Selenium+chromedriver获取动态数据

Selenium 相当于是一个机器人。可以模拟人类在浏览器上的一些行为,自动处理浏览器上的一些 行为,比如点击,填充数据,删除cookie等。 chromedriver 是一个驱动 Chrome 浏览器的驱动程 序,使用他才可以驱动浏览器。当然针对不同的浏览器有不同的driver。

以下列出了不同浏览器及 其对应的driver: 

1. Chrome:https://sites.google.com/a/chromium.org/chromedriver/downloads

2. Firefox:https://github.com/mozilla/geckodriver/releases

3. Edge:https://developer.microsoft.com/en-us/microsoft-edge/tools/webdriver/

4. Safari:https://webkit.org/blog/6900/webdriver-support-in-safari-10/

安装Selenium和chromedriver:

1. 安装 Selenium : Selenium 有很多语言的版本,有java、ruby、python等。我们下载python 版本的就可以了。

pip install selenium

2. 安装 chromedriver :下载完成后,放到不需要权限的纯英文目录下就可以了。

快速入门:

现在以一个简单的获取百度首页的例子来讲下 Selenium 和 chromedriver 如何快速入门:

from selenium import webdriver

# chromedriver的绝对路径 

driver_path = r'E:\Python_practice\Software\chromedriver_win32\chromedriver.exe'

# 初始化一个driver,并且指定chromedriver的路径 

driver = webdriver.Chrome(executable_path=driver_path) 

# 请求网页 

driver.get("https://www.baidu.com/") 

# 通过page_source获取网页源代码 

print(driver.page_source)

selenium常用操作:

更多教程请参考:http://selenium-python.readthedocs.io/installation.html#introduction

关闭页面:

1.  driver.close() :关闭当前页面。 2.  driver.quit() :退出整个浏览器。

定位元素:

1.  find_element_by_id :根据id来查找某个元素。等价于:

submitTag = driver.find_element_by_id('su') submitTag1 = driver.find_element(By.ID,'su')

2.  find_element_by_class_name :根据类名查找元素。 等价于:

submitTag = driver.find_element_by_class_name('su') submitTag1 = driver.find_element(By.CLASS_NAME,'su')

3.  find_element_by_name :根据name属性的值来查找元素。等价于:

submitTag = driver.find_element_by_name('email') submitTag1 = driver.find_element(By.NAME,'email')

4.  find_element_by_tag_name :根据标签名来查找元素。等价于:

submitTag = driver.find_element_by_tag_name('div') submitTag1 = driver.find_element(By.TAG_NAME,'div')

5.  find_element_by_xpath :根据xpath语法来获取元素。等价于:

submitTag = driver.find_element_by_xpath('//div') submitTag1 = driver.find_element(By.XPATH,'//div')

6.  find_element_by_css_selector :根据css选择器选择元素。等价于:

submitTag = driver.find_element_by_css_selector('//div') submitTag1 = driver.find_element(By.CSS_SELECTOR,'//div')

要注意, find_element 是获取第一个满足条件的元素。 find_elements 是获取所有满足条件 的元素。

操作表单元素:

1. 操作输入框:分为两步。第一步:找到这个元素。第二步:使用 send_keys(value) ,将数据 填充进去。示例代码如下:

inputTag = driver.find_element_by_id('kw') 

inputTag.send_keys('python')

使用 clear 方法可以清除输入框中的内容。示例代码如下:

inputTag.clear()

2. 操作checkbox:因为要选中 checkbox 标签,在网页中是通过鼠标点击的。因此想要选 中 checkbox 标签,那么先选中这个标签,然后执行 click 事件。示例代码如下:

rememberTag = driver.find_element_by_name("rememberMe") 

rememberTag.click()

3. 选择select:select元素不能直接点击。因为点击后还需要选中元素。这时候selenium就专门 为select标签提供了一个类 selenium.webdriver.support.ui.Select 。将获取到的元素当成参 数传到这个类中,创建这个对象。以后就可以使用这个对象进行选择了。示例代码如下:

from selenium.webdriver.support.ui import Select 

# 选中这个标签,然后使用Select创建对象 

selectTag = Select(driver.find_element_by_name("jumpMenu")) 

# 根据索引选择

selectTag.select_by_index(1) 

# 根据值选择 

selectTag.select_by_value("http://www.95yueba.com") 

# 根据可视的文本选择 

selectTag.select_by_visible_text("95秀客户端") 

# 取消选中所有选项 

selectTag.deselect_all()

4. 操作按钮:操作按钮有很多种方式。比如单击、右击、双击等。这里讲一个最常用的。就是点 击。直接调用 click 函数就可以了。示例代码如下:

inputTag = driver.find_element_by_id('su') 

inputTag.click()

行为链:

有时候在页面中的操作可能要有很多步,那么这时候可以使用鼠标行为链类 ActionChains 来完 成。比如现在要将鼠标移动到某个元素上并执行点击事件。那么示例代码如下:

inputTag = driver.find_element_by_id('kw') 

submitTag = driver.find_element_by_id('su')

actions = ActionChains(driver) 

actions.move_to_element(inputTag) 

actions.send_keys_to_element(inputTag,'python') 

actions.move_to_element(submitTag) actions.click(submitTag) 

actions.perform()

还有更多的鼠标相关的操作。

click_and_hold(element):点击但不松开鼠标。 

context_click(element):右键点击。 

double_click(element):双击。 

更多方法请参考:http://seleniumpython.readthedocs.io/api.html

Cookie操作:

1. 获取所有的 cookie :

for cookie in driver.get_cookies():    

 print(cookie)

2. 根据cookie的key获取value:

value = driver.get_cookie(key)

3. 删除所有的cookie:

driver.delete_all_cookies()

4. 删除某个 cookie :

driver.delete_cookie(key)

页面等待:

现在的网页越来越多采用了 Ajax 技术,这样程序便不能确定何时某个元素完全加载出来了。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。为了解决这个问题。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。

1. 隐式等待:调用 driver.implicitly_wait 。那么在获取不可用的元素之前,会先等待10秒中 的时间。示例代码如下:

driver = webdriver.Chrome(executable_path=driver_path) driver.implicitly_wait(10) 

# 请求网页 

driver.get("https://www.douban.com/")

2. 显示等待:显示等待是表明某个条件成立后才执行获取元素的操作。也可以在等待的时候指定 一个最大的时间,如果超过这个时间那么就抛出一个异常。显示等待应该使 用 selenium.webdriver.support.excepted_conditions 期望的条件 和 selenium.webdriver.support.ui.WebDriverWait 来配合完成。示例代码如下:

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

driver = webdriver.Firefox() driver.get("http://somedomain/url_that_delays_loading") 

try:

    element = WebDriverWait(driver, 10).until(

 EC.presence_of_element_located((By.ID, "myDynamicElement"))    

 ) 

finally:

    driver.quit()

3. 一些其他的等待条件:

presence_of_element_located:某个元素已经加载完毕了。

presence_of_all_emement_located:网页中所有满足条件的元素都加载完毕了。 

element_to_be_cliable:某个元素是可以点击了。

更多条件请参考:http://selenium-python.readthedocs.io/waits.html

切换页面:

有时候窗口中有很多子tab页面。这时候肯定是需要进行切换的。 selenium 提供了一个叫 做 switch_to_window 来进行切换,具体切换到哪个页面,可以从 driver.window_handles 中找 到。示例代码如下:

# 打开一个新的页面 

self.driver.execute_script("window.open('"+url+"')") 

# 切换到这个新的页面中 

self.driver.switch_to_window(self.driver.window_handles[1])

设置代理ip:

有时候频繁爬取一些网页。服务器发现你是爬虫后会封掉你的ip地址。这时候我们可以更改代理 ip。更改代理ip,不同的浏览器有不同的实现方式。这里以 Chrome 浏览器为例来讲解:

from selenium import webdriver

options = webdriver.ChromeOptions() options.add_argument("--proxy-server=http://110.73.2.248:8123") driver_path = r"D:\ProgramApp\chromedriver\chromedriver.exe" 

driver = webdriver.Chrome(executable_path=driver_path,chrome_options=options)

driver.get('http://httpbin.org/ip')

WebElement 元素:

from selenium.webdriver.remote.webelement import WebElement 类是每个获取出来的元素的所属 类。 有一些常用的属性:

1. get_attribute:这个标签的某个属性的值。 2. screentshot:获取当前页面的截图。这个方法只能在 driver 上使用。 driver 的对象类,也是继承自 WebElement 。 更多请阅读相关源代码。

# 使用selenium+chromedriver来实现12306抢票

1. 让浏览器打开12306的登录界面。然后手动进行登录。

2. 登录完成后让浏览器跳转到购票的界面。

3. 手动的输入出发地,目的地以及出发日期,检测到以上三个信息都输入完成后,然后找到查询按钮,执行点击事件,进行车次查询。

4. 查找我们需要的车次,然后看下对应的席位是否还有余票(有、数字)。找到这个车次的预定按钮,然后执行点击事件。如果没有出现以上两个(有、数字),那么我们就让循环这个查询工作。

5. 一旦检测到有票(有、数字),那么执行预定按钮的点击事件。来到预定的界面后,找到对应的乘客,然后执行这个乘客的checkbox,然后执行点击事件,再找到提交订单的按钮,执行点击事件。

6. 点击完提交订单按钮以后,会弹出一个确认的对话框,然后找到“确认按钮”,然后执行点击事件。这样就完成了抢票。

示例代码:

#encoding: utf-8

from selenium import webdriver

from selenium.webdriver.support.ui import WebDriverWait

from selenium.webdriver.support import expected_conditions as EC

from selenium.webdriver.common.by import By

class Qiangpiao(object):

    def __init__(self):

        self.login_url = "https://kyfw.12306.cn/otn/login/init"

        self.initmy_url = "https://kyfw.12306.cn/otn/index/initMy12306"

        self.search_url = "https://kyfw.12306.cn/otn/leftTicket/init"

        self.passenger_url = "https://kyfw.12306.cn/otn/confirmPassenger/initDc"

        self.driver = webdriver.Chrome(executable_path="D:\ProgramApp\chromedriver\chromedriver.exe")

    def wait_input(self):

        self.from_station = input("出发地:")

        self.to_station = input("目的地:")

        # 时间格式必须是:yyyy-MM-dd的方式

        self.depart_time = input("出发时间:")

        self.passengers = input("乘客姓名(如有多个乘客,用英文逗号隔开):").split(",")

        self.trains = input("车次(如有多个车次,用英文逗号隔开):").split(",") # ["G485","G529"]

    def _login(self):

        self.driver.get(self.login_url)

        # 显示等待

        # 隐示等待

        WebDriverWait(self.driver,1000).until(

            EC.url_to_be(self.initmy_url)

        )

        print('登录成功!')

    def _order_ticket(self):

        # 1. 跳转到查余票的界面

        self.driver.get(self.search_url)

        # 2. 等待出发地是否输入正确

        WebDriverWait(self.driver,1000).until(

            EC.text_to_be_present_in_element_value((By.ID,"fromStationText"),self.from_station)

        )

        # 3. 等待目的地是否输入正确

        WebDriverWait(self.driver,1000).until(

            EC.text_to_be_present_in_element_value((By.ID,"toStationText"),self.to_station)

        )

        # 4. 等待出发日期是否输入正确

        WebDriverWait(self.driver,1000).until(

            EC.text_to_be_present_in_element_value((By.ID,"train_date"),self.depart_time)

        )

        # 5. 等待查询按钮是否可用

        WebDriverWait(self.driver,1000).until(

            EC.element_to_be_clickable((By.ID,"query_ticket"))

        )

        # 6. 如果能够被点击了,那么就找到这个查询按钮,执行点击事件

        searchBtn = self.driver.find_element_by_id("query_ticket")

        searchBtn.click()

        # 7. 在点击了查询按钮以后,等待车次信息是否显示出来了

        WebDriverWait(self.driver,1000).until(

            EC.presence_of_element_located((By.XPATH,".//tbody[@id='queryLeftTable']/tr"))

        )

        # 8. 找到所有没有datatrain属性的tr标签,这些标签是存储了车次信息的

        tr_list = self.driver.find_elements_by_xpath(".//tbody[@id='queryLeftTable']/tr[not(@datatran)]")

        # 9. 遍历所有满足条件的tr标签

        for tr in tr_list:

            train_number = tr.find_element_by_class_name("number").text

            if train_number in self.trains:

                left_ticket = tr.find_element_by_xpath(".//td[4]").text

                if left_ticket == "有" or left_ticket.isdigit:

                    orderBtn = tr.find_element_by_class_name("btn72")

                    orderBtn.click()

                    # 等待是否来到了确认乘客的页面

                    WebDriverWait(self.driver,1000).until(

                        EC.url_to_be(self.passenger_url)

                    )

                    # 等待所有乘客信息是否被加载进来了

                    WebDriverWait(self.driver,1000).until(

                        EC.presence_of_element_located((By.XPATH,".//ul[@id='normal_passenger_id']/li"))

                    )

                    # 获取所有的乘客信息

                    passenger_labels = self.driver.find_elements_by_xpath(".//ul[@id='normal_passenger_id']/li/label")

                    for passenger_label in passenger_labels:

                        name = passenger_label.text

                        if name in self.passengers:

                            passenger_label.click()

                    # 获取提交订单的按钮

                    submitBtn = self.driver.find_element_by_id("submitOrder_id")

                    submitBtn.click()

                    # 显示等待确认订单的对话框是否已经出现了

                    WebDriverWait(self.driver,1000).until(

                        EC.presence_of_element_located((By.CLASS_NAME,"dhtmlx_wins_body_outer"))

                    )

                    # 再来做一个显示等待,如果确认订单按钮出现了,那么就执行点击操作

                    WebDriverWait(self.driver,1000).until(

                        EC.presence_of_element_located((By.ID,"qr_submit_id"))

                    )

                    confirmBtn = self.driver.find_element_by_id("qr_submit_id")

                    confirmBtn.click()

                    while confirmBtn:

                        confirmBtn.click()

                        confirmBtn = self.driver.find_element_by_id("qr_submit_id")

                    return

    def run(self):

        self.wait_input()

        self._login()

        self._order_ticket()

if __name__ == '__main__':

    spider = Qiangpiao()

    spider.run()

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,293评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,604评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,958评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,729评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,719评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,630评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,000评论 3 397
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,665评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,909评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,646评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,726评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,400评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,986评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,959评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,996评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,481评论 2 342

推荐阅读更多精彩内容