什么是Selenium
selenium 是一套完整的web应用程序测试系统,包含了测试的录制(selenium IDE),编写及运行(Selenium Remote Control)和测试的并行处理(Selenium Grid)。Selenium的核心Selenium Core基于JsUnit,完全由JavaScript编写,因此可以用于任何支持JavaScript的浏览器上。
selenium可以模拟真实浏览器,自动化测试工具,支持多种浏览器,爬虫中主要用来解决JavaScript渲染问题。
selenium基本使用
用python写爬虫的时候,主要用的是selenium的Webdriver,我们可以通过下面的方式先看看Selenium.Webdriver支持哪些浏览器
1
2
3
4
5
6
|
python@pythontab.com:~ /python35 $ python
Python 3.5.2 (default, Aug 24 2016, 16:48:29)
[GCC 4.2.1 Compatible Apple LLVM 7.3.0 (clang-703.0.31)] on darwin
Type "help" , "copyright" , "credits" or "license" for more information.
>>> from selenium import webdriver
>>> help(webdriver)
|
执行结果如下,从结果中我们也可以看出基本支持了常见的所有浏览器:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
......
PACKAGE CONTENTS
android (package)
blackberry (package)
chrome (package)
common (package)
edge (package)
firefox (package)
ie (package)
opera (package)
phantomjs (package)
remote (package)
safari (package)
support (package)
webkitgtk (package)
......
|
这里要说一下比较重要的PhantomJS,PhantomJS是一个而基于WebKit的服务端JavaScript API,支持Web而不需要浏览器支持,其快速、原生支持各种Web标准:Dom处理,CSS选择器,JSON等等。PhantomJS可以用用于页面自动化、网络监测、网页截屏,以及无界面测试
声明浏览器对象
上面我们知道了selenium支持很多的浏览器,但是如果想要声明并调用浏览器则需要:
1
2
3
|
from selenium import webdriver
browser = webdriver.Chrome()
browser = webdriver.Firefox()
|
这里只写了两个例子,当然了其他的支持的浏览器都可以通过这种方式调用
访问页面
1
2
3
4
5
|
from selenium import webdriver
browser = webdriver.Chrome()
browser.get( "http://www.pythontab.com" )
print (browser.page_source)
browser.close()
|
上述代码运行后,会自动打开Chrome浏览器,并登陆百度打印百度首页的源代码,然后关闭浏览器
单个元素查找
1
2
3
4
5
6
7
8
9
10
|
from selenium import webdriver
browser = webdriver.Chrome()
browser.get( "http://bbs.pythontab.com" )
input_first = browser.find_element_by_id( "q" )
input_second = browser.find_element_by_css_selector( "#q" )
input_third = browser.find_element_by_xpath( '//*[@id="q"]' )
print (input_first)
print (input_second)
print (input_third)
browser.close()
|
这里我们通过三种不同的方式去获取响应的元素,第一种是通过id的方式,第二个中是CSS选择器,第三种是xpath选择器,结果都是相同的。
这里列举一下常用的查找元素方法:
find_element_by_name
find_element_by_id
find_element_by_xpath
find_element_by_link_text
find_element_by_partial_link_text
find_element_by_tag_name
find_element_by_class_name
find_element_by_css_selector
下面这种方式是比较通用的一种方式:这里需要记住By模块所以需要导入
1
2
3
4
5
6
7
8
|
from selenium.webdriver.common.by import By
from selenium import webdriver
from selenium.webdriver.common.by import By
browser = webdriver.Chrome()
browser.get( "http://bbs.pythontab.com" )
input_first = browser.find_element(By. ID , "q" )
print (input_first)
browser.close()
|
当然这种方法和上述的方式是通用的,browser.find_element(By.ID,"q")这里By.ID中的ID可以替换为其他几个
多个元素查找
其实多个元素和单个元素的区别,举个例子:find_elements,单个元素是find_element,其他使用上没什么区别,通过其中的一个例子演示:
1
2
3
4
5
6
|
from selenium import webdriver
browser = webdriver.Chrome()
browser.get( "http://bbs.pythontab.com" )
lis = browser.find_elements_by_css_selector( '.service-bd li' )
print (lis)
browser.close()
|
这样获得就是一个列表
当然上面的方式也是可以通过导入from selenium.webdriver.common.by import By 这种方式实现
lis = browser.find_elements(By.CSS_SELECTOR,'.service-bd li')
同样的在单个元素中查找的方法在多个元素查找中同样存在:
find_elements_by_name
find_elements_by_id
find_elements_by_xpath
find_elements_by_link_text
find_elements_by_partial_link_text
find_elements_by_tag_name
