一、介绍
selenium最初是一个自动化测试工具,而爬虫中使用它主要是为了解决requests无法直接执行JavaScript代码的问题selenium本质是通过驱动浏览器，完全模拟浏览器的操作，比如跳转、输入、点击、下拉等，来拿到网页渲染之后的结果，可支持多种浏览器from selenium import webdriver #导入模块，然后产生一个浏览器对象browser=webdriver.Chrome()browser=webdriver.Firefox() browser=webdriver.PhantomJS() browser=webdriver.Safari() browser=webdriver.Edge()
二、安装
1、selenium+chromedriver
pip3 install selenium下载chromdriver.exe放到python安装路径的scripts目录中即可，可以在中查看每个版本适用与那个浏览器下载链接：http://npm.taobao.org/mirrors/chromedriver/#验证安装 C:\Users\Administrator>python3 Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32 Type "help", "copyright", "credits" or "license" for more information. >>> from selenium import webdriver >>> driver=webdriver.Chrome() #弹出浏览器，产生一个浏览器对象，后续就是通过这个浏览器对象来操作浏览器 >>> driver.get('https://www.baidu.com') #控制浏览器访问url >>> driver.page_source #打印访问url后返回的html信息 #注意： selenium3默认支持的webdriver是Firfox，而Firefox需要安装geckodriver 下载链接：https://github.com/mozilla/geckodriver/releases 2、selenium+phantomjs
#PhantomJS 是一个无界面的webkit内核浏览器，你可以把它当作一个没有界面的 Safaripip3 install selenium下载phantomjs，解压后把phantomjs.exe所在的bin目录放到环境变量中下载链接：http://phantomjs.org/download.html#验证安装 C:\Users\Administrator>phantomjs phantomjs> console.log('egon gaga') egon gaga undefined phantomjs> ^C C:\Users\Administrator>python3 Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32 Type "help", "copyright", "credits" or "license" for more information. >>> from selenium import webdriver >>> driver=webdriver.PhantomJS() #无界面浏览器 >>> driver.get('https://www.baidu.com') >>> driver.page_source 三、基本使用
from selenium import webdriver #驱动浏览器from selenium.webdriver import ActionChains #作用链，主要用作滑动验证 from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR from selenium.webdriver.common.keys import Keys #键盘按键操作 from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait #与EC联用，等待页面中的某个元素被加载完成 browser=webdriver.Chrome() try: browser.get('https://www.baidu.com') input_tag=browser.find_element_by_id('kw') #通过id的方式查找元素，与input_tag=browser.find_element(By.CSS_SELECTOR,'#kw')的结果一样 input_tag.send_keys('美女') #python2中输入中文错误，字符串前加个u,在这个input标签内输入查找的字符 input_tag.send_keys(Keys.ENTER) #输入回车或者是查找到提交按钮点击都可以（# input_tag.click()） wait=WebDriverWait(browser,10) #产生一个等待的对象 wait.until(EC.presence_of_element_located((By.ID,'content_left'))) #等到id为content_left的元素加载完毕,最多等10秒 print(browser.page_source) #获取返回的网页html print(browser.current_url) #获取返回的网页url print(browser.get_cookies()) #获取返回的网页cookie finally: browser.close() #无论怎样关闭浏览器 四、三种选择器
1、三种查找元素（标签）方式
from selenium import webdriverfrom selenium.webdriver import ActionChains from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR from selenium.webdriver.common.keys import Keys #键盘按键操作 from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 browser=webdriver.Chrome() browser.get('https://www.baidu.com') #以下三种方式达到的都是同一种效果：查找id为kw的标签 input_tag1=browser.find_element(By.ID,'kw') #等同于：input_tag1=browser.find_element_by_id('kw') input_tag2=browser.find_element(By.CSS_SELECTOR,'#kw') #等同于：input_tag2=browser.find_element_by_css_selector('#kw') input_tag3=browser.find_element(By.XPATH,'//*[@id="kw"]') #等同于：input_tag3=browser.find_element_by_xpath('//*[@id="kw"]') 总结： # By.CSS_SELECTOR 通过css属性查看，属性可以是id，class等。 # By.CLASS_NAME 通过class属性查找 # By.XPATH 通过路径匹配查找 # By.ID 通过id查找 # By.TAG_NAME 通过tag标签查找 #注意：browser.find_elements系列与browser.find_element的区别就是，前者是查找多个，后者是只找第一个div1=browser.find_element(By.CSS_SELECTOR,'div') #找到第一个div标签div2=browser.find_elements(By.CSS_SELECTOR,'div') #找到所有的div标签，放到列表里browser.close()
2、获取元素（标签）内容的方式
from selenium import webdriverfrom selenium.webdriver import ActionChains from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR from selenium.webdriver.common.keys import Keys #键盘按键操作 from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 browser=webdriver.Chrome() browser.get('https://www.amazon.cn/') wait=WebDriverWait(browser,10) wait.until(EC.presence_of_element_located((By.ID,'cc-lm-tcgShowImgContainer'))) tag=browser.find_element(By.CSS_SELECTOR,'#cc-lm-tcgShowImgContainer img') #获取标签属性， print(tag.get_attribute('src')) #获取标签ID，位置，名称，大小，内容（了解） print(tag.id) print(tag.location) print(tag.tag_name) print(tag.size) print(tag.text) browser.close()
