专栏首页程序员的知识天地爬虫杀手锏-PhantomJS(附案列网站模拟登录豆瓣网)

爬虫杀手锏-PhantomJS(附案列网站模拟登录豆瓣网)

PhantomJS: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。但是我们有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。

文档地址:http://selenium-python.readthedocs.io/index.html

# 导入 webdriver
from selenium import webdriver
# 要想调用键盘按键操作需要引入keys包
from selenium.webdriver.common.keys 
import Keys
# 调用环境变量指定的PhantomJS浏览器创建浏览器对象
driver = webdriver.PhantomJS()
# 如果没有在环境变量指定PhantomJS位置# driver = webdriver.PhantomJS(executable_path="./phantomjs"))
# get方法会一直等到页面被完全加载,然后才会继续程序,通常测试会在这里选择 time.sleep(2)
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
# 打印数据内容
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.png")
# id="kw"是百度搜索输入框,输入字符串"长城"
driver.find_element_by_id("kw").send_keys("长城")
# id="su"是百度搜索按钮,click() 是模拟点击
driver.find_element_by_id("su").click()
# 获取新的页面快照
driver.save_screenshot("长城.png")
# 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("atguigu")
# 模拟Enter回车键
driver.find_element_by_id("su").send_keys(Keys.RETURN)
# 清除输入框内容
driver.find_element_by_id("kw").clear()
# 生成新的页面快照
driver.save_screenshot("atguigu.png")
# 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()

2.页面操作大体内容

# 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_elements_by_tag_name("input")
# 也可以通过XPath来匹配
element = driver.find_element_by_xpath("//input[@id='passwd-id']")
  1. 关于元素的选取,有如下的API 单个元素选取
# 定位UI元素 (WebElements)
 
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. 鼠标动作链
# 导入 webdriver
 
#导入 ActionChains 类
from selenium.webdriver import ActionChains
# 鼠标移动到 ac 位置
ac = driver.find_element_by_xpath('element')
ActionChains(driver).move_to_element(ac).perform()
 
# 在 ac 位置单击
ac = driver.find_element_by_xpath("elementA")
ActionChains(driver).move_to_element(ac).click(ac).perform()
# 在 ac 位置双击
ac = driver.find_element_by_xpath("elementB")
ActionChains(driver).move_to_element(ac).double_click(ac).perform()
# 在 ac 位置右击
ac = driver.find_element_by_xpath("elementC")
ActionChains(driver).move_to_element(ac).context_click(ac).perform()
# 在 ac 位置左键单击hold住
ac = driver.find_element_by_xpath('elementF')
ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()
# 将 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()

5 . 下拉菜单的操作(导入select类)

# 导入 Select 类
from selenium import webdriver
from selenium.webdriver.support.ui import Select
driver = webdriver.Chrome()
driver.get("http://127.0.0.1:8080")
# 找到 name 的选项卡
select = Select(driver.find_element_by_name('status'))
#根据位置下标
# select.select_by_index(1)
#根据值找到对应的选择
# select.select_by_value("3")
#根据显示值找到对应的选择
select.select_by_visible_text("审核不通过")
  1. 页面切换
driver.switch_to.window("window name")
  1. 操作页面的前进和后退
driver.forward()     #前进
driver.back()        # 后退
  1. 页面等待

显式等待是等待特定的时间,隐式等待是指定某一条件直到这个条件成立时继续执行。

8.1 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

from selenium import webdriver
driver = webdriver.Chrome()
driver.implicitly_wait(10) # seconds
driver.get("http://www.xxxxx.com/loading")

8.2 显式等待指定某个条件,然后设置最长等待时间。如果在这个时间还没有找到元素,那么便会抛出异常

from selenium import webdriver
from selenium.webdriver.common.by import By# WebDriverWait 库,负责循环等待
from selenium.webdriver.support.ui import WebDriverWait# expected_conditions 类,负责条件出发
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Chrome()
driver.get("http://www.xxxxx.com/loading")
try:
    # 页面一直循环,直到 id="myElement" 出现
    element = WebDriverWait(driver, 10).until(EC.presence_of_element_located((By.ID, "myElement")))
finally:
    driver.quit()

网站模拟登录豆瓣网

from selenium import webdriver
import time
 
# 创建一个浏览器客户端,并且指定配置
# 如果是PhantomJS做浏览器客户端还要设置路径
# driver = webdriver.PhantomJS(executable_path="/usr/local/bin/phantomjs")
driver = webdriver.Chrome()
 
driver.get("https://www.douban.com/")
time.sleep(1)
driver.save_screenshot("豆瓣首页.png")
 
#输入账号
driver.find_element_by_id("form_email").send_keys("username")
#输入密码
driver.find_element_by_name("form_password").send_keys("password")
#保存验证码的图片
driver.save_screenshot("验证码.png")
#输入验证码
check_code = input("请输入验证码:")
print(r"验证码是多少:%s" % check_code)
 
driver.find_element_by_id("captcha_field").send_keys(check_code)
 
#点击登录按钮
driver.find_element_by_xpath("//input[@class='bn-submit']").click()
 
#休眠一下等待登录成功
time.sleep(3)
#保存登录成功的快照
driver.save_screenshot("登录成功.png")
 
 
#保存成功登录好的html到本地
with open("douban.html","w",encoding="utf-8") as f:
   f.write(driver.page_source)
 
#退出成功
driver.quit()

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Web 开发人员的文档生成工具【推荐】

    工欲善其事必先利其器,在此给 Web 开发人员推荐几款优秀的开源文档生成工具,希望能对大家有所帮助。

    一墨编程学习
  • Python最强装逼神技!微信远程控制电脑,让电脑关机就关机!

    今天带给大家一个非常有意思的 python 程序,基于 itchat 实现微信控制电脑。你可以通过在微信发送命令,来拍摄当前电脑的使用者,然后图片会发送到你的微...

    一墨编程学习
  • Python基础项目实战:处理图片实现像素点的访问

    为大家介绍一个利用Python处理图片来实现对像素点的访问,在这里你可以进行很多的操作,比如图片灰化,你可以改变图片的RGB属性,如果单单用Image.open...

    一墨编程学习
  • python 3 的selenium模块

    ----http://blog.csdn.net/u010637662/article/details/53612197

    py3study
  • 知否知否-----selenium知多少(二)

    上期我们讲了一些selenium一些最近的元素定位,触发事件,等待等等,今天我们继续来看看接下来的知识点。

    我被狗咬了
  • driver匹配元素定位用法大全

    周小董
  • 基于python的appium例子

    版权声明:如需转载本文章,请保留出处! https://blog.csdn.net/xc_zhou/article/details/89643551 ...

    周小董
  • 七、Selenium与phantomJS----------动态页面模拟点击、网站模拟登录 每天一个小实例1(动态页面模拟点击,并爬取你想搜索的职位信息) 每天一个小实例2(模拟网站登录)我用的是

    每天一个小实例1(动态页面模拟点击,并爬取你想搜索的职位信息) 1 from selenium import webdriver 2 from bs4 im...

    酱紫安
  • python爬虫入门(五)Selenium模拟用户操作

    爬虫(Spider),反爬虫(Anti-Spider),反反爬虫(Anti-Anti-Spider) 之间恢宏壮阔的斗争... 小莫想要某站上所有的电影,写了...

    zhang_derek
  • python selenium自动登录web浏览器

    https://addons.mozilla.org/zh-CN/firefox/ katalon(推荐)、selenium IDE

    以谁为师

扫码关注云+社区

领取腾讯云代金券