python+selenium爬虫笔记

2024-01-09 06:55:16

本文只是做例子，具体网站路径麻烦你们换下，还有xpath路径也换下

一、安装所需要的组件（此处采用谷歌）

1、安装驱动

查看你的浏览器版本，去安装对应的版本

在这里插入图片描述

下载驱动

下载驱动路径

之前版本的

在这里插入图片描述
输入这个路径下载下来解压

2、安装python包

pip install -U selenium
# -U 是指定最新的selenium

二、简单基本使用

from selenium.webdriver import Chrome

from selenium.webdriver.common.keys import Keys
from selenium.webdriver.common.by import By

import time

# 驱动
web = Chrome()
# 最大化网页
web.maximize_window()
# 打开网页
web.get("https://www.baidu.com/")

# 设置文字  有可能是集合记得循环
element = web.find_element(By.XPATH,'//*[@id="kw"]')
element.send_keys('张三')

# 获取输入框里面的内容 获取图片get_attribute("src")
print(element.get_attribute("value"))

time.sleep(1)
# 清除文字内容
element.clear()

# 设置文字，按回车
web.find_element(By.XPATH,'//*[@id="kw"]').send_keys('张三',Keys.ENTER)
time.sleep(1)
# 回退上个页面
web.back()
time.sleep(2)
# 前进
web.forward()
time.sleep(2)

# 点击事件
web.find_element(By.XPATH,'//*[@id="1"]/div[1]/h3/a').click()
time.sleep(2)

# 输出当前页
print(web.current_window_handle)

# 所有页面的列表
print(web.window_handles)
# 当前页面的标题名称
print(web.title)
# 由于是新的页面主窗口还没切换过去 所以这里切换页面列表
web.switch_to.window(web.window_handles[1])

# 获取文本内容
text = web.find_element(By.XPATH, "/html/body/div[1]/div/div[2]/div[2]/div/div[1]/div/div[2]/div[2]/span[2]").text
print(text)
time.sleep(2)
# 关闭当前标签页
web.close()
web.switch_to.window(web.window_handles[0])
time.sleep(1)
# 退出
web.quit()

三、更多

1、iframe切换

import time
from selenium import webdriver
from selenium.webdriver.common.by import By

# 使用with语句进行上下文管理
# 异常时也会关闭浏览器驱动
with webdriver.Chrome() as driver:
    driver.get('https://www.w3school.com.cn/tiy/t.asp?f=eg_html_form_radio')
    # 切换iframe
    # 1. webelement的方式
    # 先获取到iframe
    iframe = driver.find_element(By.ID, 'iframeResult')
    # 再切换到
    driver.switch_to.frame(iframe)

    # 2. name/id的方式
    # 直接通过name/id切换
    # driver.switch_to.frame('iframeResult')

    # 3. 使用索引
    # 切换到第二个iframe
    time.sleep(1)
    # driver.switch_to.frame(1)


    # 找到female单选框
    female = driver.find_element(By.XPATH,'//input[@value="female"]')
    print(female)
    # 4. 离开iframe,回到主页面
    driver.switch_to.default_content()
    driver.find_element(By.XPATH, '//a[text()="运行代码"]')

2、单选框

import time
from selenium import webdriver
from selenium.webdriver.common.by import By

# 创建浏览器实例
driver = webdriver.Chrome()

try:
    driver.get('https://www.w3school.com.cn/tiy/t.asp?f=eg_html_form_radio')
    # 切换iframe
    iframe = driver.find_element(By.ID, 'iframeResult')
    driver.switch_to.frame(iframe)

    # 找到 female 单选框
    female = driver.find_element(By.XPATH, '//input[@value="female" and @name="sex"]')
    # 获取单选框后面的文本
    sibling = female.find_element(By.XPATH, "./../..")
    female.click()  # 选中
    print(sibling.text.split("\n")[1])


finally:
    # 关闭浏览器
    driver.quit()

3、多选框

多选框的话根据标签属性获取集合，然后进行循环click就行

4、下拉列表

import time
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import Select

with webdriver.Chrome() as driver:
    driver.get('https://www.w3school.com.cn/tiy/t.asp?f=eg_html_elements_select')
    # 切换iframe
    iframe = driver.find_element(By.ID,'iframeResult')
    driver.switch_to.frame(iframe)
    # 找到audi选项
    # 1. 通过option直接操作
    option = driver.find_element(By.XPATH,'//option[@value="audi"]')
    option.click()
    time.sleep(1)
    # 2. 通过select类
    # 找到select
    select = Select(driver.find_element(By.XPATH,'//select[@name="cars"]'))