五、等待元素被加载
1、简介
#1、selenium只是模拟浏览器的行为，而浏览器解析页面是需要时间的（执行css，js），一些元素可能需要过一段时间才能加载出来，为了保证能查找到元素，必须等待 #2、等待的方式分两种： 隐式等待：在browser.get（'xxx'）前就设置，针对所有元素有效 显式等待：在browser.get（'xxx'）之后设置，只针对某个元素有效
2、隐式等待
#当使用了隐式等待执行测试的时候，如果 WebDriver没有在 DOM中找到元素，将继续等待，超出设定时间后则抛出找不到元素的异常, 换句话说，当查找元素或元素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 from selenium import webdriverfrom selenium.webdriver import ActionChains from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR from selenium.webdriver.common.keys import Keys #键盘按键操作 from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 browser=webdriver.Chrome() #隐式等待:在查找所有元素时，如果尚未被加载，则等10秒 browser.implicitly_wait(10)#等待十秒加载不出来就会抛出异常，10秒内加载出来正常返回数据 browser.get('https://www.baidu.com') input_tag=browser.find_element_by_id('kw') input_tag.send_keys('美女') input_tag.send_keys(Keys.ENTER) contents=browser.find_element_by_id('content_left') #没有等待环节而直接查找，找不到则会报错 print(contents) browser.close() 3、显式等待
from selenium import webdriverfrom selenium.webdriver import ActionChains from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR from selenium.webdriver.common.keys import Keys #键盘按键操作 from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 browser=webdriver.Chrome() browser.get('https://www.baidu.com') input_tag=browser.find_element_by_id('kw') input_tag.send_keys('美女') input_tag.send_keys(Keys.ENTER) #显式等待：显式地等待某个元素被加载 wait=WebDriverWait(browser,10)#指定一个等待条件，和一个最长等待时间，程序会判断在等待时间内条件是否满足，如果满足则返回，如果不满足会继续等待，超过时间就会抛出异常 wait.until(EC.presence_of_element_located((By.ID,'content_left'))) contents=browser.find_element(By.CSS_SELECTOR,'#content_left') print(contents) browser.close() 六、元素交互操作
1、点击清空
from selenium import webdriverfrom selenium.webdriver import ActionChains from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR from selenium.webdriver.common.keys import Keys #键盘按键操作 from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 browser=webdriver.Chrome() browser.get('https://www.amazon.cn/') wait=WebDriverWait(browser,10) input_tag=wait.until(EC.presence_of_element_located((By.ID,'twotabsearchtextbox'))) input_tag.send_keys('iphone 8') button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input') button.click() import time time.sleep(3) input_tag=browser.find_element_by_id('twotabsearchtextbox') input_tag.clear() #清空输入框 input_tag.send_keys('iphone7plus') button=browser.find_element_by_css_selector('#nav-search > form > div.nav-right > div > input') button.click() # browser.close() 2、action chains 行为链
#http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chainsfrom selenium import webdriverfrom selenium.webdriver import ActionChains from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR from selenium.webdriver.common.keys import Keys #键盘按键操作 from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 browser=webdriver.Chrome() browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable') browser.switch_to.frame('iframeResult') #切换到iframeResult,只有frame中嵌套一个frame时才会使用 source=browser.find_element_by_id('draggable') target=browser.find_element_by_id('droppable') actions=ActionChains(browser) #拿到动作链对象 actions.drag_and_drop(source,target) #把动作放到动作链中，准备串行执行，意思就是把source元素移动到target元素 actions.perform() #执行
3、在交互动作比较困难的情况下可以自己写js代码（万能方法）
from selenium import webdriverfrom selenium.webdriver import ActionChains from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR from selenium.webdriver.common.keys import Keys #键盘按键操作 from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 try: browser=webdriver.Chrome() browser.get('https://www.baidu.com') browser.execute_script('alert("hello world")') #打印警告 finally: browser.close() 有些动作可能没有提供api，比如进度条下拉，这时，我们可以通过代码执行JavaScript from selenium import webdriverbrowser = webdriver.Chrome()browser.get('https://www.zhihu.com/explore')browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')browser.execute_script('alert("To Bottom")')
