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。

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

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

安装示例：
  • 下载PhantomJS：

wget https://bitbucket.org/ariya/phantomjs/downloads/phantomjs-2.1.1-linux-x86_64.tar.bz2

  • 解压并创建软连接：

    tar -xvjf phantomjs-2.1.1-linux-x86_64.tar.bz2
    sudo cp -R phantomjs-2.1.1-linux-x86_64 /usr/local/share/
    sudo ln -sf /usr/local/share/phantomjs-2.1.1-linux-x86_64/bin/phantomjs /usr/local/bin/

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，但是它也可以像 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。

  1. # IPython2 测试代码
  3. # 导入 webdriver
  4. from selenium import webdriver
  6. # 调用环境变量指定的PhantomJS浏览器创建浏览器对象
  7. driver = webdriver.PhantomJS()
  9. # 如果没有在环境变量指定PhantomJS位置
  10. # driver = webdriver.PhantomJS(executable_path="/usr/local/bin/phantomjs"))
  12. # 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)
  13. driver.get("http://www.baidu.com/")
  15. # 获取页面名为 wrapper的id标签的文本内容
  16. data = driver.find_element_by_id("wrapper").text
  18. # 打印数据内容
  19. print data
  21. # 打印页面标题 "百度一下，你就知道"
  22. print driver.title
  24. # 生成当前页面快照并保存
  25. driver.save_screenshot("baidu.png")
  27. # id="kw"是百度搜索输入框，输入字符串"长城"
  28. driver.find_element_by_id("kw").send_keys(u"长城")
  30. # id="su"是百度搜索按钮，click() 是模拟点击
  31. driver.find_element_by_id("su").click()
  33. # 获取新的页面快照
  34. driver.save_screenshot("长城.png")
  36. # 打印网页渲染后的源代码
  37. print driver.page_source
  39. # 获取当前页面Cookie
  40. print driver.get_cookies()
  42. # 调用键盘按键操作时需要引入的Keys包
  43. from selenium.webdriver.common.keys import Keys
  45. # ctrl+a 全选输入框内容
  46. driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'a')
  48. # ctrl+x 剪切输入框内容
  49. driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'x')
  51. # 输入框重新输入内容
  52. driver.find_element_by_id("kw").send_keys("itcast")
  54. # 模拟Enter回车键
  55. driver.find_element_by_id("su").send_keys(Keys.RETURN)
  57. # 清除输入框内容
  58. driver.find_element_by_id("kw").clear()
  60. # 生成新的页面快照
  61. driver.save_screenshot("itcast.png")
  63. # 获取当前url
  64. print driver.current_url
  66. # 关闭当前页面，如果只有一个页面，会关闭浏览器
  67. # driver.close()
  69. # 关闭浏览器
  70. 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：

<input type="text" name="user-name" id="passwd-id" />
那么：

  1. # 获取id标签值
  2. element = driver.find_element_by_id("passwd-id")
  3. # 获取name标签值
  4. element = driver.find_element_by_name("user-name")
  5. # 获取标签名值
  6. element = driver.find_elements_by_tag_name("input")
  7. # 也可以通过XPath来匹配
  8. element = driver.find_element_by_xpath("//input[@id='passwd-id']")

定位UI元素 (WebElements)
关于元素的选取，有如下的API 单个元素选取

  1. find_element_by_id
  2. find_elements_by_name
  3. find_elements_by_xpath
  4. find_elements_by_link_text
  5. find_elements_by_partial_link_text
  6. find_elements_by_tag_name
  7. find_elements_by_class_name
  8. find_elements_by_css_selector
  • By ID
    <div id="coolestWidgetEvah">...</div>
    实现
    1. element = driver.find_element_by_id("coolestWidgetEvah")
    2. ------------------------ or -------------------------
    3. from selenium.webdriver.common.by import By
    4. element = driver.find_element(by=By.ID, value="coolestWidgetEvah")
  • By Class Name
    <div class="cheese"><span>Cheddar</span></div><div class="cheese"><span>Gouda</span></div>
    实现
    1. cheeses = driver.find_elements_by_class_name("cheese")
    2. ------------------------ or -------------------------
    3. from selenium.webdriver.common.by import By
    4. cheeses = driver.find_elements(By.CLASS_NAME, "cheese")
  • By Tag Name
    <iframe src="..."></iframe>
    实现
    1. frame = driver.find_element_by_tag_name("iframe")
    2. ------------------------ or -------------------------
    3. from selenium.webdriver.common.by import By
    4. frame = driver.find_element(By.TAG_NAME, "iframe")
  • By Name
    <input name="cheese" type="text"/>
    实现
    1. cheese = driver.find_element_by_name("cheese")
    2. ------------------------ or -------------------------
    3. from selenium.webdriver.common.by import By
    4. cheese = driver.find_element(By.NAME, "cheese")
  • By Link Text
    <a href="http://www.google.com/search?q=cheese">cheese</a>
    实现
    1. cheese = driver.find_element_by_link_text("cheese")
    2. ------------------------ or -------------------------
    3. from selenium.webdriver.common.by import By
    4. cheese = driver.find_element(By.LINK_TEXT, "cheese")
  • By Partial Link Text
    <a href="http://www.google.com/search?q=cheese">search for cheese</a>>
    实现
    1. cheese = driver.find_element_by_partial_link_text("cheese")
    2. ------------------------ or -------------------------
    3. from selenium.webdriver.common.by import By
    4. cheese = driver.find_element(By.PARTIAL_LINK_TEXT, "cheese")
  • By CSS
    <div id="food"><span class="dairy">milk</span><span class="dairy aged">cheese</span></div>
    实现
    1. cheese = driver.find_element_by_css_selector("#food span.dairy.aged")
    2. ------------------------ or -------------------------
    3. from selenium.webdriver.common.by import By
    4. cheese = driver.find_element(By.CSS_SELECTOR, "#food span.dairy.aged")
  • By XPath
    <input type="text" name="example" />
    <INPUT type="text" name="other" />
    实现
    1. inputs = driver.find_elements_by_xpath("//input")
    2. ------------------------ or -------------------------
    3. from selenium.webdriver.common.by import By
    4. inputs = driver.find_elements(By.XPATH, "//input")

