本章將介紹使用Selenium和PhantomJS兩種工具用來加載動(dòng)態(tài)數(shù)據(jù)，更多內(nèi)容請參考：Python學(xué)習(xí)指南
Selenium
Selenium是一個(gè)Web的自動(dòng)化測試工具，最初是為網(wǎng)站自動(dòng)化測試而開發(fā)的，最初是為網(wǎng)站自動(dòng)化測試而開發(fā)的，類型像我們玩游戲用的按鍵精靈，可以按指定的命令自動(dòng)化操作，不同是Selenium可以直接運(yùn)行在瀏覽器上，它支持所有主流的瀏覽器(包括PhantomJS這些無界面的瀏覽器)。
Selenium可以根據(jù)我們的指令，讓瀏覽器自動(dòng)加載頁面，獲取需要的頁面，甚至頁面截屏，或者判斷網(wǎng)站上某些動(dòng)作是否發(fā)生。
Selenium自己不帶瀏覽器，不支持瀏覽器的功能，它需要與第三方瀏覽器結(jié)合在一起才能使用。但是我們有時(shí)候需要讓它內(nèi)嵌在代碼中運(yùn)行，所有我們而已用一個(gè)叫PhantomJS的工具代替真實(shí)的瀏覽器。
可以從PyPI網(wǎng)站下載Selenium庫http://pypi./simple/sulenium,也可以用第三方管理器pip命令安裝:pip install selenium
Selenium官方參考文檔：http://selenium-python./index.html
PhantomJS
PhantomJS是一個(gè)基于Webkit的"無界面"(headless)瀏覽器，它會把網(wǎng)站加載到內(nèi)存并執(zhí)行頁面上的JavaScript，因?yàn)椴粫故緢D形界面，所以運(yùn)行起來比完整的瀏覽器更高效。
如果我們把Selenium和PhantomJS結(jié)合在一起，就可以運(yùn)行一個(gè)非常強(qiáng)大的網(wǎng)絡(luò)爬蟲了，這個(gè)爬蟲可以處理JavaScript、Cookie、headers，以及任何我們真實(shí)用戶需要做的事情。
注意：PhantomJS只能從它的網(wǎng)站(http:///download.html)下載。因?yàn)镻hantomJS是一個(gè)功能完善(雖然無界面)的瀏覽器而非一個(gè)Python庫，所以它不需要像Python的其它庫一樣安裝，但我們可以通過Selenium調(diào)用PhantomJS來直接使用
PhantomsJS官方才考文檔：http:///documention
快速入門
Selenium庫里有一個(gè)叫WebDriver的API。WebDriver可以控制瀏覽器的操作，它可以像BeautifulSoup或者其它Selector對象一樣用來查找頁面元素，與頁面上的元素進(jìn)行交互(發(fā)送文本、點(diǎn)擊等)，以及執(zhí)行其他動(dòng)作來運(yùn)行網(wǎng)絡(luò)爬蟲。
#-*- coding:utf-8 -*-
#主要用來測試selenium使用phantomJs
#導(dǎo)入webdriver
from selenium import webdriver
import time
#要想調(diào)用鍵盤按鍵操作需要引入keys包
from selenium.webdriver.common.keys import Keys
#調(diào)用環(huán)境變量指定的PhantomJS瀏覽器創(chuàng)建瀏覽器對象
driver = webdriver.PhantomJS()
driver.set_window_size(1366, 768)
#如果沒有在環(huán)境變量指定PhantomJS位置
#driver = webdriver.PhantomJS(executable_path = "./phantomjs")
#get方法會一直等到頁面加載，然后才會繼續(xù)程序，通常測試會在這里選擇time.sleep(2)
driver.get("http://www.baidu.com/")
#獲取頁面名為wraper的id標(biāo)簽的文本內(nèi)容
data = driver.find_element_by_id('wrapper').text
#打印數(shù)據(jù)內(nèi)容
print(data)
print driver.title
#生成頁面快照并保存
driver.save_screenshot("baidu.png")
# id="kw"是百度搜索輸入框，輸入字符串"長城"
driver.find_element_by_id('kw').send_keys(u'長城')
# id="su"是百度搜索按鈕，click()是模擬點(diǎn)擊
driver.find_element_by_id('su').click()
#獲取新的頁面快照
driver.save_screenshot("長城.png")
#打印網(wǎng)頁渲染后的源代碼
print(driver.page_source)
#獲取當(dāng)前頁面Cookie
print(driver.get_cookies())
#ctrl+a全選輸入框內(nèi)容
driver.find_element_by_id('kw').send_keys(Keys.CONTROL, 'a')
#ctrl+x剪切輸入框內(nèi)容
driver.find_element_by_id('kw').send_keys(Keys.CONTROL, 'x')
#輸入框重新輸入內(nèi)容
driver.find_element_by_id('kw').send_keys('itcast')
#模擬Enter回車鍵
driver.find_element_by_id('su').send_keys(Keys.RETURN)
time.sleep(5)
#清空輸入框內(nèi)容
driver.find_element_by_id('kw').clear()
#生成新的頁面快照
driver.save_screenshot('itcast.png')
#獲取當(dāng)前url
print(driver.current_url)
driver.quit()
頁面操作
Selenium的WebDriver提供了各種方法來尋找元素，假設(shè)下面有一個(gè)表單輸入框：
<input type="text" name="user-name" id="passwd-id" />
那么：
#獲取id標(biāo)簽值
element = driver.find_element_by_id("passwd-id")
#獲取name值
element = driver.find_element_by_name("user-name")
#獲取標(biāo)簽名
element = driver.find_element_by_tag("input")
#也可以通過XPath來匹配
element = driver.find_element_by_xpath(//input[@id="passwd-id"])
定位UI元素(WebElements)
關(guān)于元素的選取，有如下的API單個(gè)元素選取
- find_element_by_id
- find_element_by_name