4、frame的切换（frame内嵌套frame）
#frame相当于一个单独的网页，在父frame里是无法直接查看到子frame的元素的，必须switch_to_frame切到该frame下，才能进一步查找from selenium import webdriverfrom selenium.webdriver import ActionChains from selenium.webdriver.common.by import By #按照什么方式查找，By.ID,By.CSS_SELECTOR from selenium.webdriver.common.keys import Keys #键盘按键操作 from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 try: browser=webdriver.Chrome() browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable') browser.switch_to.frame('iframeResult') #切换到id为iframeResult的frame tag1=browser.find_element_by_id('droppable') print(tag1) # tag2=browser.find_element_by_id('textareaCode') #报错，在子frame里无法查看到父frame的元素 browser.switch_to.parent_frame() #切回父frame,就可以查找到了 tag2=browser.find_element_by_id('textareaCode') print(tag2) finally: browser.close()
七、其他
1、模拟浏览器的前进后退功能
import timefrom selenium import webdriverbrowser=webdriver.Chrome() browser.get('https://www.baidu.com') browser.get('https://www.taobao.com') browser.get('http://www.sina.com.cn/') browser.back() #后退 time.sleep(10) browser.forward() #前进 browser.close() 2、#cookies
#获取网页返回的cookiefrom selenium import webdriverbrowser=webdriver.Chrome() browser.get('https://www.zhihu.com/explore') print(browser.get_cookies()) browser.add_cookie({ 'k1':'xxx','k2':'yyy'}) print(browser.get_cookies()) # browser.delete_all_cookies()
3、选项卡管理（就是一个浏览器打开多个窗口）
#选项卡管理：切换选项卡，有js的方式windows.open,有windows快捷键：ctrl+t等，最通用的就是js的方式import timefrom selenium import webdriver browser=webdriver.Chrome() browser.get('https://www.baidu.com') browser.execute_script('window.open()') print(browser.window_handles) #获取所有的选项卡 browser.switch_to_window(browser.window_handles[1]) #切到第一个选项卡（窗口）中 browser.get('https://www.taobao.com') time.sleep(10) browser.switch_to_window(browser.window_handles[0]) browser.get('https://www.sina.com.cn') browser.close() 4、异常处理
from selenium import webdriverfrom selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameException try: browser=webdriver.Chrome() browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable') browser.switch_to.frame('iframssseResult') except TimeoutException as e: print(e) except NoSuchFrameException as e: print(e) finally: browser.close()
八、自动登陆163邮箱
1 #注意：网站都策略都是在不断变化的，精髓在于学习流程。下述代码生效与2017-11-7，不能保证永久有效 2 from selenium import webdriver 3 from selenium.webdriver import ActionChains 4 from selenium.webdriver.common.by import By 5 from selenium.webdriver.common.keys import Keys 6 from selenium.webdriver.support import expected_conditions as EC 7 from selenium.webdriver.support.wait import WebDriverWait 8 9 browser=webdriver.Chrome()10 try:11 browser.get('http://mail.163.com/')12 wait=WebDriverWait(browser,5)13 frame=wait.until(EC.presence_of_element_located((By.ID,'x-URS-iframe')))14 browser.switch_to.frame(frame)15 wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'.m-container')))16 17 inp_user=browser.find_element_by_name('email')18 inp_pwd=browser.find_element_by_name('password')19 button=browser.find_element_by_id('dologin')20 inp_user.send_keys('18611453110')21 inp_pwd.send_keys('xxxx')22 button.click()23 24 #如果遇到验证码，可以把下面一小段打开注释25 # import time26 # time.sleep(10)27 # button = browser.find_element_by_id('dologin')28 # button.click()29 30 wait.until(EC.presence_of_element_located((By.ID,'dvNavTop')))31 write_msg=browser.find_elements_by_css_selector('#dvNavTop li')[1] #获取第二个li标签就是“写信”了32 write_msg.click()33 34 35 wait.until(EC.presence_of_element_located((By.CLASS_NAME,'tH0')))36 recv_man=browser.find_element_by_class_name('nui-editableAddr-ipt')37 title=browser.find_element_by_css_selector('.dG0 .nui-ipt-input')38 recv_man.send_keys('378533872@qq.com')39 title.send_keys('圣旨')40 print(title.tag_name)41 42 43 frame=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'APP-editor-iframe')))44 browser.switch_to.frame(frame)45 body=browser.find_element(By.CSS_SELECTOR,'body')46 body.send_keys('你很帅，可以加工资了')47 48 browser.switch_to.parent_frame() #切回他爹49 send_button=browser.find_element_by_class_name('nui-toolbar-item')50 send_button.click()51 52 #可以睡时间久一点别让浏览器关掉，看看发送成功没有53 import time54 time.sleep(10000)55 56 except Exception as e:57 print(e)58 finally:59 browser.close() 九、破解极验滑动验证
