文章目录
1.Selenium的使用
Selenium是一个自动化测试工具，利用它可以驱动浏览器执行特定的动作，如点击、下拉等操作，同时还可以获取浏览器当前呈现的页面的源代码，做到可见即可爬。对于一些JavaScript动态渲染的页面来说，此种抓取方式非常有效。本节中，就让我们来感受一下它的强大之处吧。
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
browser = webdriver.Chrome()
try:
browser.get('https://www.baidu.com')
input = browser.find_element_by_id('kw')
input.send_keys('Python')
input.send_keys(Keys.ENTER)
wait = WebDriverWait(browser, 10)
wait.until(EC.presence_of_element_located((By.ID, 'content_left')))
print(browser.current_url)
print(browser.get_cookies())
print(browser.page_source)
finally:
browser.close()
运行代码后发现，会自动弹出一个Chrome浏览器。浏览器首先会跳转到百度，然后在搜索框中输入Python，接着跳转到搜索结果页，搜索结果加载出来后，控制台分别会输出当前的URL、当前的Cookies和网页源代码。
Selenium支持非常多的浏览器，如Chrome、Firefox、Edge等，还有Android、BlackBerry等手机端的浏览器。另外，也支持无界面浏览器PhantomJS。
我们可以用如下方式初始化：
from selenium import webdriver
brower = webdriver.Chorme()
browser = webdriver.Firefox()
browser = webdriver.Edge()
browser = webdriver.PhantomJS()
browser = webdriver.Safari()
这样就完成了浏览器对象的初始化并将其赋值为browser对象。接下来，我们要做的就是调用browser对象，让其执行各个动作以模拟浏览器操作。
我们可以用get()方法来请求网页，参数传入链接URL即可。比如，这里用get()方法访问淘宝，然后打印出源代码，代码如下：
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
print(browser.page_source)
browser.close()
2.查找节点
单个节点
要想提取搜索框这个节点，首先要观察它的源代码:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Ckvby0K4-1601371792069)(attachment:image.png)]
可以发现，它id是q，name也是q。此外，还有许多其他属性，此时我们就可以用多种方式获取它了。比如，find_element_by_name()是根据name值获取，find_element_by_id()是根据id获取。另外，还有根据XPath、CSS选择器等获取的方式。
from selenium import webdriver
browser = webdriver.Chrome()
browser.get("https://www.taobao.com")
input_first = browser.find_element_by_id('q')
input_second = browser.find_element_by_css_selector('#q')
input_third = browser.find_element_by_xpath('//*[@id = "q"]')
print(input_first, input_second, input_third)
browser.close()
<selenium.webdriver.remote.webelement.WebElement (session="3c32a4bdd6d2aeecb8009f6a341a88d0", element="87630893-7416-48d5-bf2b-bf686b02124d")> <selenium.webdriver.remote.webelement.WebElement (session="3c32a4bdd6d2aeecb8009f6a341a88d0", element="87630893-7416-48d5-bf2b-bf686b02124d")> <selenium.webdriver.remote.webelement.WebElement (session="3c32a4bdd6d2aeecb8009f6a341a88d0", element="87630893-7416-48d5-bf2b-bf686b02124d")>
以下是所有获取单个节点的方法：
find_element_by_id
find_element_by_name
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
另外，Selenium还提供了通用方法find_element()，它需要传入两个参数：查找方式By和值。实际上，它就是find_element_by_id()这种方法的通用函数版本，比如find_element_by_id(id)就等价于find_element(By.ID, id)，二者得到的结果完全一致。我们用代码实现一下：
from selenium import webdriver
from selenium.webdriver.common.by import By
browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
input_first = browser.find_element(By.ID, 'q')
print(input_first)
browser.close()
<selenium.webdriver.remote.webelement.WebElement (session="a094dded3bb8abb549f0d966356a1d3f", element="1fc85c79-3e0a-4440-ba37-cdf29a898ad0")>
多个节点
find_element()方法只能查找一个节点，可以使用find_elements()方法查找多个节点
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
lis = browser.find_elements_by_css_selector('.service-bd li')
print(lis)
browser.close()