find_elements_by_class_name
find_elements_by_css_selector
元素交互操作
对于获取的元素调用交互方法
1
2
3
4
5
6
7
8
9
10
11
|
from selenium import webdriver
import time
browser = webdriver.Chrome()
browser.get( "http://www.taobao.com" )
input_str = browser.find_element_by_id( 'q' )
input_str.send_keys( "ipad" )
time.sleep( 1 )
input_str.clear()
input_str.send_keys( "MakBook pro" )
button = browser.find_element_by_class_name( 'btn-search' )
button.click()
|
运行的结果可以看出程序会自动打开Chrome浏览器并打开淘宝输入ipad,然后删除,重新输入MakBook pro,并点击搜索
Selenium所有的api文档:http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains
交互动作
将动作附加到动作链中串行执行
1
2
3
4
5
6
7
8
9
10
11
|
from selenium import webdriver
from selenium.webdriver import ActionChains
browser = webdriver.Chrome()
url = "http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable"
browser.get(url)
browser.switch_to.frame( 'iframeResult' )
source = browser.find_element_by_css_selector( '#draggable' )
target = browser.find_element_by_css_selector( '#droppable' )
actions = ActionChains(browser)
actions.drag_and_drop(source, target)
actions.perform()
|
更多操作参考:http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains
执行JavaScript
这是一个非常有用的方法,这里就可以直接调用js方法来实现一些操作,
下面的例子是通过登录知乎然后通过js翻到页面底部,并弹框提示
1
2
3
4
5
|
from selenium import webdriver
browser = webdriver.Chrome()
browser.get( "http://www.zhihu.com/explore" )
browser.execute_script( 'window.scrollTo(0, document.body.scrollHeight)' )
browser.execute_script( 'alert("To Bottom")' )
|
获取元素属性
1
2
3
4
5
6
7
8
|
get_attribute( 'class' )
from selenium import webdriver
browser = webdriver.Chrome()
url = 'https://www.zhihu.com/explore'
browser.get(url)
logo = browser.find_element_by_id( 'zh-top-link-logo' )
print (logo)
print (logo.get_attribute( 'class' ))
|
获取文本值
1
2
3
4
5
6
|
from selenium import webdriver
browser = webdriver.Chrome()
url = 'https://www.zhihu.com/explore'
browser.get(url)
input = browser.find_element_by_class_name( 'zu-top-add-question' )
print ( input .text)
|
获取ID,位置,标签名
id
location
tag_name
size
1
2
3
4
5
6
7
8
9
|
from selenium import webdriver
browser = webdriver.Chrome()
url = 'https://www.zhihu.com/explore'
browser.get(url)
input = browser.find_element_by_class_name( 'zu-top-add-question' )
print ( input . id )
print ( input .location)
print ( input .tag_name)
print ( input .size)
|
Frame
在很多网页中都是有Frame标签,所以我们爬取数据的时候就涉及到切入到frame中以及切出来的问题,通过下面的例子演示
这里常用的是switch_to.from()和switch_to.parent_frame()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import time
from selenium import webdriver
from selenium.common.exceptions import NoSuchElementException
browser = webdriver.Chrome()
url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'
browser.get(url)
browser.switch_to.frame( 'iframeResult' )
source = browser.find_element_by_css_selector( '#draggable' )
print (source)
try :
logo = browser.find_element_by_class_name( 'logo' )
except NoSuchElementException:
print ( 'NO LOGO' )
browser.switch_to.parent_frame()
logo = browser.find_element_by_class_name( 'logo' )
print (logo)
print (logo.text)
|
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
隐式等待
到了一定的时间发现元素还没有加载,则继续等待我们指定的时间,如果超过了我们指定的时间还没有加载就会抛出异常,如果没有需要等待的时候就已经加载完毕就会立即执行
1
2
3
4
5
6
|
from selenium import webdriver
browser = webdriver.Chrome()
