 index 和 WebElement 来定位：

index 从 0 开始，传入整型参数即判定为用 index 定位，传入 str 参数则判定为用 id/name 定位
WebElement 对象，即用 find_element 系列方法所取得的对象，我们可以用 css、xpath 等来定位 iframe 对象

最后使用switch_to.frame 方法测试

def test_switchto_frame(self):
    driver = webdriver.Chrome(service=self.service)
    driver.get("https://qzone.qq.com/")

    # 切入iframe
    driver.switch_to.frame("login_frame")

    driver.find_element(by=By.ID, value="switcher_plogin").click()
    driver.find_element(by=By.ID, value="u").send_keys("531881823.qq.com")
    driver.find_element(by=By.ID, value="p").send_keys("123456")
    driver.find_element(by=By.XPATH, value='//*[@id="login_button"]').click()

    time.sleep(5)
    driver.quit()
    pass

从iframe中切出

注：切入到 iframe 中之后，如果想对 iframe 外的元素进行操作，必须先从 iframe 中切出后才能操作元素。

从 iframe 中切出的方法：switch_to.default_content()

driver.switch_to.default_content()

3. 使用 cookie

如果像一些比较大的平台，登录会比较复杂，那么我们可以先用 selenium 进行模拟登录，拿到 cookie之后，就可以使用requests模块来进行操作了。

看如下代码：就是来展示 cookie的测试

def test_cookie(self):
    """
    获取cookie
    @return:
    """
    driver = webdriver.Chrome(service=self.service)
    driver.get("https://baidu.com/")

    # 获取cookie的值
    cookie_info = {data["name"]: data["value"] for data in driver.get_cookies()}
    pprint(cookie_info)

    time.sleep(2)
    driver.quit()
    pass

selenium4爬虫教程,爬虫相关,python,python,爬虫,okhttp

最后打印出的 key,value 对应的值就是在浏览器中的 cookie结构图，如下图所示：
selenium4爬虫教程,爬虫相关,python,python,爬虫,okhttp

4. 执行JS

selenium可以来执行我们的JS代码

语法格式：

driver.execute_script(js)

代码例子1：
打开一个新窗口

def test_js(self):
    """
    执行js，打开一个新窗口，跳转到二手房页面
    @return:
    """
    # 打开浏览器，进到链家首页
    driver = webdriver.Chrome(service=self.service)
    driver.get("https://hz.lianjia.com/")

    # 我想重开一个窗口查看所有的二手房页面
    js = "window.open('https://hz.lianjia.com/ershoufang/');"
    # 执行js代码
    driver.execute_script(js)

    time.sleep(5)
    driver.quit()
    pass

代码例子2
滚动到下面去，打开新的页面

def test_js2(self):
    """
    执行js代码，滚动条往下拉
    @return:
    """
    driver = webdriver.Chrome(service=self.service)
    driver.get("https://hz.lianjia.com/")

    # 执行js代码，滚动条往下拉500像素
    js = "window.scrollTo(0,1000);"
    driver.execute_script(js)

    time.sleep(2)

    # 然后点击查看更多二手房的按钮
    driver.find_element(by=By.XPATH, value='//div[@id="ershoufanglist"]/div/div[1]/p/a').click()

    # 强制等待5秒
    time.sleep(5)
    driver.quit()
    pass

一开始定位不到时，就报错提示找不到元素
selenium4爬虫教程,爬虫相关,python,python,爬虫,okhttp
滚动正确的位置后，没再报错，能打开新的标签页

5. 页面等待

使用场景：

现在的网页越来越多采用了 Ajax 技术，这样程序便不能确定何时某个元素完全加载出来了。如果实际页面等待时间过长导致某个dom元素还没出来，但是你的代码直接使用了这个WebElement，这时候就会报定位不到的错误
为了避免这种元素定位不到的问题，所以 Selenium 提供了3种等待方式，强制等待，隐式等待，显式等待。

强制等待：
就是 time.sleep(x 秒)，即整个页面等待 x秒
隐式等待(较为常用)：
针对是元素定位，隐式等待设置了一个时间，在每隔一段时间检查所有元素是否定位成功，如果定位了，就会进行下一步，如果没有定位成功，超时了，就会报超时错误。
假如设置了10秒，在10秒内会定期进行元素定位，但在第5秒钟的时候都加载成功了，那么就会往下执行，它不会一直等到10秒。如果超过了10秒就会报超时错误

driver.implicitly_wait(最大等待时间)

代码：

def test_page_wait(self):
    """
    隐式等待
    @return:
    """
    # 打开浏览器，进到百度首页
    driver = webdriver.Chrome(service=self.service)
    driver.get("https://www.baidu.com/")

    # 隐式等待，最大等待10秒
    driver.implicitly_wait(10)

    # 点击百度的logo图标的src 属性
    elem = driver.find_element(by=By.XPATH, value='//img[@id="s_lg_img_new"]')
    print(elem.get_attribute("src"))