    # 获取所有选项
    ss = select.options
    for i in ss:
        time.sleep(3)
        i.click()
        # 获取文本内容
        print(i.text)
    #
    # # 选中索引为1的选项,索引从0开始
    select.select_by_index(1)
    time.sleep(1)
    #
    # # 选中value等于audi的选项
    select.select_by_value('audi')
    time.sleep(1)
    #
    # # 选中option的文本为Volvo的选项
    select.select_by_visible_text('Volvo')
    time.sleep(3)

5、文件上传

1、input上传文件

import time
from selenium import webdriver
from selenium.webdriver.common.by import By

with webdriver.Chrome() as driver:
    driver.get('https://www.baidu.com')
    span = driver.find_element(By.XPATH,'//span[@class="soutu-btn"]')
    span.click()
    time.sleep(1)
    input = driver.find_element(By.XPATH,'//input[@class="upload-pic"]')
    #
    input.send_keys(r'E:\zgk.jpg')

    # 有可能还需要提交的操作，百度是不需要
    time.sleep(10)

2、上传操作_非input上传_pywinauto

缺点：只能在windwows上使用；
优点：可以选择多个文件，路径中有中文也可以；

pip install pywinauto

import time

from selenium import webdriver
from pywinauto.keyboard import send_keys
from selenium.webdriver.common.by import By

with webdriver.Chrome() as driver:
    driver.get('https://www.baidu.com')
    span = driver.find_element(By.XPATH,'//span[@class="soutu-btn"]')
    span.click()
    time.sleep(1)
    select_span = driver.find_element(By.XPATH,'//div[@class="upload-wrap"]')
    # 点击打开选择文件窗口
    select_span.click()

    time.sleep(3)
    # 选择文件
    send_keys(r'E:\zgk.jpg')
    time.sleep(1)
    # # 选择确定
    send_keys('{ENTER}')
    time.sleep(10)

3、非input上传pyautogui（跨平台）

缺点：只能选择一个文件，文件路径有中文会出问题；
优点：跨平台(windows,mac,linux)；

pip install pyautogui

import time

from selenium import webdriver
import pyautogui
from selenium.webdriver.common.by import By

with webdriver.Chrome() as driver:
    driver.get('https://www.baidu.com')
    span = driver.find_element(By.XPATH,'//span[@class="soutu-btn"]')
    span.click()
    time.sleep(1)
    select_span = driver.find_element(By.XPATH,'//div[@class="upload-wrap"]')
    # 点击打开选择文件窗口
    select_span.click()

    time.sleep(3)
    # 选择文件
    pyautogui.write(r"E:\zgk.jpg")
    time.sleep(1)
    # 选择确定
    pyautogui.press('enter', 2)
    time.sleep(10)

6、等待页面元素出现不再写死时间time.sleep

time.sleep等待时间不准确，可能网页打开过慢

1、显式等待（循环进行判断页面元素是否存在）

显式等待就是在元素操作前循环判断操作的条件是否满足，满足后再操作；
selenium通过selenium.webdriver.support.ui.WebDriverWait类的对象来实现显式等待；webDriverWait类实例化时可以接收3个参数：

driver： webdriver对象
timeout：超时时间，最多等待多少秒
poll_frequency: 检查频率，默认0.5秒
until方法接受1个参数：

conditions：条件在selenium.webdriver.support.expected_conditions 模块中；
常见条件：

presence_of_element_located：元素存在于dom中
visibility_of_element_located：元素可见
element_to_be_clickable：元素可点击
element_to_be_selected：元素可选择
实例化条件需要传入一个定位参数，是一个二元元组：(by, loc_expression)

import time
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.common.by import By
import selenium.webdriver.support.expected_conditions as es


with webdriver.Chrome() as driver:
    driver.get('https://github.com/')
    original_window = driver.current_window_handle
    print('当前窗口句柄', original_window)
    print('窗口的title', driver.title)
    # 选取第一个结果并点击
    driver.find_element(By.XPATH, '/html/body/div[1]/div[4]/main/div[1]/div[2]/div/div/div[2]/div[2]/form/div/button').click()
    # 会等待元素可见，timeout=3表示最多等待3秒钟，超时就抛出异常
    s_time = time.time()
    btn = WebDriverWait(driver, timeout=10).until(
        es.visibility_of_element_located((By.XPATH, '//*[@id="email"]'))
    )
    btn.send_keys("123")
    # 此处是直接点击不等待就会直接报错 可以将上卖弄取消掉去尝试下
    # driver.find_element(By.XPATH, '//*[@id="email"]').send_keys("123")
    e_time = time.time()
    print(e_time-s_time)
    for handle in driver.window_handles:
        if handle != original_window:
            # 切换到新窗口
            driver.switch_to.window(handle)
            break
    # 打印当前窗口句柄
    print('新打开的搜索页面句柄', driver.current_window_handle)
    print('新打开的页面的title', driver.title)
    time.sleep(5)