[<selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="6c2d4189-0a59-4b90-a44d-3ae02df2978a")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="6d5677c9-35f4-4494-be5d-da531ff0d8e9")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="9569414b-b3ae-4705-91a3-1c3225620ffe")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="5765c842-fe9c-486a-858f-a06e68420e8c")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="a028df78-41e3-4a36-a48c-d8f3afd6fa69")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="67c35c5f-eb75-4db2-a9d3-1fd73643aec3")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="2697261f-a005-4c45-b402-6167aefa1a40")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="e3e7e64b-3a0e-403d-b912-5f472add548c")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="7c606743-079a-41e9-a938-312fef07bfe5")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="56605a7e-c438-47b4-b0c8-c85643fbf920")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="b7422228-c16e-49f8-9bf8-f2314cc9e563")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="00c76986-c1da-4630-b06c-529ebdf387f9")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="81788f33-b80e-47f5-9797-dd45f070e64d")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="fbee42c9-0682-46b8-9d7f-4f12840ba6ff")>, <selenium.webdriver.remote.webelement.WebElement (session="8a4fe778d475f7c9e1ad04af0f0c5fbb", element="ec5f44ee-200c-4686-b7ce-3748131734e0")>]
3.交互
Selenium可以驱动浏览器来执行一些操作，也就是说可以让浏览器模拟执行一些动作。比较常见的用法有：输入文字时用send_keys()方法，清空文字时用clear()方法，点击按钮时用click()方法。示例如下：
from selenium import webdriver
import time
browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
input = browser.find_element_by_id('q')
input.send_keys('iPhone')
time.sleep(3)
input.clear()
input.send_keys('iPad')
button = browser.find_element_by_class_name('btn-search')
button.click()
这里首先驱动浏览器打开淘宝，然后用find_element_by_id()方法获取输入框，然后用send_keys()方法输入iPhone文字，等待一秒后用clear()方法清空输入框，再次调用send_keys()方法输入iPad文字，之后再用find_element_by_class_name()方法获取搜索按钮，最后调用click()方法完成搜索动作。
通过上面的方法，我们就完成了一些常见节点的动作操作，更多的操作可以参见官方文档的交互动作介绍：http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.remote.webelement。
4.动作链
在上面的实例中，一些交互动作都是针对某个节点执行的。比如，对于输入框，我们就调用它的输入文字和清空文字方法；对于按钮，就调用它的点击方法。其实，还有另外一些操作，它们没有特定的执行对象，比如鼠标拖曳、键盘按键等，这些动作用另一种方式来执行，那就是动作链。
比如，现在实现一个节点的拖曳操作，将某个节点从一处拖曳到另外一处，可以这样实现：
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 = browser.find_element_by_css_selector('#draggable')
target = browser.find_element_by_css_selector('#droppable')
actions = ActionChains(browser)
actions.drag_and_drop(source, target)
actions.perform()
首先，打开网页中的一个拖曳实例，然后依次选中要拖曳的节点和拖曳到的目标节点，接着声明ActionChains对象并将其赋值为actions变量，然后通过调用actions变量的drag_and_drop()方法，再调用perform()方法执行动作，此时就完成了拖曳操作.
5.执行JavaScript
对于某些操作，Selenium API并没有提供。比如，下拉进度条，它可以直接模拟运行JavaScript，此时使用execute_script()方法即可实现:
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.taobao.com')
browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')
browser.execute_script('alert("To Bottom")')
6. 获取节点信息
6.1 获取属性
我们可以使用get_attribute()方法来获取节点的属性，但是其前提是先选中这个节点:
from selenium import webdriver
from selenium.webdriver import ActionChains
browser = webdriver.Chrome()
url = 'https://www.zhihu.com/explore'
browser.get(url)
logo = browser.find_element_by_css_selector('.ZhihuLogoLink')
print(logo)
print(logo.get_attribute('class'))
