目录

1. selenium的介绍

2. selenium的作用和工作原理

3. selenium的安装以及简单使用

4. selenium的简单使用

5. selenium提取数据

6. selenium的其它使用方法 

 6.1 selenium标签页的切换

6.2 switch_to切换frame标签

6.3 selenium对cookie的处理

 6.4 selenium控制浏览器执行js代码

6.5 页面等待

 6.6 selenium开启无界面模式

6.7 selenium使用代理ip

6.8 selenium替换user-agent

1. selenium的介绍

Selenium是一个Web的自动化测试工具，最初是为网站自动化测试而开发的，Selenium 可以直接调用浏览器，它支持所有主流的浏览器（包括PhantomJS这些无界面的浏览器），可以接收指令，让浏览器自动加载页面，获取需要的数据，甚至页面截屏等。我们可以使用selenium很容易完成之前编写的爬虫。

2. selenium的作用和工作原理

利用浏览器原生的API，封装成一套更加面向对象的Selenium WebDriver API，直接操作浏览器页面里的元素，甚至操作浏览器本身（截屏，窗口大小，启动，关闭，安装插件，配置证书之类的） 

webdriver本质是一个web-server，对外提供webapi，其中封装了浏览器的各种功能；不同的浏览器使用各自不同的webdriver。

3. selenium的安装以及简单使用

以谷歌浏览器的chromedriver为例

3.1 在python虚拟环境中安装selenium模块

pip/pip3 install selenium

3.2 下载版本符合的webdriver

查看谷歌浏览器的版本


在 https://npmmirror.com/ 选择ChromeDriver镜像 进入选择不同版本的chromedriver下载

点击notes.txt进入版本说明页面，查看chrome和chromedriver匹配的版本



根据操作系统下载正确版本的chromedriver 

解压压缩包后获取python代码可以调用的谷歌浏览器的webdriver可执行文件


windows为chromedriver.exe

linux和macos为chromedriver 

chromedriver环境的配置

windows环境下需要将 chromedriver.exe 所在的目录设置为path环境变量中的路径
linux/mac环境下，将 chromedriver 所在的目录设置到系统的PATH环境值中

4. selenium的简单使用

import time
from selenium import webdriver

# 通过指定chromedriver的路径来实例化driver对象，chromedriver放在当前目录。
# driver = webdriver.Chrome(executable_path='./chromedriver')
# chromedriver已经添加环境变量
driver = webdriver.Chrome()

# 控制浏览器访问url地址
driver.get("https://www.baidu.com/")

# 在百度搜索框中搜索'python'
driver.find_element_by_id('kw').send_keys('python')
# 点击'百度搜索'
driver.find_element_by_id('su').click()

time.sleep(6)
# 退出浏览器
driver.quit()

webdriver.Chrome(executable_path='./chromedriver')中executable参数指定的是下载好的chromedriver文件的路径driver.find_element_by_id('kw').send_keys('python')定位id属性值是'kw'的标签，并向其中输入字符串'python'driver.find_element_by_id('su').click()定位id属性值是su的标签，并点击

click函数作用是：触发标签的js的click事件

5. selenium提取数据

driver对象的常用属性和方法 

在使用selenium过程中，实例化driver对象后，driver对象有一些常用的属性和方法

driver.page_source 当前标签页浏览器渲染之后的网页源代码driver.current_url 当前标签页的urldriver.close() 关闭当前标签页，如果只有一个标签页则关闭整个浏览器driver.quit() 关闭浏览器driver.forward() 页面前进driver.back() 页面后退driver.screen_shot(img_name) 页面截图

driver对象定位标签元素获取标签对象的方法

find_element_by_id (返回一个元素)find_element(s)_by_class_name (根据类名获取元素列表)find_element(s)_by_name (根据标签的name属性值返回包含标签对象元素的列表)find_element(s)_by_xpath  (返回一个包含元素的列表)find_element(s)_by_link_text (根据连接文本获取元素列表)find_element(s)_by_partial_link_text (根据链接包含的文本获取元素列表)find_element(s)_by_tag_name (根据标签名获取元素列表)find_element(s)_by_css_selector (根据css选择器来获取元素列表)