2、隐式等待（全局等待时间也是循环等待）

隐式等待本质上是设置了一个全局等待时间，WebDriver在试图查找任何元素时都会轮询一定时间，默认情况下隐式等待是禁用的。
警告：不要混用隐式等待和显示等待，这样会导致不可预测的等待时间。
例如：隐式等待设置10秒，显式等待设置15秒，可能导致在20秒后发生超时；
隐式等待是告诉WebDriver如果在查找一个或多个不是立即可用的元素时轮询DOM一段时间。默认设置为0，表示禁用。一旦设置好，隐式等待就会被设置为会话的生命周期。

import time
from selenium import webdriver
from selenium.webdriver.common.by import By

with webdriver.Chrome() as driver:
    # 设置隐式等待5秒
    driver.implicitly_wait(5)
    driver.get('https://github.com/')

    # 选取第一个结果并点击
    driver.find_element(By.XPATH,'/html/body/div[1]/div[4]/main/div[1]/div[2]/div/div/div[2]/div[2]/form/div/button').click()

    # 获取原窗口的id
    original_window = driver.current_window_handle
    print('当前窗口句柄', original_window)
    print('窗口的title', driver.title)

    # 选取第一个结果并点击
    driver.find_element(By.XPATH,'//*[@id="email"]').send_keys("1231")

    for handle in driver.window_handles:
        if handle != original_window:
            # 切换到新窗口
            driver.switch_to.window(handle)
            break
    # 打印当前窗口句柄
    print('新打开的搜索页面句柄', driver.current_window_handle)
    print('新打开的页面的title', driver.title)
    time.sleep(5)

7、alert警告框

import time
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as es

with webdriver.Chrome() as driver:
    driver.get('https://www.w3school.com.cn/tiy/t.asp?f=eg_js_alert')
    driver.switch_to.frame('iframeResult')

    button = WebDriverWait(driver, timeout=3).until(
        es.visibility_of_element_located(('xpath', '//button')))
    button.click()
    # 等待alert弹出
    alert = WebDriverWait(driver, timeout=3).until(es.alert_is_present())

    # 如果不想等待元素可以使用下面去确认
    # time.sleep(1)
    # alert = driver.switch_to.alert
    # 获取弹出框文本
    text = alert.text
    print(text)
    time.sleep(1)
    # # 确认
    alert.accept()
    time.sleep(1)

8、confirm确认框

import time
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC


with webdriver.Chrome() as driver:
    driver.get('https://www.w3school.com.cn/tiy/t.asp?f=eg_js_confirm')
    driver.switch_to.frame('iframeResult')

    button = WebDriverWait(driver, timeout=3).until(
        EC.visibility_of_element_located(('xpath', '//button')))

    button.click()
    # # 等待confirm弹出
    WebDriverWait(driver, timeout=3).until(EC.alert_is_present())
    #
    # # 获取alert
    alert = driver.switch_to.alert
    #
    # # 获取弹出框文本
    text = alert.text
    print(text)
    time.sleep(2)
    # # 取消
    # 点击取消后 当前的alert对象就会被销毁
    alert.dismiss()
	# alert.accept() 确认
    time.sleep(2)

9、prompt提示框

import time
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
with webdriver.Chrome() as driver:
    driver.get('https://www.w3school.com.cn/tiy/t.asp?f=eg_js_prompt')
    driver.switch_to.frame('iframeResult')

    button = WebDriverWait(driver, timeout=3).until(
        EC.visibility_of_element_located(('xpath', '//button')))
    # 避免js没有绑定出现意外问题，加一秒延时
    time.sleep(1)
    button.click()

    # 等待alert弹出
    WebDriverWait(driver, timeout=3).until(EC.alert_is_present())

    # 获取alert
    alert = driver.switch_to.alert

    # 输入信息
    alert.send_keys('testleaf')
    time.sleep(3)
    # 确认
    alert.accept()
    # alert.dismiss() 取消
    time.sleep(3)

10、鼠标操作动作链（连续动作）

1、鼠标事件

简单示例

from selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains
from time import sleep

from selenium.webdriver.common.by import By

driver = webdriver.Chrome()
driver.implicitly_wait(10)
driver.maximize_window()
driver.get('http://sahitest.com/demo/clicks.htm')

click_btn = driver.find_element(By.XPATH,'//input[@value="click me"]') # 单击按钮
doubleclick_btn = driver.find_element(By.XPATH,'//input[@value="dbl click me"]') # 双击按钮
rightclick_btn = driver.find_element(By.XPATH,'//input[@value="right click me"]') # 右键单击按钮


ActionChains(driver).click(click_btn).double_click(doubleclick_btn).context_click(rightclick_btn).perform() # 链式用法

print(driver.find_element(By.NAME,'t2').get_attribute('value'))

sleep(2)
driver.quit()

