Selenium和PhantomJS简介

Selenium简介

Selenium是一个Web的自动化测试工具，最初是为了网站自动化测试开发的，Selenium测试直接运行在浏览器中，就像真正的用户在操作一样。支持的浏览器包括IE（7, 8, 9, 10, 11），Mozilla Firefox，Safari，Google Chrome，Opera等。也包括PhantomJS。

Selenium可以根据我们的指令，让浏览器自动加载页面，获取需要的数据，甚至是页面截屏。

Selenium安装

pip install selenium
Selenium官方文档

http://selenium-python.readthedocs.io/index.html
PhantomJS简介

PhantomJS 是一个基于Webkit的“无界面”(headless)浏览器，它会把网站加载到内存并执行页面上的 JavaScript，因为不会展示图形界面，所以运行起来比完整的浏览器要高效。

如果我们把 Selenium 和 PhantomJS 结合在一起，就可以运行一个非常强大的网络爬虫了，这个爬虫可以处理 JavaScrip、Cookie、headers，以及任何我们真实用户需要做的事情。

PhantomJS官方文档

http://phantomjs.org/documentation
PhantomJS下载地址

http://phantomjs.org/download.html
Selenium的入门

在Selenium库里面有一个WebDriver的API。WebDriver有点像可以加载网站的浏览器，但是它也可以像BeautifulSoup或其他的Selector对象一样用来查找页面元素，与页面上的元素进行交互（如：点击，发送文本等），以及执行其他动作来运行网络爬虫。

如：

from selenium import webdriver

if __name__ == '__main__':
    # 打开PhantomJS浏览器
    driver = webdriver.PhantomJS() # PhantomJS需要先下载，配置环境变量，如果没有配置环境变量，需要使用executable_path参数指定
    # 请求url
    driver.get('http://www.baidu.com')
    # 打印出网页的title
    print(driver.title) # 输出结果：百度一下，你就知道

    # 保存截图
    driver.save_screenshot(baidu.png)

    # 关闭当前页面，如果只有一个页面，会关闭浏览器
    # driver.close()

    # 关闭浏览器
    driver.quit()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Selenium中的WebDriver常用方法

title()：获取title标签，或者使用title属性

driver.title()   # 或者 driver.title
1
get(url)：get方式请求url

driver.get('http://www.baidu.com')
1
back()：浏览器后退操作

driver.back()
1
forward()：浏览器前进操作

driver.forward()
1
save_screenshot(name)：保存截图

driver.save_screenshot('baidu.png')
1
add_cookie(dict)：添加cookie，传入dict类型

driver.add_cookie({"":""})
1
get_cookies()：获取当前页面的cookie

driver.get_cookies()
1
delete_cookie()：删除cookie。

driver.delete_cookie({"":""})
1
delete_all_cookies()：删除所有的cookie

driver.delete_all_cookies()
1
close()：关闭页面

driver.close()
1
quit()：关闭浏览器

driver.quit()
1
maximize_window()：最大化

driver.maximize_window()
1
minimize_window()：最小化

driver.minimize_window()
1
WebDriver查找标签的方法

通过id查找对应的元素

driver.find_element_by_id("id")    # id名称
1
通过name查找对应的元素

driver.find_element_by_name('name') # name属性
1
通过标签名查找对应元素

driver.find_element_by_tag_name('tag') # tag:标签名  
1
通过xpath来查找对应的元素

driver.find_element_by_xpath('xpath') # xpath: xpath匹配规则
1
通过class属性查找对应的元素

driver.find_element_by_class_name('classname') # classname：class的属性名称
1
通过css选择器查找对应的元素

driver.find_element_by_css_selector('css')  # css选择器
1
WebDriver的交互

点击

driver.find_element_by_id("").click()
1
提交

driver.find_element_by_id("").submit()
1
键盘输入

driver.find_element_by_id("").send_keys("")


