Python爬虫---selenium基本使用（支持无界面浏览器PhantomJS和Chrome handless）-编程知识

为什么使用selenium？

使用urllib.request.urlopen()模拟浏览器有时候获取不到数据,所以使用selenium

(1) selenium是一个用于web应用程序测试的工具
(2) selenium 测试直接运行在浏览器中，就像真正的用户在操作一样
(3) 支持通过各种driver (FirfoxDriver,IternetExplorerDriver，OperaDriver, ChromeDriver) 驱动真实浏览器完成测试。
(4) selenium也是支持无界面浏览器操作的。

1. 安装selenium（以谷歌为例）

1.1. 安装谷歌浏览器驱动 chromedriver ：chromedriver官网下载地址

注意：chromedriver 需要下载与谷歌浏览器对应的版本，防止版本不兼容

选择自己需要的版本，我这是120.0版本，复制这个链接到空的标签页就可下载

将下载的解压包解压后无需安装和运行，将exe文件直接放在程序目录下，如下图：

1.2. 安装selenium：pip install selenium 或 pip install selenium -i https://pypi.douban.com/simple

如果报错可以安装此版本（需卸载之前的）：pip install selenium==3.3.1

注意：需要安装在python解释器下面，例如：D:\Program Files\Python3.11.4\Scripts

2. 使用selenium基础

1）导入selenium

2）创建浏览器操作对象

3）访问网站

# import urllib.request
# url = "https://www.jd.com/"
# response = urllib.request.urlopen(url=url)
# content = response.read().decode("utf-8")
# print(content)  # 获取不到京东秒杀活动，所以需要使用selenium# 1）导入selenium
from selenium import webdriver
# from selenium.webdriver.common.by import By
# 2）创建浏览器操作对象
path = "chromedriver.exe"  # 驱动路径browser = webdriver.Chrome(path)# 3）访问网站
url = "https://www.baidu.com"browser.get(url)
browser.get("https://www.jd.com/")# page_source：获取网页源码
content = browser.page_source
print(content)   # 可以获取京东秒杀活动

3. 元素定位

元素定位: 自动化要做的就是模拟鼠标和键盘来操作来操作这些元素，点击、输入等等。操作这些元素前首先要找到它们，webDriver提供很多定位元素的方法：

1）根据id找到对象：browser.find_element_by_id("id属性值")

2）根据标签属性的属性值获取对象：browser.find_element_by_name("属性值")

3）根据xpath语句来获取对象：browser.find_elements_by_xpath("xpath语句")

4）根据标签名字获取对象：browser.find_elements_by_tag_name("标签名")

5）使用bs4语法来获取对象：browser.find_elements_by_css_selector("bs4语法")

6）使用链接来获取对象：browser.find_elements_by_link_text("链接文本")

from selenium import webdriver# 创建浏览器对象
path = "chromedriver.exe"
browser = webdriver.Chrome(path)# 访问网站
url = "https://www.baidu.com"
browser.get(url)# 元素定位# 根据id找到对象
button1 = browser.find_element_by_id("su")
print(button1)# 根据标签属性的属性值获取对象
button2 = browser.find_element_by_name("wd")
print(button2)# 根据xpath语句来获取对象
button3 = browser.find_elements_by_xpath("//input[@id='su']")
print(button3)# 根据标签名字获取对象
button4 = browser.find_elements_by_tag_name("input")
print(button4)# 使用bs4语法来获取对象
button5 = browser.find_elements_by_css_selector("#su")
print(button5)# 使用链接（a标签）来获取对象
button6 = browser.find_elements_by_link_text("新闻")
print(button6)

4. 元素信息

获取标签的属性：get_attribute("属性名")

获取标签的名字：tag_name

获取元素的文本：text

from selenium import webdriver# 创建浏览器对象
path = "chromedriver.exe"
browser = webdriver.Chrome(path)# 访问网站
url = "https://www.baidu.com"
browser.get(url)# 元素信息input = browser.find_element_by_id("su")
# 获取标签的属性
print(input.get_attribute("class"))
# 获取标签的名字
print(input.tag_name)a = browser.find_element_by_link_text("新闻")
# 获取元素的文本
print(a.text)