- find_element_by_xpath
- find_element_by_link_text
- find_element_by_partial_link_text
- find_eelement_by_tag_name
- find_element_by_class_name
- find_element_by_css_selector
1. By ID
<div id="coolesWidgeEvah">...</div>
element = driver.find_element_by_id("coolesWidgetEvah")
---------or-------
from selenium.webdriver.common.by import By
element = driver.find_element(by=By.ID, value="coolesWidgetEvah")
2. By Class Name
<div class="cheese"><span>Cheddar</span></div><div class="cheese"><span>Gouda</span></div>
cheese = driver.find_element_by_class_name('cheese')
----------------or--------------------
from selenium.webdriver.common.by import By
cheese = driver.find_elements(By.CLASS_NAME, "cheese")
3. By Tag Name
<iframe src="..."></iframe>
frame = driver.find_element_by_tag_name("iframe")
------------------------or---------------
from selenium.webdriver.common.by import By
frame = driver.find_element(By.TAG_NAME, "iframe")
4.By Name
<imput name="cheese" type="text" />
cheese = driver.find_element_by_name("cheese")
-------------or-------------------------
from selenium.webdrier.common.by import By
cheese = driver.find_element(By.NAME, "cheese")
5. By Link Text
<a >cheese</a>
cheese = driver.find_element_by_link_text("cheese")
---------------------or-----------------------
from selenium.webdriver.common.by import By
cheese = driver.find_element(By.LINK_TEXT, "cheese")
6.By Partial Link Text
<a >search for cheese</a>
cheese = driver.find_element_by_partial_link_text("cheese")
-----------------or-----------------
from selenium.webdriver.common.by import By
cheese = driver.find_element(By.PARTIAL_LINK_TEXT, "cheese")
6.By CSS
<div id="food"><span class="dairy">milk</span><span class="dairy">cheese</span></div>
cheese = driver.find_element_by_css_selector("#food span.dairy.aged")
----------------or-------------------------------
from selenium.webdriver.common.by import By
cheese = driver.find_element(By.CSS_SELECTOR, "#food span.dairy.aged")
7.By XPath
<input type="text" name="example" / >
<input type="text" name="other" / >
inputs = driver.find_elements_by_xpath("input")
-------------------or------------------
from selenium.webdriver.common.by import By
inputs = driver.find_elements(By.XPATH, "http://input")
鼠標(biāo)動(dòng)作鏈
有些時(shí)候，我們需要在頁面上模擬一些鼠標(biāo)操作，比如雙擊、右擊、拖拽甚至按住不動(dòng)等，我們可通過導(dǎo)入ActionChains類來做到：
示例：
#導(dǎo)入ActionChains類
from selenium.webdrive import ActionChains
#鼠標(biāo)移動(dòng)到ac位置
ac = driver.find_elenemt_by_xpath('element')
ActionChains(driver).move_to_element(ac).perform()
#在ac位置單擊
ac = driver.find_element_by_xpath('elementA')
ActionChains(driver).move_to_element(ac).click(ac).perform()
#在ac位置雙擊
ac = driver.find_element_by_xpath("elementB")
ActionChains(driver).move_to_element(ac).double_click(ac).perform()
#在ac位置右擊
ac = driver.find_element_by_xpath('elementC')
ActionChains(driver).move_to_element(ac).context_click(ac).perform()
#在ac位置左鍵單擊hold住
ac = driver.find_element_by_xpath('elementF')
ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()
#將ac1拖拽到ac2位置
ac1 = driver.find_element_by_xpath('elementD')
ac2 = driver.find_element_by_xpath('elementE')
ActionChains(driver).drag_and_drop(ac1, ac2).perform()
填充表單