注意：

find_element和find_elements的区别：

多了个s就返回列表，没有s就返回匹配到的第一个标签对象find_element匹配不到就抛出异常，find_elements匹配不到就返回空列表by_link_text和by_partial_link_tex的区别：全部文本和包含某个文本以上函数的使用方法

driver.find_element_by_id('id_str')

标签对象提取文本内容和属性值

find_element仅仅能够获取元素，不能够直接获取其中的数据，获取数据需要使用以下方法

element.click() 对定位到的标签对象进行点击操作

element.send_keys(data) 对定位到的标签对象输入数据

element.text 获取文本内容

element.get_attribute("属性名") 传入属性名，获取属性的值​

6. selenium的其它使用方法 

 6.1 selenium标签页的切换

获取所有标签页的窗口句柄

利用窗口句柄字切换到句柄指向的标签页

这里的窗口句柄是指：指向标签页对象的标识

具体的方法：

# 1. 获取当前所有的标签页的句柄构成的列表
current_windows = driver.window_handles

# 2. 根据标签页句柄列表索引下标进行切换
driver.switch_to.window(current_windows[0])

 示例：

import time
from selenium import webdriver

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

time.sleep(1)
driver.find_element_by_id('kw').send_keys('python')
time.sleep(1)
driver.find_element_by_id('su').click()
time.sleep(1)

# 通过执行js来新开一个标签页
js = 'window.open("https://www.sogou.com");'
driver.execute_script(js)
time.sleep(1)

# 1. 获取当前所有的窗口
windows = driver.window_handles

time.sleep(2)
# 2. 根据窗口索引进行切换
driver.switch_to.window(windows[0])
time.sleep(2)
driver.switch_to.window(windows[1])

time.sleep(6)
driver.quit()

6.2 switch_to切换frame标签

iframe是html中常用的一种技术，即一个页面中嵌套了另一个网页，selenium默认是访问不了frame中的内容的，对应的解决思路是driver.switch_to.frame(frame_element) 

示例：

import time
from selenium import webdriver

driver = webdriver.Chrome()

url = 'https://mail.qq.com/cgi-bin/loginpage'
driver.get(url)
time.sleep(2)

login_frame = driver.find_element_by_id('login_frame') # 根据id定位 frame元素
driver.switch_to.frame(login_frame) # 转向到该frame中

driver.find_element_by_xpath('//*[@id="u"]').send_keys('账号@qq.com')
time.sleep(2)

driver.find_element_by_xpath('//*[@id="p"]').send_keys('密码')
time.sleep(2)

driver.find_element_by_xpath('//*[@id="login_button"]').click()
time.sleep(2)

"""操作frame外边的元素需要切换出去"""
windows = driver.window_handles
driver.switch_to.window(windows[0])

content = driver.find_element_by_class_name('login_pictures_title').text
print(content)

driver.quit()

切换到定位的frame标签嵌套的页面中
driver.switch_to.frame(通过find_element_by函数定位的frame、iframe标签对象)

利用切换标签页的方式切出frame标签
windows = driver.window_handles
driver.switch_to.window(windows[0])

6.3 selenium对cookie的处理

获取cookie

driver.get_cookies()返回列表，其中包含的是完整的cookie信息，不光有name、value，还有domain等cookie其他维度的信息。所以如果想要把获取的cookie信息和requests模块配合使用的话，需要转换为name、value作为键值对的cookie字典

# 获取当前标签页的全部cookie信息
print(driver.get_cookies())
# 把cookie转化为字典
cookies_dict = {cookie['name']: cookie['value'] for cookie in driver.get_cookies()}

删除cookie

#删除一条cookie
driver.delete_cookie("cookieName")

# 删除所有的cookie
driver.delete_all_cookies()

 6.4 selenium控制浏览器执行js代码

执行js的方法：driver.execute_script(js)

import time
from selenium import webdriver

driver = webdriver.Chrome()
driver.get("https://movie.douban.com/")
time.sleep(1)

js = 'window.scrollTo(0,document.body.scrollHeight)' # js语句
driver.execute_script(js) # 执行js的方法

time.sleep(3)
driver.quit()

6.5 页面等待

强制等待隐式等待显式等待

强制等待

其实就是time.sleep()