5. 交互

from selenium import webdriver
import time# 创建浏览器对象
path = "chromedriver.exe"
browser = webdriver.Chrome(path)# 访问网站
url = "https://www.baidu.com"
browser.get(url)
time.sleep(2)# 获取文本框对象
input = browser.find_element_by_id("kw")
# 在文本框中输入周杰伦
input.send_keys("周杰伦")
time.sleep(2)# 获取百度一下按钮
button = browser.find_element_by_id("su")
# 点击按钮
button.click()
time.sleep(2)# 滑到底部
js_bottom = "document.documentElement.scrollTop=100000"
browser.execute_script(js_bottom)
time.sleep(2)# 获取下一页按钮
button1 = browser.find_element_by_xpath("//a[@class='n']")
# 点击下一页
button1.click()
time.sleep(2)# 返回上一页
browser.back()
time.sleep(2)# 再回去
browser.forward()
time.sleep(3)# 退出
browser.quit()

6. PhantomJS

1.什么是phantomjs?
        1）是一个无界面的浏览器
        2）支持页面元素查找，js的执行等
        3）由于不进行css和gui渲染，运行效率要比真实的浏览器要快很多
2.如何使用phantomjs?

1）下载phantomjs：phantomjs下载，将下载的解压包解压后无需安装和运行，将exe文件直接放在程序目录下
        2）获取phantomjs.exe文件路径path
        3）browser = webdriver.PhantomJs(path)
        4） browser.get(ur1)
        扩展: 保存屏幕快照:browser.save_screenshot('baidu.png')

from selenium import webdriver
import time# 创建浏览器对象
path = "phantomjs.exe"
browser = webdriver.PhantomJS(path)# 访问网站
url = "https://www.baidu.com"
browser.get(url)# 拍快照
browser.save_screenshot("baidu.png")
time.sleep(2)# 获取输入框对象
input = browser.find_element_by_id("kw")
# 输入框输入 "星之卡比"
input.send_keys("星之卡比")
time.sleep(2)
# 拍快照
browser.save_screenshot("xing.png")

7. Chrome handless（更推荐）

Chrome-headless 模式：Google 针对 Chrome 浏览器 59版新增加的一种模式，可以让你不打开UI界面的情况下使用 chrome 浏览器，所以运行效果与 Chrome 保持完美一致。

系统要求 : 1）Chrome：Unix\Linux 系统需要 chrome >= 59，windows 系统需要 chrome >= 60
2）Python3.6 3）Selenium==3.4.* 4）ChromeDriver==2.31

配置：只需要修改path

chrome_options = Options()
chrome_options.add_argument("--headless")
chrome_options.add_argument("--disable-gpu")

# path是自己的chrome浏览器的文件路径
path = r"C:\Program Files\Google\Chrome\Application\chrome.exe"
chrome_options.binary_location = path

browser = webdriver.Chrome(chrome_options=chrome_options)

# from selenium import webdriver
# from selenium.webdriver.chrome.options import Options
#
# chrome_options = Options()
# chrome_options.add_argument("--headless")
# chrome_options.add_argument("--disable-gpu")
#
# path是自己的chrome浏览器的文件路径
# path = r"C:\Program Files\Google\Chrome\Application\chrome.exe"
# chrome_options.binary_location = path
# browser = webdriver.Chrome(chrome_options=chrome_options)
#
# url = "https://www.baidu.com"
# browser.get(url)
# browser.save_screenshot("baidu1.png")# 封装的handless
from selenium import webdriver
from selenium.webdriver.chrome.options import Optionsdef share_browser():chrome_options = Options()chrome_options.add_argument("--headless")chrome_options.add_argument("--disable-gpu")# path是自己的chrome浏览器的文件路径path = r"C:\Program Files\Google\Chrome\Application\chrome.exe"chrome_options.binary_location = pathbrowser = webdriver.Chrome(chrome_options=chrome_options)return browserbrowser = share_browser()url = "https://www.baidu.com"browser.get(url)