selenium提取数据
1. driver对象的常用属性和方法
2. driver对象定位标签元素获取标签对象的方法
3. 标签对象提取文本内容和属性值
selenium的其它使用方法
1. selenium标签页的切换
2. switch_to切换frame标签
3. selenium对cookie的处理
4. selenium控制浏览器执行js代码
5. 页面等待
6. selenium开启无界面模式
7. selenium使用代理ip
8. selenium替换user-agent
selenium的介绍
1. selenium运行效果展示
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 可以直接调用浏览器,它支持所有主流的浏览器(包括PhantomJS这些无界面的浏览器),可以接收指令,让浏览器自动加载页面,获取需要的数据,甚至页面截屏等。我们可以使用selenium很容易完成之前编写的爬虫,接下来我们就来看一下selenium的运行效果
chrome浏览器的运行效果
在下载好chromedriver以及安装好selenium模块后,执行下列代码并观察运行的过程
from selenium import webdriver
如果driver没有添加到了环境变量,则需要将driver的绝对路径赋值给executable_path参数
driver = webdriver.Chrome(executable_path=‘/home/worker/Desktop/driver/chromedriver’)
如果driver添加了环境变量则不需要设置executable_path
driver = webdriver.Chrome()
向一个url发起请求
driver.get(“http://www.itcast.cn/”)
把网页保存为图片,69版本以上的谷歌浏览器将无法使用截图功能
driver.save_screenshot(“itcast.png”)
print(driver.title) # 打印页面的标题
退出模拟浏览器
driver.quit() # 一定要退出!不退出会有残留进程!
phantomjs无界面浏览器的运行效果
PhantomJS 是一个基于Webkit的“无界面”(headless)浏览器,它会把网站加载到内存并执行页面上的 JavaScript。下载地址:http://phantomjs.org/download.html
from selenium import webdriver
指定driver的绝对路径
driver = webdriver.PhantomJS(executable_path=‘/home/worker/Desktop/driver/phantomjs’)
driver = webdriver.Chrome(executable_path=‘/home/worker/Desktop/driver/chromedriver’)
向一个url发起请求
driver.get(“http://www.itcast.cn/”)
把网页保存为图片
driver.save_screenshot(“itcast.png”)
退出模拟浏览器
driver.quit() # 一定要退出!不退出会有残留进程!
观察运行效果
- python代码能够自动的调用谷歌浏览或phantomjs无界面浏览器,控制其自动访问网站
无头浏览器与有头浏览器的使用场景
-
通常在开发过程中我们需要查看运行过程中的各种情况所以通常使用有头浏览器
-
在项目完成进行部署的时候,通常平台采用的系统都是服务器版的操作系统,服务器版的操作系统必须使用无头浏览器才能正常运行
2. selenium的作用和工作原理
利用浏览器原生的API,封装成一套更加面向对象的Selenium WebDriver API,直接操作浏览器页面里的元素,甚至操作浏览器本身(截屏,窗口大小,启动,关闭,安装插件,配置证书之类的)
-
webdriver本质是一个web-server,对外提供webapi,其中封装了浏览器的各种功能
-
不同的浏览器使用各自不同的webdriver
3. selenium的安装以及简单使用
我们以谷歌浏览器的chromedriver为例
在python虚拟环境中安装selenium模块
pip/pip3 install selenium
下载版本符合的webdriver
4. selenium的简单使用
接下来我们就通过代码来模拟百度搜索
import time
from selenium import webdriver
通过指定chromedriver的路径来实例化driver对象,chromedriver放在当前目录。
driver = webdriver.Chrome(executable_path=‘./chromedriver’)
chromedriver已经添加环境变量
driver = webdriver.Chrome()
控制浏览器访问url地址
driver.get(“https://www.baidu.com/”)
在百度搜索框中搜索’python’
driver.find_element_by_id(‘kw’).send_keys(‘python’)
点击’百度搜索’
driver.find_element_by_id(‘su’).click()
time.sleep(6)
退出浏览器
driver.quit()
-
webdriver.Chrome(executable_path='./chromedriver')
中executable参数指定的是下载好的chromedriver文件的路径 -
driver.find_element_by_id('kw').send_keys('python')
