查看原文
其他

python爬虫09 | 上来,自己动 !这就是 selenium 的牛逼之处

小帅b 学习python的正确姿势 2019-04-06


作为一个男人


在最高光的时刻


就是说出那句



之后


还不会被人打


...


虽然在现实生活中你无法这样


但是在这里


就让你体验一番


那种呼风唤雨的感觉





我们之前在爬取某些网站的时候


使用到了一些 python 的请求库


模拟浏览器的请求


我们需要抓包啥的


能不能不这样


可不可以就写几行代码


让它自己去打开浏览器


自己去请求我们要爬取的网站


自己去模拟我们的一些搜索


等等



反正就是


老子躺着,让它自己动



躺好


让 selenium 满足你的要求


怎么玩呢?


那么接下里就是


学习 python 的正确姿势



什么是 selenium ?


其实它就是一个自动化测试工具,支持各种主流的浏览器


直到遇到了 python


转身一变



selenium 变成了爬虫利器


我们先来安装一下


pip install selenium


接着我们还要下载浏览器驱动


小帅b用的是 Chrome 浏览器


所以下载的是 Chrome 驱动


当然你用别的浏览器也阔以


去相应的地方下载就行了


Chrome:https://sites.google.com/a/chromium.org/chromedriver/downloads
Edge:https://developer.microsoft.com/en-us/microsoft-edge/tools/webdriver/
Firefox:https://github.com/mozilla/geckodriver/releases
Safari:https://webkit.org/blog/6900/webdriver-support-in-safari-10/




下载完之后


要配置一下环境变量




接着打开 pycharm


撸点代码


from selenium import webdriver

driver = webdriver.Chrome()
driver.get("https://www.baidu.com")

input = driver.find_element_by_css_selector('#kw')
input.send_keys("苍老师照片")

button = driver.find_element_by_css_selector('#su')
button.click()


运行一下




可以看到


它自己打开了 Chrome 浏览器


访问了百度


搜索了苍老师的照片



这就是 selenium 的魅力


我们来看下我们刚刚写的代码


我们导入了 web 驱动模块


from selenium import webdriver


接着我们创建了一个 Chrome 驱动


driver = webdriver.Chrome()


有了实例之后


相当于我们有了 Chrome 浏览器了


接着使用 get 方法打开百度


driver.get("https://www.baidu.com")


打开百度之后


我们获取到输入框


至于怎么获取


等等会讲


获取到输入框之后我们就往里面写入我们要搜索的内容


input = driver.find_element_by_css_selector('#kw')
input.send_keys("苍老师照片")


输入完了之后呢


我们就获取到搜索这个按钮


然后点击


button = driver.find_element_by_css_selector('#su')
button.click()



就这样完成了一次自动的百度搜索




当我们使用驱动打开了一个页面


这时候其实没什么鸟用


因为我们要对那些元素进行操作


就像刚刚我们要获取输入框然后输入一些内容


还有获取按钮点击什么的


selenium 提供了挺多方法给我们获取的


当我们要在页面中获取一个元素的时候


可以使用这些方法


  • 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



想要在页面获取多个元素呢


就可以这样


  • 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



比如我们打开了一个页面


是这样的 HTML


<html>
<body>
 <form id="loginForm">
  <input name="username" type="text" />
  <input name="password" type="password" />
  <input class="login" name="continue" type="submit" value="Login" />
 </form>
</body>
<html>



可以通过 id 获取 form 表单


login_form = driver.find_element_by_id('loginForm')


通过 name 获取相应的输入框


username = driver.find_element_by_name('username')
password = driver.find_element_by_name('password')


通过 xpath 获取表单


login_form = driver.find_element_by_xpath("/html/body/form[1]")
login_form = driver.find_element_by_xpath("//form[1]")
login_form = driver.find_element_by_xpath("//form[@id='loginForm']")



通过标签获取相应的输入框


input1 = driver.find_element_by_tag_name('input')


通过 class 获取相应的元素


login = driver.find_element_by_class_name('login')



用 Chrome 浏览器的审核元素


可以很方便获取相应的属性


直接 copy 就完事了




如果你觉得


find_element_by_xxx_xxx


太长了


那么你还可以这样


driver.find_elements(By.ID, 'xxx')


By.属性和上面的是一样的


ID = "id"
XPATH = "xpath"
LINK_TEXT = "link text"
PARTIAL_LINK_TEXT = "partial link text"
NAME = "name"
TAG_NAME = "tag name"
CLASS_NAME = "class name"
CSS_SELECTOR = "css selector"



当然


我们玩的是爬虫


要的就是源代码


我们已经知道


通过


driver = webdriver.Chrome()


可以拿到浏览器对象


那么要获取源代码还不简单么?


获取请求链接


driver.current_url


获取 cookies


driver.get_cookies()


获取源代码


driver.page_source


获取文本的值


input.text


ok


以上就是 selenium 的常用方法


想要了解更多相关 selenium 的可以到官方文档查看


https://selenium-python.readthedocs.io/



下一次

 

小帅b将带你使用它来爬取网站




本篇完


再见


近期文章


python爬虫08 | 你的第二个爬虫,要过年了,爬取豆瓣最受欢迎的250部电影慢慢看


python爬虫07 | 有了 BeautifulSoup ,妈妈再也不用担心我的正则表达式了


python爬虫06 | 你的第一个爬虫,爬取当当网 Top 500 本五星好评书籍


扫一扫

学习 Python 没烦恼




坚持原创


给小帅b来个好看




    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存