55. Python 爬虫（4）
webdriver
Selenium是ThroughtWorks公司开发的一套Web自动化测试工具。
它分为三个组件：
Selenium IDE
Selenium RC (Remote Control)
Selenium WebdriverSelenium IDE：是firefox的一个插件，允许测试人员录制脚本并回放。
Selenium RC和Selenium Webdriver：是测试框架，提供多种语言的API。
不同的是，Selenium Webdriver以一种更底层、更灵活的方式来操作浏览器，并不仅仅使用JavaScript。这样它可以绕开浏览器的沙箱限制，实现Selenium RC不支持的框架、弹出窗口、页面导航、下拉菜单、基于AJAX的UI元素等控件的操作。而且，Selenium Webdriver不需要本地服务器。
Selenium 1.x版本只包含前两个组件。从2.0开始Webdriver加入其中。
主要是来解决https的加密问题
Webdriver在使用之前，需要下载一个浏览器所对应用的驱动插件，请根据自己不同的浏览器版本，进行下载：
百度搜：
进入网站
下载以后，并把chromdriver放在chrome的google.exe的目录下面
先安装selenium
# pip install selenium自动打开chrome，并打开域名相关的网页
import os
import time
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
chromedriver = "C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe"
os.environ["webdriver.chrome.driver"] = chromedriver
driver = webdriver.Chrome(chromedriver)
driver.get("http://www.python.org")
time.sleep(100)
driver.quit()执行：自动打开网页
搜索栏（Search）的代码如下：
id="id-search-field" 是 Search 的唯一标识符。
id="submit" 是按钮“GO”的唯一标识符。
让页面自动搜索关键字，代码如下：
import os
import time
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
chromedriver = "C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe"
os.environ["webdriver.chrome.driver"] = chromedriver
driver = webdriver.Chrome(chromedriver)
driver.get("http://www.python.org")
element = driver.find_element_by_id("id-search-field")
element.clear()
element.send_keys("os")
elementsubmit = driver.find_element_by_id("submit")
elementsubmit.click()
time.sleep(10000)
driver.quit()结果如图：
学习几种选择器：
1. find_elements_by_name(“test”) # 根据name定位
页面：
<input type="text" name="passwd" id="passwd-id" class=”input-class”/>
代码：
element = driver.find_elements_by_name(“passwd”)
2. find_elements_by_id() #根据ID定位，定位最准确
element = driver.find_element_by_id(“passwd-id”)
By.tagname()
element = driver.find_element_by_tag_name(“input”)
3. find_element_by_class_name(‘input-class’) #根绝class定位
4. find_elements_by_tag_name(‘iframe’) #根据元素定位
这里以iframe举例：用Tag name 定位元素
例子：
检查页面获得如下：
<iframe src="... ..."> xxxxxxx </iframe>
element = driver.find_elements_by_tag_name("iframe")
【iframe 就是定位行的元素】
5. find_element_by_link_text() #通过链接文字定位
页面：
<a href="http://www.google.com/search?q=baidu">baidu</a>
代码：
element = browser.find_elements_by_link_text("baidu")
6. xpath
这个特别强大，所有的元素都可以通过这个可以找到。
XPath是XML Path的简称，由于HTML文档本身就是一个标准的XML页面，所以我们可以使用XPath的语法来定位页面元素。
绝对路径： 根元素开始，及html开始用/
相对路劲： 任意符合条件的元素 //
查找页面上所有的input元素：//input
查找页面上第一个form元素内的直接子input元素(即只包括form元素的下一级input元素，使用绝对路径表示，单/号)：//form[1]/input
查找页面上第一个form元素内的所有子input元素(只要在form元素内的input都算，不管还嵌套了多少个其他标签，使用相对路径表示，双//号)：//form[1]//input
查找页面上第一个form元素：//form[1]
查找页面上id为loginForm的form元素：//form[@id='loginForm']
查找页面上具有name属性为username的input元素：//input[@name='username']
查找页面上id为loginForm的form元素下的第一个input元素：//form[@id='loginForm']/input[1]
查找页面具有name属性为contiune并且type属性为button的input元素：//input[@name='continue'][@type='button']
查找页面上id为loginForm的form元素下第4个input元素：//form[@id='loginForm']/input[4]控件操作：
输入框；
element.clear() #清空输入框数据
element.sendkeys(“username”) #发送数据
element.text #获取元素文本的值
按钮：
element.click() #"点击"操作
element.submit() #同.click()，操作相同，常用 .click()
单选和多选框
element.clear()
element = browser.find_elements_by_id(' checkbox') #也可能是其他，根据具体情况，选择关键字元素即可。
##选择某个单选项：
element.click();
常用方法：
browser.get_cookies()
browser.title #头名字
browser.close()
.forward() #前进
举例：
browser.foeward()
.back() #后退
举例：
browser.back()
.refresh() #刷新
举例：
browser.refresh()
.current_url #返回当前页面url
举例：
browser.current_url
实例1：登录12306
from selenium import webdriver
import random
import time
def randomSleep(minS, maxS):
time.sleep((maxS - minS) * random.random() + minS)
browser = webdriver.Chrome(r"C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe")
url = "https://kyfw.12306.cn/otn/login/init"
browser.get(url=url)
print(browser.find_element_by_id("username").text)
browser.find_element_by_id("username").clear()
browser.find_element_by_id("username").send_keys("xxxxxxxxxx")
randomSleep(2, 5)
browser.find_element_by_id("password").send_keys("xxxxxxxxx")
randomSleep(1, 4)
time.sleep(6)
browser.find_element_by_id("loginSub").click()
randomSleep(2, 5)
print(browser.get_cookies())
browser.quit()#除验证码要手动确认外，其他全自动完成。
实例2：登录京东（重点在xpath选择器的用法）
from selenium import webdriver
import random
import time
def randomSleep(minS, maxS):
time.sleep((maxS - minS) * random.random() + minS)
browser = webdriver.Chrome(r"C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe")
# Home
browser.get("https://passport.jd.com/new/login.aspx")
# Login by username and password
randomSleep(1, 2)
browser.find_element_by_xpath("//a[@clstag='pageclick|keycount|201607144|2']").click()
# Username and password
randomSleep(1, 2)
browser.find_element_by_id("loginname").send_keys("xxxxxxxx") #用户
print(browser.find_element_by_id("loginname").text)
randomSleep(1, 3)
browser.find_element_by_id("nloginpwd").send_keys("xxxxxxx") #密码
# Submit, wait for a long time
randomSleep(5, 10)
browser.find_element_by_id("loginsubmit").click()
print(browser.get_cookies())
randomSleep(3, 5)
browser.quit()