    # 强制等待2秒
    time.sleep(2)
    driver.quit()
    pass

selenium4爬虫教程,爬虫相关,python,python,爬虫,okhttp

显示等待(了解)：
确定等待指定某个元素，然后设置最长等待时间。如果在这个时间还没定位到元素就报错。
在软件测试中使用的比较多，这在爬虫中用的不多，这里就不做过多的介绍

注意： 我们在隐式等待不好使的时候，才使用强制等待。

6. 配置代理

这和requests的代理使用类似，都是避免同一个 IP访问多了，封掉，所以使用代理IP

使用格式

# 声明浏览器配置对象
opt = webdriver.ChromeOptions()
#  需要在配置对象中添代理服务器
opt.add_argument("--proxy-server=http://ip地址:端口号")

代码实例

def test_proxy(self):
    """
    使用代理测试121.234.119.235
    @return:
    """
    # 声明浏览器配置对象
    opt = webdriver.ChromeOptions()
    opt.add_argument("--proxy-server=http://121.234.119.235:64256")

    # 打开浏览器，进到百度首页
    driver = webdriver.Chrome(service=self.service, options=opt)
    driver.get("https://www.baidu.com/")
    driver.save_screenshot('baidu.png')

    time.sleep(5)
    driver.quit()
    pass

7. 修改请求头

频繁使用同一个user-agent，也是容易被封，所以需要不定期的更换 user-agent

使用格式

 # 声明浏览器配置对象
opt = webdriver.ChromeOptions()
# 设置user-agent修改请求头
opt.add_argument("--user-agent=xxxxxxxx")

代码示例：

def test_user_agent(self):
    """
    selenium 可以修改请求头，user-agent，模拟成不同的浏览器
    @return:
    """
    user_agent = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/17.4 Safari/605.1.15"
    # 声明浏览器配置对象
    opt = webdriver.ChromeOptions()
    # 设置user-agent修改请求头
    opt.add_argument(f"--user-agent={user_agent}")
    # 打开浏览器，进到百度首页
    driver = webdriver.Chrome(service=self.service, options=opt)
    driver.get("https://www.baidu.com/")

    time.sleep(5)
    driver.quit()
    pass

8. 如何从selenium获取请求和响应头

selenium 本是是不能直接获取到请求和响应头，我们还得借助第三方库seleniumwire模块，它可以说是 selenium和requests的结合体。

安装模块

pip install selenium-wire

代码示例

def test_selenium_headers(self):
    """
    selenium获取请求头和响应头
    @return:
    """
    user_agent = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/17.4 Safari/605.1.15"

    # 导入seleniumwire库
    from seleniumwire import webdriver
    # 声明浏览器配置对象
    opt = webdriver.ChromeOptions()
    # 设置user-agent修改请求头
    opt.add_argument(f"--user-agent={user_agent}")
    # 打开浏览器，进到百度首页
    driver = webdriver.Chrome(service=self.service, options=opt)
    driver.get("https://www.baidu.com/")

    print("请求头：")
    for request in driver.requests:
        pprint(request.headers)
        break

    print("响应头：")
    for request in driver.requests:
        pprint(request.response.headers)
        break

    time.sleep(5)
    driver.quit()
    pass

selenium4爬虫教程,爬虫相关,python,python,爬虫,okhttp 文章来源地址https://www.toymoban.com/news/detail-846298.html

注意

find_element 底层返回的是WebElement类型，它可以来进行事件操作比如点击 click(),清空clear()等事件
对于 send_keys 方法是只有文本框类型才能操作
selenium在使用 time.sleep()时，是从浏览器转圈结束开始计时算起。
selenium下元素的属性使用 get_attribute(“src”)等同于 xpath的@href
selenium为了加快打开chrome驱动，可以显示的把驱动路径设置进去，这样子 selenium就不用再去搜索驱动路径了，这是selenium4之后的新写法：

service = ChromService(executable_path="/usr/local/bin/chromedriver")
driver = webdriver.Chrome(service=service)

到了这里，关于python爬虫之selenium4使用(万字讲解)的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

python爬虫之selenium4使用(万字讲解)

一、前言

二、selenium的介绍

1、优点：

2、缺点：

三、selenium环境搭建

1、安装python模块

2、selenium4新特性

3、安装驱动WebDriver

驱动选择

驱动安装和测试

基础操作

1、属性和方法

2、单个元素定位

通过id定位

通过class_name定位一个元素

通过xpath定位

通过CSS 选择器定位

3、多个元素定位

通过xpath定位排行榜的基金代码

取数据单个和多个的区别

4、元素操作

获取元素的文本内容和属性值

文本框输入内容和点击按钮

5、无头浏览器模式

基于chrome 的无头浏览器

基于PhantomJS的无头模式(selenium2系列用的多)

进阶操作

1、切换标签页

句柄的数据结构：

句柄使用：

在不切换句柄的效果

切换句柄后的效果：

2. iframe窗口的切入

不使用switch_to.frame方法测试

学习 switch_to.frame的语法

最后使用switch_to.frame 方法测试

从iframe中切出

3. 使用 cookie

4. 执行JS

5. 页面等待

6. 配置代理

7. 修改请求头

8. 如何从selenium获取请求和响应头

注意

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

支付宝扫一扫领取红包，优惠每天领

二维码1

二维码2