browser.implicitly_wait( 10 )
browser.get( 'https://www.zhihu.com/explore' )
input = browser.find_element_by_class_name( 'zu-top-add-question' )
print ( input )
|
显示等待
指定一个等待条件,并且指定一个最长等待时间,会在这个时间内进行判断是否满足等待条件,如果成立就会立即返回,如果不成立,就会一直等待,直到等待你指定的最长等待时间,如果还是不满足,就会抛出异常,如果满足了就会正常返回
1
2
3
4
5
6
7
8
9
10
|
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
browser = webdriver.Chrome()
browser.get( 'https://www.taobao.com/' )
wait = WebDriverWait(browser, 10 )
input = wait.until(EC.presence_of_element_located((By. ID , 'q' )))
button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '.btn-search' )))
print ( input , button)
|
上述的例子中的条件:EC.presence_of_element_located()是确认元素是否已经出现了
EC.element_to_be_clickable()是确认元素是否是可点击的
常用的判断条件:
title_is 标题是某内容
title_contains 标题包含某内容
presence_of_element_located 元素加载出,传入定位元组,如(By.ID, 'p')
visibility_of_element_located 元素可见,传入定位元组
visibility_of 可见,传入元素对象
presence_of_all_elements_located 所有元素加载出
text_to_be_present_in_element 某个元素文本包含某文字
text_to_be_present_in_element_value 某个元素值包含某文字
frame_to_be_available_and_switch_to_it frame加载并切换
invisibility_of_element_located 元素不可见
element_to_be_clickable 元素可点击
staleness_of 判断一个元素是否仍在DOM,可判断页面是否已经刷新
element_to_be_selected 元素可选择,传元素对象
element_located_to_be_selected 元素可选择,传入定位元组
element_selection_state_to_be 传入元素对象以及状态,相等返回True,否则返回False
element_located_selection_state_to_be 传入定位元组以及状态,相等返回True,否则返回False
alert_is_present 是否出现Alert
更多操作参考:http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.expected_conditions
浏览器的前进和后退
back()
forward()
1
2
3
4
5
6
7
8
9
10
|
import time
from selenium import webdriver
browser = webdriver.Chrome()
browser.get( 'https://www.baidu.com/' )
browser.get( 'https://www.taobao.com/' )
browser.get( 'http://www.pythontab.com/' )
browser.back()
time.sleep( 1 )
browser.forward()
browser.close()
|
cookie操作
get_cookies()
delete_all_cookes()
add_cookie()
1
2
3
4
5
6
7
8
|
from selenium import webdriver
browser = webdriver.Chrome()
browser.get( 'https://www.zhihu.com/explore' )
print (browser.get_cookies())
browser.add_cookie({ 'name' : 'name' , 'domain' : 'www.zhihu.com' , 'value' : 'zhaofan' })
print (browser.get_cookies())
browser.delete_all_cookies()
print (browser.get_cookies())
|
选项卡管理
通过执行js命令实现新开选项卡window.open()
不同的选项卡是存在列表里browser.window_handles
通过browser.window_handles[0]就可以操作第一个选项卡
1
2
3
4
5
6
7
8
9
10
11
|
import time
from selenium import webdriver
browser = webdriver.Chrome()
browser.get( 'https://www.baidu.com' )
browser.execute_script( 'window.open()' )
print (browser.window_handles)
browser.switch_to_window(browser.window_handles[ 1 ])
browser.get( 'https://www.taobao.com' )
time.sleep( 1 )
browser.switch_to_window(browser.window_handles[ 0 ])
browser.get( 'http://www.pythontab.com' )
|
异常处理
这里的异常比较复杂,官网的参考地址:
http://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions
这里只进行简单的演示,查找一个不存在的元素
1
2
3
4
5
6
7
8
9
10
11
12
13
|
from selenium import webdriver
from selenium.common.exceptions import TimeoutException, NoSuchElementException
browser = webdriver.Chrome()
try :
browser.get( 'https://www.baidu.com' )
except TimeoutException:
print ( 'Time Out' )
try :
browser.find_element_by_id( 'hello' )
except NoSuchElementException:
print ( 'No Element' )
finally :
browser.close()
|