定位id属性值是’kw’的标签,并向其中输入字符串’python’ -
driver.find_element_by_id('su').click()
定位id属性值是su的标签,并点击 -
click函数作用是:触发标签的js的click事件
selenium提取数据
1. driver对象的常用属性和方法
在使用selenium过程中,实例化driver对象后,driver对象有一些常用的属性和方法
-
driver.page_source
当前标签页浏览器渲染之后的网页源代码 -
driver.current_url
当前标签页的url -
driver.close()
关闭当前标签页,如果只有一个标签页则关闭整个浏览器 -
driver.quit()
关闭浏览器 -
driver.forward()
页面前进 -
driver.back()
页面后退 -
driver.screen_shot(img_name)
页面截图
2. driver对象定位标签元素获取标签对象的方法
在selenium中可以通过多种方式来定位标签,返回标签元素对象
find_element_by_id (返回一个元素)
find_element(s)_by_class_name (根据类名获取元素列表)
find_element(s)_by_name (根据标签的name属性值返回包含标签对象元素的列表)
find_element(s)_by_xpath (返回一个包含元素的列表)
find_element(s)_by_link_text (根据连接文本获取元素列表)
find_element(s)_by_partial_link_text (根据链接包含的文本获取元素列表)
find_element(s)_by_tag_name (根据标签名获取元素列表)
find_element(s)_by_css_selector (根据css选择器来获取元素列表)
-
注意:
-
find_element和find_elements的区别:
-
多了个s就返回列表,没有s就返回匹配到的第一个标签对象
-
find_element匹配不到就抛出异常,find_elements匹配不到就返回空列表
-
by_link_text和by_partial_link_tex的区别:全部文本和包含某个文本
-
以上函数的使用方法
-
driver.find_element_by_id('id_str')
3. 标签对象提取文本内容和属性值
find_element仅仅能够获取元素,不能够直接获取其中的数据,如果需要获取数据需要使用以下方法
-
对元素执行点击操作
element.click()
-
对定位到的标签对象进行点击操作
-
向输入框输入数据
element.send_keys(data)
-
对定位到的标签对象输入数据
-
获取文本
element.text
-
通过定位获取的标签对象的
text
属性,获取文本内容 -
获取属性值
element.get_attribute("属性名")
-
通过定位获取的标签对象的
get_attribute
函数,传入属性名,来获取属性的值 -
代码实现,如下:
from selenium import webdriver
driver = webdriver.Chrome()
driver.get(‘http://www.itcast.cn/’)
ret = driver.find_elements_by_tag_name(‘h2’)
print(ret[0].text) #
ret = driver.find_elements_by_link_text(‘黑马程序员’)
print(ret[0].get_attribute(‘href’))
driver.quit()
selenium的其它使用方法
1. selenium标签页的切换
当selenium控制浏览器打开多个标签页时,如何控制浏览器在不同的标签页中进行切换呢?需要我们做以下两步:
-
获取所有标签页的窗口句柄
-
利用窗口句柄字切换到句柄指向的标签页
-
这里的窗口句柄是指:指向标签页对象的标识
-
具体的方法
# 1. 获取当前所有的标签页的句柄构成的列表
current_windows = driver.window_handles
2. 根据标签页句柄列表索引下标进行切换
driver.switch_to.window(current_windows[0])
- 参考代码示例:
import time
from selenium import webdriver
driver = webdriver.Chrome()
driver.get(“https://www.baidu.com/”)
time.sleep(1)
driver.find_element_by_id(‘kw’).send_keys(‘python’)
time.sleep(1)
driver.find_element_by_id(‘su’).click()
time.sleep(1)
通过执行js来新开一个标签页
js = ‘window.open(“https://www.sogou.com”);’
driver.execute_script(js)
time.sleep(1)
1. 获取当前所有的窗口
windows = driver.window_handles
time.sleep(2)
2. 根据窗口索引进行切换
driver.switch_to.window(windows[0])
time.sleep(2)
driver.switch_to.window(windows[1])
time.sleep(6)
driver.quit()
2. switch_to切换frame标签