常用事件

 
click()#单击鼠标
 
double_click()#双击鼠标左键
 
click_and_hold()#点击鼠标左键不松开
 
context_click()#点击鼠标右键
 
move_to_element()#鼠标移动到某个元素，鼠标悬停
 
perform()#执行链中的所有操作
 
send_keys()#按下键盘某个按键

可以参考
链接

2、键盘事件

from selenium.webdriver import Chrome

from selenium.webdriver.common.keys import Keys
from selenium.webdriver.common.by import By

import time

# 驱动
web = Chrome()
# 最大化网页
web.maximize_window()
# 打开网页
web.get("https://www.baidu.com/")
# 设置文字，按回车
element = web.find_element(By.XPATH,'//*[@id="kw"]')
element.send_keys("张三三")
time.sleep(1)
element.send_keys(Keys.BACK_SPACE)
time.sleep(1)
element.send_keys(Keys.ENTER)
time.sleep(1)
# 退出
web.quit()

常用事件

send_keys(Keys.ENTER)#回车

send_keys(Keys.CONTROL,'a')#全选

send_keys(Keys.PageDown)#滑动下拉框到底部

driver.refresh()#刷新页面

send_keys(Keys.BACK_SPACE)#删除最后一个输入字符

send_keys(Keys.SPACE)#输入空格

send_keys('xxx') # 输入文字

11、执行js代码（滚动页面）

1、指定滚动多少

from selenium.webdriver import Chrome

import time

# 驱动
web = Chrome()
# 最大化网页
web.maximize_window()
# 打开网页
web.get("https://blog.csdn.net/weixin_49390750/article/details/134171895")
time.sleep(5)
# 可以执行js代码 但是要关闭后提示框后再执行下面的页面滚动
# web.execute_script("alert('xxx');")
time.sleep(5)
# 滚动到页面底部 window.scrollTo(x, y) 中的 x 和 y 分别表示水平和垂直方向的滚动偏移量。你可以将这两个参数设置为具体的像素值，以实现滚动到页面的不同位置
web.execute_script("window.scrollTo(0, document.body.scrollHeight);")
time.sleep(2)

# 或者滚动到页面顶部
web.execute_script("window.scrollTo(0, 0);")
time.sleep(2)

web.quit()

2、移动到指定元素

from selenium.webdriver import Chrome

from selenium.webdriver.common.by import By

import time

# 驱动
web = Chrome()
# 最大化网页
web.maximize_window()
# 打开网页
web.get("https://blog.csdn.net/weixin_49390750/article/details/134171895")
time.sleep(5)

element = web.find_element(By.XPATH, '//*[@id="content_views"]/h2[2]')
web.execute_script("arguments[0].scrollIntoView();", element)
time.sleep(5)

web.quit()

12、判断元素是否允许被操作

from selenium.webdriver import Chrome

from selenium.webdriver.common.by import By

import time

# 驱动
web = Chrome()
# 最大化网页
web.maximize_window()
# 打开网页
web.get("https://www.baidu.com/")
time.sleep(1)

element = web.find_element(By.XPATH, '//*[@id="su"]')
isClick = element.is_enabled()

dis = web.find_element(By.CLASS_NAME, 'soutu-hover-tip')
isDisplayed = dis.is_displayed()
print(isClick) # True 可以被点击
print(isDisplayed) # False 隐藏


web.quit()

常用

driver.find_element_by_name("XXX").is_enabled() # 是否可以编辑，或者按钮是否可以点击

driver.find_element_by_name("XXX").is_displayed() # 判断元素是否显示
 
element=driver.find_element_by_name("XXX").is_selected() # 判断元素是否选中状态

13、验证码见

链接

14、关于csdn有个通知框

转载来自

还有些拼凑的不知道来源于哪里，及时联系给贴链接出来

文章来源:https://blog.csdn.net/weixin_49390750/article/details/135263987
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：veading@qq.com进行投诉反馈，一经查实，立即删除！

python+selenium爬虫笔记

一、安装所需要的组件（此处采用谷歌）

1、安装驱动

2、安装python包

二、简单基本使用

三、更多

1、iframe切换

2、单选框

3、多选框

4、下拉列表

5、文件上传

1、input上传文件

2、上传操作_非input上传_pywinauto

3、非input上传pyautogui（跨平台）

6、等待页面元素出现 不再写死时间time.sleep

1、显式等待（循环进行判断页面元素是否存在）

2、隐式等待（全局等待时间也是循环等待）

7、alert警告框

8、confirm确认框

9、prompt提示框

10、鼠标操作动作链（连续动作）

1、鼠标事件

2、键盘事件

11、执行js代码（滚动页面）

1、指定滚动多少

2、移动到指定元素

12、判断元素是否允许被操作

13、验证码见

14、关于csdn有个通知框

6、等待页面元素出现不再写死时间time.sleep