<selenium.webdriver.remote.webelement.WebElement (session="7ac47a93f69e3271032cfc5dcaecac8f", element="21d1ee04-187c-4179-9ac1-338c31b5f5b7")>
ZhihuLogoLink
6.2 获取文本值
每个WebElement节点都有text属性，直接调用这个属性就可以得到节点内部的文本信息，这相当于Beautiful Soup的get_text()方法、pyquery的text()方法，示例如下：
from selenium import webdriver
browser = webdriver.Chrome()
url = 'https://www.zhihu.com/explore'
browser.get(url)
input = browser.find_element_by_css_selector('.Tabs-link')
print(input)
print(input.text)
<selenium.webdriver.remote.webelement.WebElement (session="f5b544501325970b9eb6525ebb825051", element="715ce887-6d4e-4d5d-b44a-ff4a072500d6")>
首页
这里依然先打开知乎页面，然后获取“首页”按钮这个节点，再将其文本值打印出来。
6.3 获取id、位置、标签名的大小
另外，WebElement节点还有一些其他属性，比如id属性可以获取节点id，location属性可以获取该节点在页面中的相对位置，tag_name属性可以获取标签名称，size属性可以获取节点的大小，也就是宽高，这些属性有时候还是很有用的。示例如下：
from selenium import webdriver
browser = webdriver.Chrome()
url = 'https://www.zhihu.com/explore'
browser.get(url)
input = browser.find_element_by_css_selector('.Tabs-link')
print(input)
print(input.id)
print(input.location)
print(input.tag_name)
print(input.size)
<selenium.webdriver.remote.webelement.WebElement (session="c63c937e5db898df69fe71bd47ad4c30", element="4c5b99a5-0a7e-4d26-bc19-29c48767e758")>
4c5b99a5-0a7e-4d26-bc19-29c48767e758
{'x': 120, 'y': 1}
a
{'height': 50, 'width': 30}
7.切换Frame
我们知道网页中有一种节点叫作iframe，也就是子Frame，相当于页面的子页面，它的结构和外部网页的结构完全一致。Selenium打开页面后，它默认是在父级Frame里面操作，而此时如果页面中还有子Frame，它是不能获取到子Frame里面的节点的。这时就需要使用switch_to.frame()方法来切换Frame。示例如下：
import time
from selenium import webdriver
from selenium.common.exceptions import NoSuchElementException
browser = webdriver.Chrome()
url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'
browser.get(url)
browser.switch_to.frame('iframeResult')
try:
logo = browser.find_element_by_class_name('logo')
except NoSuchElementException:
print('NO LOGO')
browser.switch_to.parent_frame()
logo = browser.find_element_by_class_name('logo')
print(logo)
print(logo.text)
NO LOGO
<selenium.webdriver.remote.webelement.WebElement (session="6110a43a103b5fceb372cee29377ae07", element="892e5106-15e8-48fc-bf93-26702a44b82a")>
RUNOOB.COM
8.延时等待
在Selenium中，get()方法会在网页框架加载结束后结束执行，此时如果获取page_source，可能并不是浏览器完全加载完成的页面，如果某些页面有额外的Ajax请求，我们在网页源代码中也不一定能成功获取到。所以，这里需要延时等待一定时间，确保节点已经加载出来。
这里等待的方式有两种：一种是隐式等待，一种是显式等待。
8.1 隐式等待
当使用隐式等待执行测试的时候，如果Selenium没有在DOM中找到节点，将继续等待，超出设定时间后，则抛出找不到节点的异常。换句话说，当查找节点而节点并没有立即出现的时候，隐式等待将等待一段时间再查找DOM，默认的时间是0。示例如下：
from selenium import webdriver
browser = webdriver.Chrome()
browser.implicitly_wait(10)
browser.get('https://www.zhihu.com/explore')
input = browser.find_element_by_class_name('Tabs-link')
print(input)
<selenium.webdriver.remote.webelement.WebElement (session="d8a34093d766da7a3c1b2bd36edad331", element="0af99217-cd8a-471a-ab4e-87db2bc5ab01")>
8.2 显示等待
隐式等待的效果其实并没有那么好，因为我们只规定了一个固定时间，而页面的加载时间会受到网络条件的影响。
这里还有一种更合适的显式等待方法，它指定要查找的节点，然后指定一个最长等待时间。如果在规定时间内加载出来了这个节点，就返回查找的节点；如果到了规定时间依然没有加载出该节点，则抛出超时异常。示例如下
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
browser = webdriver.Chrome()
browser.get('https://www.taobao.com/')
wait = WebDriverWait(browser, 10)
input = wait.until(EC.presence_of_element_located((By.ID, 'q')))
button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '.btn-search')))
