除了Ajax这种JavaScript动态渲染的页面外，还要一些，比如分页部分由JavaScript生成，并非原始HTML代码，还有的比如淘宝页面，即使是Ajax获取数据，但其接口含有加密参数，很难爬取。但是我们找到了：Selenium、Splash、PyV8、Ghost等，实现了可见即可爬取。
Selenium，可以驱动浏览器进行点击、下拉等操作，还做到可见即可爬取。
首先，安装Selenium和ChromeDriver
pip安装
pip3 install selenium
wheel安装，可百度搜索即可获取。
selenium安装成功后，还需要浏览器（如Chrome）来配合工作，安装ChromeDriver。
打开浏览器，帮助栏内查看关于Google Chrome，查看版本号，然后网上搜索进入Chrome Driver官网，根据自己版本号下载对应的Driver。
将下载好的exe文件，放到Python的Scripts目录下。
以上操作，可通过下列语句进行验证是否正确：
from selenium import webdriver
browser = webdriver.Chrome()
- 声明浏览器对象
声明浏览器对象，有Chrome、Firefox、Edge等，还支持无界面浏览器PhantomJS.初始化如下：
from selenium import webdriver
browser = webdriver.Chrome()
browser = webdriver.Firefox()
browser = webdriver.Edge()
browser = webdriver.PhantomJS()
browser= webdriver.Safari()- 访问页面
from selenium import webdriver
browser=webdriver.Chrome()
browser.get('http://www.baidu.com')
print(browser.current_url) # 当前访问页面的链接
print(browser.get_cookies()) # 当前的Cookies
print(browser.page_source) # 当前网页的源代码
browser.close() #浏览器自己关闭上述过程，就是通过Selenium来驱动浏览器加载网页，直接获取到了Javascript渲染的结果，不存在使用什么加密系统了的。
- 查找结点
## 单个结点，结点的属性通过源代码观察获取。
input_first=browser.find_element_by_id('q')#根据ID
input_secsone=browser.find_element_by_css_selector('q')#根据CSS选择器
input_third=browser.find_element_by_xpath('//*[@id="q"]')#根据Xpath获取
print(input_first,input_secsone,input_third)
# 这三个节点都是WebElement类型
## 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()
## 通用方法、find_element()传入两个参数:查找方式By和值
find_element_by_id() 等价于 find_element(By.ID,'id')#查找ID='id'的值
## 多个节点
find_elements()
lis=find_elements_by_css_selector('.service-bd li')
# 查找当前service-bd节点下的所有li节点
print(lis)
find_elements_by_id()
find_elements_by_name()
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()
## 同样还可以这么操作
lis = browser.find_elements(By.CSS_SELECTOR,'.service-bd li')- 节点交互
Selenium驱动浏览器执行一些操作，比如：输入文字send_keys()方法、清空文字clear()方法、点击按钮click()方法。
input=browser.find_element_by_id('q')#寻找到输入框
input.send_keys('iphone')#输入文字
time.sleep(1)
input.clear()#输入框清空
input.send_keys('iPad')
button=browser.find_element_by_class_name('btn-search')#寻找到搜索点击按钮
button.click()#点击开始搜索- 动作链
鼠标拖曳、键盘按键等动作链。
- 执行JavaScript
下拉进度条，弹窗显示等通过execute_script方法，该方法可以实现API没有提供的所有功能。
from selenium import webdriver
import time
browser= webdriver.Chrome()
browser.get ('https://www.zhihu.com/explore')
browser.execute_script('window.scrollTo(0,document.body.scrollHeight)')#下拉至底部
browser.execute_script('alert("To Bottom")')#弹窗显示，已经到底部
time.sleep(3)
browser.close()- 获取节点信息
- 获取属性
# 通过get_attribute()方法,前提是先选中这个节点，再使用get_attribute方法
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_it_by_id('zh-top-link-logo')#选中知乎logo，该节点
print(logo)
print(logo.get_attribute('class'))#打印选中的节点中class属性的名称是多少- 获取文本值
每个WebElement节点都有text属性，直接使用.text可得到节点内部的文本信息，相当于Beautiful Soup的get_text()方法、pyquery的text()方法。
## 获取文本值
input = browser.find_element_by_class_name('zu-top-add-question')# 选中'提问'按钮这个节点
print(input.text)- 获取id、位置、标签名和大小
# 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
from selenium import webdriver
browser = webdriver.Chrome()
url='http://www.zhihu.com/explore'
browser.get (url)
input= browser.find_element_by_class_name ('zu-top-add-question')
print(input.id)
print(input.location)
print(input.tag_name)
print(input.size)- 切换frame
这个知识点也是比较迷，后续遇到再做深化吧！
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')# 该方法切换到子Frame
try:
logo= browser.find_element_by_class_name('logo')# 尝试获取父级Frame里的logo节点
except NoSuchElementException:# 肯定是找不到的，因为已经切换到了子级Frame
print('NO LOGO')
browser.switch_to.parent_frame()
logo = browser.find_element_by_class_name('log')
print(logo)
print(logo.text)
browser.close()- 延时等待
分为隐式等待和显式等待。
- 隐式等待
当查找结点时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，默认时间为0.
from selenium import webdriver
browser = webdriver.Chrome()
browser.implicitly_wait (10)#隐式等待
browser.get('https://www.zhihu.com/explore' )
input = browser.find_element_by_class_name ('zu-top-add-question')
print(input)- 显式等待
规定一个固定时间，而页面的加载时间会受到网络条件的影响。故，指定要查找的节点，然后指定最长等待时间。如果在规定时间内加载出来该节点，就返回节点；到了规定时间还没有加载出来，则抛出异常。
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()# 引入对象
browser.get('https://www.taobao.com/')
wait = WebDriverWait(browser, 10)# 指定最长时间
input = wait.until(EC.presence_of_element_located((By.ID,'q')))# 指定等待条件
button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR,'btn-search')))
print(input,button)
browser.close()隐式等待：先查找节点，若未加载到该节点，则等待T，T内若还未加载到，则抛出异常。
显式等待：先指定节点，再等待固定时间T，T内加载则正常。否则异常
关于等待条件，下列表中列出了所有的等待条件：
- 前进和后退
Selenium可对浏览器完成back()后退，forward()前进。
# 前进和后退
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.hao123.com/')
browser.back()
time.sleep(1)
browser.forward()
browser.close()- Cookie
使用Selenium还可以对Cookies进行获取、添加、删除等操作。
# Cookie
from selenium import webdriver
browser=webdriver.Chrome()
browser.get('http://www.zhihu.com/explore')
print(browser.get_cookies())
browser.add_cookie({'name':'name','domain':'www.zhihu.com','value':'germy'})
print(browser.get_cookies())
browser.delete_all_cookies()
print(browser.get_cookies())- 选项卡管理
访问页面就会开启一个选项卡。在selenium中，对选项卡进行操作：
# 选项卡
import time
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.execute_script('window.open()')# 在第一个选项卡内打开一个页面，百度
print(browser.window_handles)
browser.switch_to_window(browser.window_handles[1])# 1=第二个选项卡打开淘宝
browser.get('https://www.taobao.com')
time.sleep(3)
browser.switch_to_window(browser.window_handles[0])# 0=第一个选项卡打开hao123
browser.get('https://www.hao123.com')
browser.close()- 异常处理
try except语句来捕获各种异常
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()Selenium、节点交互、切换Frame、延时等待、Cookie