鼠标动作链

有些时候，我们需要再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：

示例：

  1. #导入 ActionChains 类
  2. from selenium.webdriver import ActionChains
  4. # 鼠标移动到 ac 位置
  5. ac = driver.find_element_by_xpath('element')
  6. ActionChains(driver).move_to_element(ac).perform()
  9. # 在 ac 位置单击
  10. ac = driver.find_element_by_xpath("elementA")
  11. ActionChains(driver).move_to_element(ac).click(ac).perform()
  13. # 在 ac 位置双击
  14. ac = driver.find_element_by_xpath("elementB")
  15. ActionChains(driver).move_to_element(ac).double_click(ac).perform()
  17. # 在 ac 位置右击
  18. ac = driver.find_element_by_xpath("elementC")
  19. ActionChains(driver).move_to_element(ac).context_click(ac).perform()
  21. # 在 ac 位置左键单击hold住
  22. ac = driver.find_element_by_xpath('elementF')
  23. ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()
  25. # 将 ac1 拖拽到 ac2 位置
  26. ac1 = driver.find_element_by_xpath('elementD')
  27. ac2 = driver.find_element_by_xpath('elementE')
  28. ActionChains(driver).drag_and_drop(ac1, ac2).perform()

填充表单

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

  1. <select id="status" class="form-control valid" onchange="" name="status">
  2.     <option value=""></option>
  3.     <option value="0">未审核</option>
  4.     <option value="1">初审通过</option>
  5.     <option value="2">复审通过</option>
  6.     <option value="3">审核不通过</option>
  7. </select>

support.ui.select.png
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：

  1. # 导入 Select 类
  2. from selenium.webdriver.support.ui import Select
  4. # 找到 name 的选项卡
  5. select = Select(driver.find_element_by_name('status'))
  7. # 
  8. select.select_by_index(1)
  9. select.select_by_value("0")
  10. select.select_by_visible_text(u"未审核")

以上是三种选择下拉框的方式，它可以根据索引来选择，可以根据值来选择，可以根据文字来选择。注意：

  • index 索引从 0 开始
  • value是option标签的一个属性值，并不是显示在下拉框中的值
  • visible_text是在option标签文本的值，是显示在下拉框的值

全部取消选择怎么办呢？很简单:

select.deselect_all()

弹窗处理

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如下：

alert = driver.switch_to_alert()

页面切换

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：

driver.switch_to.window("this is window name")
也可以使用 window_handles 方法来获取每个窗口的操作对象。例如：

  1. for handle in driver.window_handles:
  2.     driver.switch_to_window(handle)

页面前进和后退

操作页面的前进和后退功能：

  1. driver.forward()     #前进
  2. driver.back()        # 后退

Cookies

获取页面每个Cookies值，用法如下

  1. for cookie in driver.get_cookies():
  2.     print "%s=%s;" % (cookie['name'], cookie['value'])

删除Cookies，用法如下

  2. # By name
  3. driver.delete_cookie("BAIDUID")
  5. # all
  6. driver.delete_all_cookies()

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。

为了避免这种元素定位困难而且会提高产生 ElementNotVisibleException 的概率。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，显式等待是指定某一条件直到这个条件成立时继续执行。

显式等待

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，那么便会抛出异常了。

  1. from selenium import webdriver
  2. from selenium.webdriver.common.by import By
  3. # WebDriverWait 库，负责循环等待
  4. from selenium.webdriver.support.ui import WebDriverWait
  5. # expected_conditions 类，负责条件出发
  6. from selenium.webdriver.support import expected_conditions as EC
  8. driver = webdriver.PhantomJS()
  9. driver.get("http://www.xxxxx.com/loading")
  10. try:
  11.     # 每隔10秒查找页面元素 id="myDynamicElement"，直到出现则返回
  12.     element = WebDriverWait(driver, 10).until(
  13.         EC.presence_of_element_located((By.ID, "myDynamicElement"))
  14.     )
  15. finally:
  16.     driver.quit()

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生成，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，你可以直接调用这些条件，而不用自己写某些等待条件了。

  1. title_is
  2. title_contains
  3. presence_of_element_located
  4. visibility_of_element_located
  5. visibility_of
  6. presence_of_all_elements_located
  7. text_to_be_present_in_element
  8. text_to_be_present_in_element_value
  9. frame_to_be_available_and_switch_to_it
  10. invisibility_of_element_located
  11. element_to_be_clickable – it is Displayed and Enabled.
  12. staleness_of
  13. element_to_be_selected
  14. element_located_to_be_selected
  15. element_selection_state_to_be
  16. element_located_selection_state_to_be
  17. alert_is_present

隐式等待

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。

  1. from selenium import webdriver
  3. driver = webdriver.PhantomJS()
  4. driver.implicitly_wait(10) # seconds
  5. driver.get("http://www.xxxxx.com/loading")
  6. myDynamicElement = driver.find_element_by_id("myDynamicElement")

当然如果不设置，默认等待时间为0。

Copyright © 黑五电商学院 amzfriday.com all right reserved