print(input, button)
<selenium.webdriver.remote.webelement.WebElement (session="e896526a195f864e3421c9ccf4accb84", element="bc63c2c4-0d8e-4020-919d-e726ca985067")> <selenium.webdriver.remote.webelement.WebElement (session="e896526a195f864e3421c9ccf4accb84", element="63bc196a-300a-42aa-8436-8e6388e062c6")>
这里首先引入WebDriverWait这个对象，指定最长等待时间，然后调用它的until()方法，传入要等待条件expected_conditions。比如，这里传入了presence_of_element_located这个条件，代表节点出现的意思，其参数是节点的定位元组，也就是ID为q的节点搜索框。
这样可以做到的效果就是，在10秒内如果ID为q的节点（即搜索框）成功加载出来，就返回该节点；如果超过10秒还没有加载出来，就抛出异常。
对于按钮，可以更改一下等待条件，比如改为element_to_be_clickable，也就是可点击，所以查找按钮时查找CSS选择器为.btn-search的按钮，如果10秒内它是可点击的，也就是成功加载出来了，就返回这个按钮节点；如果超过10秒还不可点击，也就是没有加载出来，就抛出异常。
关于等待条件，其实还有很多，比如判断标题内容，判断某个节点内是否出现了某文字等。下表列出了所有的等待条件。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GkwreVnY-1601371792072)(attachment:image.png)]
9.前进和后退
平常使用浏览器时都有前进和后退功能，Selenium也可以完成这个操作，它使用back()方法后退，使用forward()方法前进。示例如下：
import time
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.baidu.com/')
browser.get('https://www.taobao.com/')
browser.get('https://www.python.org/')
browser.back()
time.sleep(1)
browser.forward()
browser.close()
10.Cookies
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.zhihu.com/explore')
print(browser.get_cookies())
browser.add_cookie({
'name': 'name', 'domain': 'www.zhihu.com', 'value': 'germey'})
print(browser.get_cookies())
browser.delete_all_cookies()
print(browser.get_cookies())
[{
'secure': False, 'value': '"NGM0ZTM5NDAwMWEyNDQwNDk5ODlkZWY3OTkxY2I0NDY=|1491604091|236e34290a6f407bfbb517888849ea509ac366d0"', 'domain': '.zhihu.com', 'path': '/', 'httpOnly': False, 'name': 'l_cap_id', 'expiry': 1494196091.403418}]
[{
'secure': False, 'value': 'germey', 'domain': '.www.zhihu.com', 'path': '/', 'httpOnly': False, 'name': 'name'}, {
'secure': False, 'value': '"NGM0ZTM5NDAwMWEyNDQwNDk5ODlkZWY3OTkxY2I0NDY=|1491604091|236e34290a6f407bfbb517888849ea509ac366d0"', 'domain': '.zhihu.com', 'path': '/', 'httpOnly': False, 'name': 'l_cap_id', 'expiry': 1494196091.403418}]
[]
import time
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.execute_script('window.open()')
print(browser.window_handles)
browser.switch_to_window(browser.window_handles[1])
browser.get('https://www.taobao.com')
time.sleep(1)
browser.switch_to_window(browser.window_handles[0])
browser.get('https://python.org')
['CDwindow-D3B9146D4CE7EC35784DEF9DB96CFE4B', 'CDwindow-D8508F28CF34DFAE42F3822F2A78CC73']
首先访问了百度，然后调用了execute_script()方法，这里传入window.open()这个JavaScript语句新开启一个选项卡。接下来，我们想切换到该选项卡。这里调用window_handles属性获取当前开启的所有选项卡，返回的是选项卡的代号列表。要想切换选项卡，只需要调用switch_to_window()方法即可，其中参数是选项卡的代号。这里我们将第二个选项卡代号传入，即跳转到第二个选项卡，接下来在第二个选项卡下打开一个新页面，然后切换回第一个选项卡重新调用switch_to_window()方法，再执行其他操作即可。
11.异常处理
在使用Selenium的过程中，难免会遇到一些异常，例如超时、节点未找到等错误，一旦出现此类错误，程序便不会继续运行了。这里我们可以使用try except语句来捕获各种异常。
捕捉节点未找到异常(NoSuchElementException)：
from selenium import webdriver
from selenium.common.exceptions import TimeoutException, NoSuchElementException
browser = webdriver.Chrome()
try:
browser.get('https://www.baidu.com')
except TimeoutException:
print('Time Out')
try:
browser.find_element_by_id('hello')
except NoSuchElementException:
print('No Element')
finally:
browser.close()
No Element