# ctrl+a 全选输入框内容
driver.find_element_by_id("").send_keys(Keys.CONTROL,'a')

# ctrl+x 剪切输入框内容
driver.find_element_by_id("").send_keys(Keys.CONTROL,'x')

# 输入框重新输入内容
driver.find_element_by_id("").send_keys("content")

# 模拟Enter回车键
driver.find_element_by_id("").send_keys(Keys.RETURN)

# 清除输入框内容
driver.find_element_by_id("").clear()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
弹窗

当你触发了某个事件之后，页面出现了弹窗提示，处理这个提示或者获取提示信息方法如下

alert = driver.switch_to_alert()
1
页面切换

# 切换到xx页面
driver.switch_to.window("window_name")


# 也可以使用window_handles方法来获取每个窗口操作对象

for handler in driver.window_handlers:
    driver.switch_to_window(handler)
1
2
3
4
5
6
7
8
9
鼠标动作链

有些时候，我们需要再页面上模拟一些鼠标操作，比如双击、右击、拖拽甚至按住不动等，我们可以通过导入 ActionChains 类来做到

#导入 ActionChains 类
from selenium.webdriver import ActionChains

# 鼠标移动到 ac 位置
ac = driver.find_element_by_xpath('element')
ActionChains(driver).move_to_element(ac).perform()


# 在 ac 位置单击
ac = driver.find_element_by_xpath("elementA")
ActionChains(driver).move_to_element(ac).click(ac).perform()

# 在 ac 位置双击
ac = driver.find_element_by_xpath("elementB")
ActionChains(driver).move_to_element(ac).double_click(ac).perform()

# 在 ac 位置右击
ac = driver.find_element_by_xpath("elementC")
ActionChains(driver).move_to_element(ac).context_click(ac).perform()

# 在 ac 位置左键单击hold住
ac = driver.find_element_by_xpath("elementF")
ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()

# 将 ac1 拖拽到 ac2 位置
ac1 = driver.find_element_by_xpath("elementD")
ac2 = driver.find_element_by_xpath("elementE")
ActionChains(driver).drag_and_drop(ac1, ac2).perform()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
页面等待

现在的网页越来越多采用了 Ajax 技术，这样程序便不能确定何时某个元素完全加载出来了。如果实际页面等待时间过长导致某个dom元素还没出来，但是你的代码直接使用了这个WebElement，那么就会抛出NullPointer的异常。

为了避免这种元素定位困难而且会提高产生 ElementNotVisibleException 的概率。所以 Selenium 提供了两种等待方式，一种是隐式等待，一种是显式等待。

隐式等待是等待特定的时间，显式等待是指定某一条件直到这个条件成立时继续执行。

显示等待

显式等待指定某个条件，然后设置最长等待时间。如果在这个时间还没有找到元素，那么便会抛出异常了。

from selenium import webdriver
from selenium.webdriver.common.by import By
# WebDriverWait 库，负责循环等待
from selenium.webdriver.support.ui import WebDriverWait
# expected_conditions 类，负责条件出发
from selenium.webdriver.support import expected_conditions as EC

driver = webdriver.Chrome()
driver.get("http://www.xxxxx.com/loading")
try:
    # 页面一直循环，直到 id="myDynamicElement" 出现
    element = WebDriverWait(driver, 10).until(
        EC.presence_of_element_located((By.ID, "myDynamicElement"))
    )
finally:
    driver.quit()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
如果不写参数，程序默认会 0.5s 调用一次来查看元素是否已经生成，如果本来元素就是存在的，那么会立即返回。

隐式等待

隐式等待比较简单，就是简单地设置一个等待时间，单位为秒。

from selenium import webdriver

driver = webdriver.Chrome()
driver.implicitly_wait(10) # seconds
driver.get("http://www.xxxxx.com/loading")
myDynamicElement = driver.find_element_by_id("myDynamicElement")

当然如果不设置，默认等待时间为0。
---------------------
【转载，仅作分享，侵删】
作者：张行之
来源：CSDN
原文：https://blog.csdn.net/qq_33689414/article/details/78631009
版权声明：本文为博主原创文章，转载请附上博文链接！

奈斯，感谢分享