我們已經(jīng)知道了怎樣向文本框輸入文字，但是有時(shí)候我們會碰到<select></select>標(biāo)簽的下拉框。直接點(diǎn)擊下拉框中的選項(xiàng)不一定可行。
<select id="status" class="form-control valid" onchange="" name = 'status'>
<option value=""></option>
<option value="0">未審核</option>
<option value="1">初審?fù)ㄟ^</option>
<option value="2">復(fù)審?fù)ㄟ^</option>
<option value="3">審核不通過</option>
</select>
Selenium專門提供了Select類來處理下拉框。其實(shí)WebDriver中提供了一個(gè)叫Select的方法，可以幫助我們完成這些事情：
#導(dǎo)入Select類
from selenium.webdriver.support.ui import Select
#找到name的選項(xiàng)卡
select = Select(driver.find_element_by_name('status'))
#s
select.select_by_index(1)
select.select_by_value("0")
select.select_by_visible_text(u'未審核')
以上是三種選擇下拉框的方式，它可以根據(jù)索引來選擇，可以根據(jù)值來選擇，可以根據(jù)文字來選擇。注意：
- index索引從0開始
- value是option標(biāo)簽的一個(gè)屬性值，并不是顯示在下拉框中的值
- visible_text實(shí)在option標(biāo)簽文本的值，是顯示在下拉框的值
全部取消選擇怎么辦呢？很簡單：
select.deselect_all()
彈窗處理
當(dāng)你觸發(fā)了某個(gè)事件之后，頁面出現(xiàn)了彈窗提示，處理這個(gè)提示或者獲取提示信息方法如下：
alert = driver.switch_to_alert()
頁面切換
一個(gè)瀏覽器肯定會有很多窗口，所以我們肯定要有方法來實(shí)現(xiàn)窗口的切換，切換窗口的方法如下：
driver.switch_to_window('this is window name')
也可以使用window_handles方法來獲取每個(gè)窗口的操作對象。例如：
for handle in driver.window_handles:
driver.switch_to_window(handle)
頁面的前進(jìn)和后退
操作頁面的前進(jìn)和后退功能：
driver.forward() #前進(jìn)
driver.back() #后退
Cookies
獲取頁面每個(gè)Cookies值，用法如下：
for cookie in driver.get_cookies():
print("%s -> %s"%(cookie['name'], cookie['value']))
刪除Cookies,用法如下：
#By name
driver.delete_cookie('CookieName')
#all
driver.delete_all_cookies()
頁面等待
注意：這是非常重要的一部分！
現(xiàn)在的網(wǎng)頁原來越多采用了Ajax技術(shù)，這樣程序變不能確定何時(shí)某個(gè)元素完全加載出來了。如果實(shí)際頁面等待事件過長導(dǎo)出某個(gè)dom元素還沒出來，但是你的代碼直接使用了這個(gè)WebElement，那么就會拋出NullPointer的異常。
為了避免這種元素定位困難而且會提高產(chǎn)生ElementNotVisibleException的概率。所以Selenium提供了兩種等待方式，一種是隱式等待，一種是顯式等待。
隱式等待就是等待特定的時(shí)間，顯示等待是指定某一條件知道這個(gè)條件成立時(shí)繼續(xù)執(zhí)行。
顯式等待
顯示等待指定了某個(gè)條件，然后設(shè)置最長等待事件。如果在這個(gè)時(shí)間還找到?jīng)]有元素，那么便會拋出異常。
from selenium import webdriver
from selenium.webdriver.common.by import By
#WebDriverWait庫，負(fù)責(zé)循環(huán)等待
from selenium.webdriver.support.ui import WebDriverWait
#expected_conditions類，負(fù)責(zé)條件觸發(fā)
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Chrome()
driver.get("http://www./loading")
try:
#頁面一直循環(huán)，知道id="myDynamicElement"出現(xiàn)
element = WebDriverWait(driver, 10).until(
EC.presence_of_element_located((By.ID, "myDynamicElement"))
)
finally:
driver.quit()
如果不寫參數(shù)，程序默認(rèn)會0.5s調(diào)用一次來來查看安蘇是否已經(jīng)生成，如果本來元素時(shí)存在的，那么會立即返回。
下面是一些內(nèi)置的等待條件，你可以直接調(diào)用這些條件，而不用自己寫某些等待條件了。
title_is
title_contains
presence_of_element_located
visibility_of_element_located
visibility_of
presence_of_all_elements_located
text_to_be_present_in_element
text_to_be_present_in_element_value
frame_to_be_available_and_switch_to_it
invisibility_of_element_located
element_to_be_clickable - it is Displayed and Enabled
staleness_of
element_to_be_selected
element_located_to_be_selected
element_selection_state_to_be
element_located_selection_state_to_be
aert_is_present
隱式等待
隱式等待比較簡單，就是簡單地設(shè)置一個(gè)等待時(shí)間，單位為秒。
from selenium import webdriver
driver = webdriver.Chrome()
driver.implicitly_wait(10) #seconds
driver.get("http://www.x/loading")
myDynamicElement = driver.find_element_by_id("myDynamicElement")
如果不設(shè)置，默認(rèn)等待時(shí)間為0。
|
