欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python3爬虫(十三) 爬取动态页之Selenium

程序员文章站 2022-06-24 12:43:35
Infi-chu: http://www.cnblogs.com/Infi-chu/ Python提供了很多模拟浏览器运行的库,比如:Selenium、Splash等 1.常用的引用 2.常用声明浏览器对象 3.访问页面使用get()方法 4.查找节点单个节点 多个节点使用find_elements ......

 Infi-chu:

http://www.cnblogs.com/Infi-chu/

Python提供了很多模拟浏览器运行的库,比如:Selenium、Splash等

1.常用的引用

from selenium import webdriver
from selenium.webdriver.commom.by import By
from selenium.webdriver.commom.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait

2.常用声明浏览器对象

browser = webdriver.Chrome()
browser = webdriver.Firefox()
browser = webdriver.Edge()
browser = webdriver.PhantomJS()
browser = webdriver.Safari()

3.访问页面
使用get()方法

from selenium import webdriver
browser = webdriver.Chrome()
browser.get('http://www.baidu.com')
print(browser.page_source)
browser.close()

4.查找节点
单个节点

find_element_by_name()	# 根据name值获取
find_element_by_id()	# 根据id值获取
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()	# 根据css选择

# 另外一种写法
find_element(By.ID,id)等价于find_element_by_id(id)

多个节点
使用find_elements()方法

find_elements_by_name()	# 根据name值获取
find_elements_by_id()	# 根据id值获取
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()	# 根据css选择

5.节点交互
所谓节点交互,可以理解成为你让浏览器去执行一些动作,比如在输入框输入文字、点击提交按钮等。
输入文字时使用send_keys()方法
清空文字时使用clear()方法
点击按钮时使用click()方法

6.动作链
动作链是扩展版本的节点交互,节点交互是一瞬间的动作,而动作链是持续性的动作,比如:拖动某个图片等

# 鼠标拖拽
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 = brower.find_element_by_css_selector('#draggable')
target = brower.find_element_by_css_selector('#draggable')
actions = ActionChains(brower)
actions.drag_and_drop(source,target)	# drag_and_drop()方法指定区间
actions.perform()    # perform()方法让动作执行

7.执行JavaScript
使用execute_script()方法,参数是JavaScript语法

8.获取节点信息
获取属性
使用get_attribute()方法获得属性,前提需选中该节点

获取文本值
通过text属性获得,前提需要选中该节点

获取id、位置、标签和大小
使用id属性可以获得id
使用location属性可以获得location
使用tag_name属性可以获得tag_name
使用size属性可以获得size

9.延时等待
隐式等待
当查找节点时,节点并没有立即出现,则等待一段时间再查找DOM,默认时间时0

显式等待
指定要查找的节点,并指定最长等待时间,如果在此时间段内加载出来该节点,则返回查找结果;否则抛出异常

等待条件及含义

等待条件                                        含义
title_js	                          	标题是某一内容
title_contains	                         	标题包含某内容
presence_of_element_located	                  	节点加载出来,传入定位元组,如(By.ID,'p')
visibility_of_element_located	                	节点可见,传入定位元祖
visibility_of	                        	可见,传入节点对象
presence_of_all_element_located	              	所有节点加载完成
text_to_be_present_in_element	                	某个节点文本包含某文字
text_to_be_present_in_element_value	                某个节点值包含文字
frame_to_be_available_and_switch_to_it	           	加载并切换
invisibility_of_element_located	                      节点不可见
element_to_be_clickable	                     	节点可点击
staleness_of	                         	判断一个节点是否仍在DOM,可判断页面是否已经刷新
element_to_be_selected	                             节点可选择,传节点对象
element_located_to_be_selected	                 	节点可选择,传入元组对象
element_selection_state_to_be	               	传入节点对象以及状态,相等返回True,否则False
element_located_selection_state_to_be	           	传入定位元组及状态,相等返回True,否则False
alert_is_present	                           是否出现警告

10.前进、后退
back()方法为后退
forward()方法为前进

11.cookies操作
get_cookies()方法获得cookies信息
add_cookies()方法添加cookies信息
delete.all_cookies()方法删除所有cookies信息