缺点时不智能，设置的时间太短，元素还没有加载出来；设置的时间太长，则会浪费时间

隐式等待

针对元素定位，设置了一个时间，在一段时间内判断元素定位成功就进行下一步；

在设置的时间内没有定位成功，则会报超时加载；

示例：

from selenium import webdriver

driver = webdriver.Chrome()  

driver.implicitly_wait(10) # 隐式等待，最长等20秒  

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

driver.find_element_by_xpath()

显式等待

每经过多少秒就查看一次等待条件是否达成，如果达成就停止等待，继续执行后续代码

如果没有达成就继续等待直到超过规定的时间后，报超时异常

示例代码：

from selenium import webdriver  
from selenium.webdriver.support.wait import WebDriverWait  
from selenium.webdriver.support import expected_conditions as EC  
from selenium.webdriver.common.by import By 

driver = webdriver.Chrome()

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

# 显式等待
WebDriverWait(driver, 20, 0.5).until(
    EC.presence_of_element_located((By.link_TEXT, '好123')))  
# 参数20表示最长等待20秒
# 参数0.5表示0.5秒检查一次规定的标签是否存在
# EC.presence_of_element_located((By.link_TEXT, '好123')) 表示通过链接文本内容定位标签
# 每0.5秒一次检查，通过链接文本内容定位标签是否存在，如果存在就向下继续执行；如果不存在，直到20秒上限就抛出异常

print(driver.find_element_by_link_text('好123').get_attribute('href'))
driver.quit()

手动实现页面等待

原理：

利用强制等待和显式等待的思路来手动实现不停的判断或有次数限制的判断某一个标签对象是否加载完毕（是否存在）

示例：

import time
from selenium import webdriver
driver = webdriver.Chrome('/home/worker/Desktop/driver/chromedriver')

driver.get('https://www.taobao.com/')
time.sleep(1)

# i = 0
# while True:
for i in range(10):
    i += 1
    try:
        time.sleep(3)
        element = driver.find_element_by_xpath('//div[@]/h3[1]/a')
        print(element.get_attribute('href'))
        break
    except:
        js = 'window.scrollTo(0, {})'.format(i*500) # js语句
        driver.execute_script(js) # 执行js的方法
driver.quit()

 6.6 selenium开启无界面模式

绝大多数服务器是没有界面的，selenium控制谷歌浏览器也存在无界面模式，开启无界面模式（又称之为无头模式）

开启无界面模式：

实例化配置对象

options = webdriver.ChromeOptions()

配置对象添加开启无界面模式的命令

options.add_argument("--headless")

配置对象添加禁用gpu的命令

options.add_argument("--disable-gpu")

实例化带有配置对象的driver对象

driver = webdriver.Chrome(chrome_options=options)

from selenium import webdriver

options = webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument("--headless") # 开启无界面模式
options.add_argument("--disable-gpu") # 禁用gpu

# options.set_headles() # 无界面模式的另外一种开启方式
driver = webdriver.Chrome(chrome_options=options) # 实例化带有配置的driver对象

driver.get('https://movie.douban.com/')
print(driver.title)
driver.quit()

6.7 selenium使用代理ip

实例化配置对象

options = webdriver.ChromeOptions()

配置对象添加使用代理ip的命令

options.add_argument('--proxy-server=http://202.20.16.82:9527')

实例化带有配置对象的driver对象

driver = webdriver.Chrome('./chromedriver', chrome_options=options)

示例：

from selenium import webdriver

options = webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument('--proxy-server=http://202.20.16.82:9527') # 使用代理ip

driver = webdriver.Chrome(chrome_options=options) # 实例化带有配置的driver对象

driver.get('https://movie.douban.com/')
print(driver.title)
driver.quit()

6.8 selenium替换user-agent

实例化配置对象

options = webdriver.ChromeOptions()

配置对象添加替换UA的命令

options.add_argument('--user-agent=Mozilla/5.0 HAHA')

实例化带有配置对象的driver对象

driver = webdriver.Chrome('./chromedriver', chrome_options=options)

示例：

from selenium import webdriver

options = webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument('--user-agent=Mozilla/5.0 HAHA') # 替换User-Agent

driver = webdriver.Chrome('./chromedriver', chrome_options=options)

driver.get('https://movie.douban.com/')
print(driver.title)
driver.quit()