iframe是html中常用的一种技术,即一个页面中嵌套了另一个网页,selenium默认是访问不了frame中的内容的,对应的解决思路是
driver.switch_to.frame(frame_element)
。接下来我们通过qq邮箱模拟登陆来学习这个知识点
- 参考代码:
import time
from selenium import webdriver
driver = webdriver.Chrome()
url = ‘https://mail.qq.com/cgi-bin/loginpage’
driver.get(url)
time.sleep(2)
login_frame = driver.find_element_by_id(‘login_frame’) # 根据id定位 frame元素
driver.switch_to.frame(login_frame) # 转向到该frame中
driver.find_element_by_xpath(‘//*[@id=“u”]’).send_keys(‘1596930226@qq.com’)
time.sleep(2)
driver.find_element_by_xpath(‘//*[@id=“p”]’).send_keys(‘hahamimashicuode’)
time.sleep(2)
driver.find_element_by_xpath(‘//*[@id=“login_button”]’).click()
time.sleep(2)
“”“操作frame外边的元素需要切换出去”“”
windows = driver.window_handles
driver.switch_to.window(windows[0])
content = driver.find_element_by_class_name(‘login_pictures_title’).text
print(content)
driver.quit()
-
总结:
-
切换到定位的frame标签嵌套的页面中
-
driver.switch_to.frame(通过find_element_by函数定位的frame、iframe标签对象)
-
利用切换标签页的方式切出frame标签
windows = driver.window_handles
driver.switch_to.window(windows[0])
3. selenium对cookie的处理
selenium能够帮助我们处理页面中的cookie,比如获取、删除,接下来我们就学习这部分知识
获取cookie
driver.get_cookies()
返回列表,其中包含的是完整的cookie信息!不光有name、value,还有domain等cookie其他维度的信息。所以如果想要把获取的cookie信息和requests模块配合使用的话,需要转换为name、value作为键值对的cookie字典
# 获取当前标签页的全部cookie信息
print(driver.get_cookies())
把cookie转化为字典
cookies_dict = {cookie[‘name’]: cookie[‘value’] for cookie in driver.get_cookies()}
删除cookie
#删除一条cookie
driver.delete_cookie(“CookieName”)
删除所有的cookie
driver.delete_all_cookies()
4. selenium控制浏览器执行js代码
selenium可以让浏览器执行我们规定的js代码,运行下列代码查看运行效果
import time
from selenium import webdriver
driver = webdriver.Chrome()
driver.get(“http://www.itcast.cn/”)
time.sleep(1)
js = ‘window.scrollTo(0,document.body.scrollHeight)’ # js语句
driver.execute_script(js) # 执行js的方法
time.sleep(5)
driver.quit()
- 执行js的方法:
driver.execute_script(js)
5. 页面等待
页面在加载的过程中需要花费时间等待网站服务器的响应,在这个过程中标签元素有可能还没有加载出来,是不可见的,如何处理这种情况呢?
-
页面等待分类
-
强制等待介绍
-
显式等待介绍
-
隐式等待介绍
-
手动实现页面等待
页面等待的分类
首先我们就来了解以下selenium页面等待的分类
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新文章来源:https://www.toymoban.com/news/detail-851568.html
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)文章来源地址https://www.toymoban.com/news/detail-851568.html
nium页面等待的分类
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
[外链图片转存中…(img-axO3k8Fs-1712507639012)]
[外链图片转存中…(img-2iMnvusv-1712507639013)]
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)
到了这里,关于Python中selenium的玩法,小朋友看了都说学会了的文章就介绍完了。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!