#安装PIL模块#pip3 install pillowfrom selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.by import By # 按照什么方式查找，By.ID,By.CSS_SELECTORfrom selenium.webdriver.common.keys import Keys # 键盘按键操作from selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait # 等待页面加载某些元素import timedef get_image(): #拿到验证码图片在整个页面的元素 img=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'geetest_canvas_img'))) time.sleep(2) # 保证验证码图片已经被加载成功 driver.save_screenshot('snap.png') #拿到图片的位置 top=img.location['y'] left=img.location['x'] right=img.location['x']+img.size['width'] bottom=img.location['y']+img.size['height'] from PIL import Image full_snap=Image.open('snap.png') #裁剪图片 crop_image=full_snap.crop((left,top,right,bottom)) # crop_image.show() #显示剪裁后的图片 # crop_image.size #宽weight和高height return crop_imagedef get_distance(image1,image2): p1=image1.load() p2=image2.load() x=60 for i in range(x,image1.size[0]): for j in range(20,image1.size[1]-20): print(i,j) dot1=p1[i,j] dot2=p2[i,j] r=abs(dot1[0]-dot2[0]) g=abs(dot1[1]-dot2[1]) b=abs(dot1[2]-dot2[2]) if not (r < 60 and g < 60 and b < 60): return i-7 # return idef get_tracks(distance): t = 0.2 v = 0 mid=distance*3/5 tracks=[] current=0 while current < distance: if current < mid: a=2 else: a=-3 v0 = v s = v0 * t + 0.5 * a * (t ** 2) current+=s v=v0+a*t # print(round(s)) tracks.append(round(s)) return tracksdriver=webdriver.Chrome()wait=WebDriverWait(driver,10)try: #步骤一：访问登录页面，拿到点击按钮，点击出图（完整的图） driver.get('https://account.geetest.com/login') button=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'geetest_radar_tip'))) button.click() #步骤二：拿到验证码图片（没有缺口） image1=get_image() #步骤三：拿到滑动按钮，点击出图（有缺口的图） button=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'geetest_slider_button'))) button.click() #步骤四：拿到验证码图片（有缺口） image2=get_image() #步骤五：对比两种图的像素RGB,得到不一样的像素点，取位移 distance=get_distance(image1,image2) print(image1.size) print(image2.size) print(distance) #步骤六：把distance分解成一段一段的小轨迹，模拟人的行为：先匀加速再匀减速 ''' v=v0+a*t s=v0*t+0.5*a*(t**2) a=5 ''' tracks=get_tracks(distance) #步骤七：按照轨迹列表先匀加速移动再匀减速运动 button=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'geetest_slider_button'))) ActionChains(driver).click_and_hold(button).perform() for track in tracks: ActionChains(driver).move_by_offset(xoffset=track,yoffset=0).perform() else: ActionChains(driver).move_by_offset(xoffset=3,yoffset=0).perform() ActionChains(driver).move_by_offset(xoffset=-3,yoffset=0).perform() time.sleep(0.5) ActionChains(driver).release().perform() time.sleep(20)finally: driver.close() 十、滑动托块
#破码之拖动滑块# encoding:utf-8import seleniumimport timefrom selenium import webdriverfrom selenium.webdriver.support.ui import WebDriverWaitfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver import ActionChainsdriver = webdriver.Chrome()# 设定等待时间wait = WebDriverWait(driver, 30)# 打开网页driver.get("http://……")#等待搜索框加载完成传入搜索关键字input = wait.until(EC.presence_of_element_located((By.XPATH, '//*[@id="searchText"]')))input.send_keys(u"安徽投资有限责任公司")time.sleep(5)#等待搜索按钮可点击，点击button = wait.until(EC.element_to_be_clickable((By.XPATH,'//*[@id="click"]')))button.click()time.sleep(5)actions = ActionChains(driver)# 进入搜索页后，找到滑块element = driver.find_element_by_xpath("//div[@class='gt_slider_knob gt_show']")#鼠标点击元素并按住不放actions.click_and_hold(on_element = element).perform()#拖动鼠标到指定的位置，注意这里位置是相对于元素左上角的相对值actions.move_to_element_with_offset(to_element = element, xoffset=200, yoffset = 50).perform()# actions.move_to_element(to_element = element).perform()#释放鼠标actions.release(on_element = element).perform()time.sleep(3)