selenium基本使用、无头浏览器(chrome、FireFox)、搜索标签

selenium基本使用

这个模块：既能发请求，又能解析，还能执行js

selenium最初是一个自动化测试工具,而爬虫中使用它主要是为了解决requests无法直接执行
JavaScript代码的问题

1. selenium 会做web方向的自动化测试
2. appnium 会做 app方向的自动化测试

selenium 可以操作浏览器，模拟人的 行为

使用浏览器

1. 下载浏览器驱动（chrome）：

   • https://registry.npmmirror.com/binary.html?path=chromedriver/
   • https://googlechromelabs.github.io/chrome-for-testing/
   • https://edgedl.me.gvt1.com/edgedl/chrome/chrome-for-testing/119.0.6045.105/win64/chromedriver-win64.zip
   • 火狐驱动：https://github.com/mozilla/geckodriver/releases/
   • 跟浏览器型号和版本一一对应的
     ie，火狐，谷歌：谷歌为例
     谷歌浏览器有很多版本：跟版本一一对应

2. 将驱动放到python解释器目录下，或者配置环境变量

3. 下载模块：pip install selenium

4. 写python代码，操作浏览器

import time
from selenium import webdriver# 跟人操作浏览器一样，打开了谷歌浏览器，拿到浏览器对象
bro=webdriver.Firefox()# 在地址栏中输入地址
bro.get('https://www.baidu.com')
time.sleep(5)
bro.close()

指令

bro为实例化所得对象

1. 在地址栏中输入地址：bro.get('网址地址')
2. 关闭浏览器：bro.close()
3. 设置等待：bro.implicitly_wait(10)，从页面中找标签，如果找不到，就等待
4. 页面最大化：bro.maximize_window()
5. 当前页面html内容：bro.page_source)
6. 选择器：
   from selenium.webdriver.common.by import By
   • 找一个：bro.find_element(by=By.选择器,value='')
   • 找所有：bro.find_elements(by=By.选择器,value='')
7. 点击：找到的标签.click()
8. 文本框写入：找到的标签.send_keys()

模拟登录

from selenium import webdriver
from selenium.webdriver.common.by import Bybro = webdriver.Firefox()
bro.get('https://www.baidu.com')
bro.implicitly_wait(10)
bro.maximize_window()# 找到登录按钮
a_login = bro.find_element(by=By.LINK_TEXT, value='登录')
a_login.click()# 往输入框中写文字
username = bro.find_element(by=By.ID, value='TANGRAM__PSP_11__userName')
username.send_keys('13437238745')
password = bro.find_element(by=By.ID, value='TANGRAM__PSP_11__password')
password.send_keys('caimina1')agree = bro.find_element(By.ID, 'TANGRAM__PSP_11__isAgree')
agree.click()submit = bro.find_element(By.ID, 'TANGRAM__PSP_11__submit')
submit.click()bro.close()

selenium其它用法

无头浏览器(chrome浏览器)

如果我们做爬虫，我们只是为了获取数据，不需要非有浏览器在显示 $⇢$ 隐藏浏览器图形化界面

chrome

import time
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.options import Options
chrome_options = Options()
chrome_options.add_argument('blink-settings=imagesEnabled=false') #不加载图片, 提升速度
chrome_options.add_argument('--headless') #浏览器不提供可视化页面. linux下如果系统不支持可视化不加这条会启动失败
bro = webdriver.Chrome(options=chrome_options)bro.get('https://www.cnblogs.com/liuqingzheng/p/16005896.html')print(bro.page_source)
time.sleep(3)
bro.close()

FireFox

from selenium import webdriveroptions = webdriver.FirefoxOptions()
options.add_argument("--headless")  # 设置火狐为headless无界面模式
options.add_argument("--disable-gpu")
driver = webdriver.Firefox(options=options)
driver.get("https://www.qq.com")
print(driver.page_source)
driver.close()

搜索标签

搜索标签

1. 根据id号查找标签：
2. 根据name属性查找标签：
3. 根据标签查找标签：
4. 按类名找：
5. a标签文字：
6. a标签文字，模糊匹配：
7. 按css选择器找：
8. 按xpath找：

获取标签的属性，文本，大小，位置

1. 属性：bro.get_attribute('src')
2. 文本：bro.text
3. 大小：tag.size
4. 位置：bro.location
5. id（不是标签id，无需关注）：tag.id
6. 标签名：tag.tag_name

找到页面中所有div

divs=bro.find_elements(By.TAG_NAME,'div')

按类名找

div=bro.find_element(By.CLASS_NAME,'postDesc').text

按css选择器

div=bro.find_element(By.CSS_SELECTOR,'div.postDesc').text#id为topics下的div下的div中类为postDesc
div=bro.find_element(By.CSS_SELECTOR,'#topics > div > div.postDesc').text