python爬虫Selenium与PhantomJS

这期内容当中小编将会给大家带来有关python爬虫Selenium与PhantomJS，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

十余年的桓台网站建设经验，针对设计、前端、开发、售后、文案、推广等六对一服务，响应快，48小时及时工作处理。成都全网营销推广的优势是能够根据用户设备显示端的尺寸不同，自动调整桓台建站的显示方式，使网站能够适用不同显示终端，在浏览器中调整网站的宽度，无论在任何一种浏览器上浏览网站，都能展现优雅布局与设计，从而大程度地提升浏览体验。成都创新互联公司从事“桓台网站设计”,“桓台网站推广”以来，每个客户项目都认真落实执行。

Selenium

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，类型像我们玩游戏用的按键精灵，可以按指定的命令自动操作，不同的是Selenium可以直接运行在浏览器上，它支持所有主流的浏览器（包括PhantomJS这些无界面的浏览器）。

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，甚至页面截屏，或者判断网站上某些动作是否发生。

Selenium自己不带浏览器，不支持浏览器的功能，它需要与第三方浏览器结合在一起才能使用。但是我们大多数时候需要让它内嵌在代码中运行，所以我们可以用一个叫PhantomJS的工具代替真实的浏览器。

可以从 PyPI 网站下载 Selenium库https://pypi.python.org/simple/selenium ，也可以用第三方管理器 pip用命令安装：pip install selenium

Selenium 官方参考文档：http://selenium-python.readthedocs.io/index.html

PhantomJS

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JavaScript、Cookie、headers，以及任何我们真实用户需要做的事情。

注意：PhantomJS 只能从它的官方网站http://phantomjs.org/download.html 下载。因为 PhantomJS 是一个功能完善(虽然无界面)的浏览器而非一个 Python 库，所以它不需要像 Python 的其他库一样安装，但我们可以通过Selenium调用PhantomJS来直接使用。

PhantomJS 官方参考文档：http://phantomjs.org/documentation

快速入门

Selenium库里有个叫WebDriver的API。WebDriver有点儿像可以加载网站的浏览器，但是它可以像BeautifulSoup或者其他Selector对象一样用来查找页面元素，与页面上的元素进行交互（发送文本、点击等），以及执行其他动作来运行网络爬虫。

#!/usr/bin/python3
# -*- coding:utf-8 -*-
 
# 导入webdriver
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import time
 
# 调用环境变量指定的PhantomJS浏览器创建浏览器对象，executable_path：指定PhantomJS位置
driver = webdriver.PhantomJS(executable_path = r"D:\Program Files\phantomjs\bin\phantomjs")
 
# get()方法会一直等到页面被完全加载，然后才会继续程序
driver.get("http://www.baidu.com/")
 
# 获取页面名为wrapper的id标签的文本内容
data = driver.find_element_by_id("wrapper").text
 
# 打印获取的文本内容
print(data)
 
# 打印页面标题：百度一下，你就知道
print(driver.title)
 
# 生成当前页面快照并保存
driver.save_screenshot("baidu.jpg")
 
# 在百度搜索输入框中输入“蚂蚁”
driver.find_element_by_id("kw").send_keys("蚂蚁")
 
# 模拟点击“百度一下”按钮
driver.find_element_by_id("su").click()
# 等待2秒，让页面加载
time.sleep(2)
 
# 获取搜索后的页面快照
driver.save_screenshot("蚂蚁.jpg")
 
# 打印网页渲染后的源代码
# print(driver.page_source)
 
# 获取当前页面Cookie
print(driver.get_cookies())
 
# Ctrl + a 全选输入框内容
driver.find_element_by_id("kw").send_keys(Keys.CONTROL, "a")
 
# Ctrl + x 剪切输入框内容
driver.find_element_by_id("kw").send_keys(Keys.CONTROL, "x")
 
# 输入框重新输入内容
driver.find_element_by_id("kw").send_keys("python")
 
# 模拟Enter回车键
driver.find_element_by_id("su").send_keys(Keys.ENTER)
 
# 等待2秒，让页面加载
time.sleep(2)
 
# 清除输入框内容
driver.find_element_by_id("kw").clear()
 
# 获取新的快照
driver.save_screenshot("python.jpg")
 
# 获取当前url
print(driver.current_url)
 
# 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()

页面操作

Selenium的WebDriver提供了各种方法来寻找元素，假设下面有一个表单输入框：

那么

# 获取id标签值
element = driver.find_element_by_id("passwd-id")
 
# 获取name标签值
element = driver.find_element_by_name("user-name")
 
# 获取标签名值
element = driver.find_element_by_tag_name("input")
 
# 通过xpath来匹配
element = driver.find_element_by_xpath("//input[@id='passwd-id']")

定位UI元素（webElements）

关于元素的选取：

find_element_by_id
find_elements_by_name
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

1.by id

# 页面内容
...

# 实现 element = driver.find_element_by_id(coolestWidgetEvah")

2.by name

# 页面内容

 
# 实现
element = driver.find_element_by_name("cheese")

3.by xpath

# 页面内容


 
# 实现
element = driver.find_elements_by_xpath("//input")

4.by link text

# 页面内容
cheese
 
# 实现
element = driver.find_element_by_link_text("cheese")

5.by partial link text

# 页面内容
search for cheese>
 
# 实现
element = driver.find_element_by_partial_link_text("cheese")

6.by tag name

# 页面内容

 
# 实现
element = driver.find_element_by_tag_name("iframe")

7.by class name

# 页面内容
milkcheese

# 实现 element = driver.find_elements_by_class_name("div")

8.by css selector

# 页面内容
milkcheese

有些时候，我们需要在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：

我们已经知道了怎样向文本框中输入文字，但是有时候我们会遇到select 标签的下拉框。直接点击下拉框中的选项不一定可行。

Selenium专门提供了select类来处理下拉框。其实WebDriver中提供了一个叫Select的方法，可以帮助我们完成这些事情：

以上是三种选择下拉框的方法，可以根据索引来选择、根据值来选择、根据文字内容来选择。注意：

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：

一个浏览器肯定会有很多窗口，所以我们肯定要有方法来实现窗口的切换。切换窗口的方法如下：

现在的网页越来越多的采用了Ajax技术，这样程序便不能确定何时页面完全加载完成。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可能会导致抛异常，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，等待是指定某一个条件成立时继续执行。

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。

显式等待为指定某个条件，然后设置最长等待时间。如果在这个时间内，指定条件成立，则继续往下执行；如果在这个时间，指定条件还未成立，那么便会抛出异常。

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加载完成，如果本来元素就是存在的，那么会立即返回。

下面是一些内置的等待条件，可以直接调用这些条件，而不用自己写某些等待条件了。

上述就是小编为大家分享的python爬虫Selenium与PhantomJS了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。

重庆分公司，新征程启航

python爬虫Selenium与PhantomJS

其他资讯