网站备案 选项,下载官方购物网站,栾城住房和城乡建设局网站,网站开发验收流程图一、selenium简介 由于requests模块是一个不完全模拟浏览器行为的模块#xff0c;只能爬取到网页的HTML文档信息#xff0c;无法解析和执行CSS、JavaScript代码#xff0c;因此需要我们做人为判断#xff1b; 1、什么是selenium selenium最初是一个自动化测试工具#…一、selenium简介由于requests模块是一个不完全模拟浏览器行为的模块只能爬取到网页的HTML文档信息无法解析和执行CSS、JavaScript代码因此需要我们做人为判断1、什么是seleniumselenium最初是一个自动化测试工具而爬虫中使用它主要是为了解决requests无法执行javaScript代码的问题。selenium模块本质是通过驱动浏览器完全模拟浏览器的操作比如跳转、输入、点击、下拉等来拿到网页渲染之后的结果可支持多种浏览器由于selenium解析执行了CSS、JavaScript所以相对requests它的性能是低下的2、selenium的用途1selenium可以驱动浏览器自动执行自定义好的逻辑代码也就是可以通过代码完全模拟成人类使用浏览器自动访问目标站点并操作那我们也可以拿它来做爬虫。2selenium本质上是通过驱动浏览器完全模拟浏览器的操作比如跳转、输入、点击、下拉等...进而拿到网页渲染之后的结果可支持多种浏览器二、selenium的安装与测试1、下载selenium模块pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple selenium或者在pycharm中下载2、安装浏览器驱动1) Google浏览器驱动在下载驱动之前查看一下chrome浏览器的版本号如下国内镜像网站地址http://npm.taobao.org/mirrors/chromedrive当然也可以去官网找最新的版本官网: https://sites.google.com/a/chromium.org/chromedriver/downloads另外注意把下载好的chromedriver.exe放到python安装路径的scripts目录中即可2) firefox浏览器驱动selenium3默认支持的webdriver是Firfox而Firefox需要安装geckodriver下载链接https://github.com/mozilla/geckodriver/releases3) 测试是否安装成功import time from selenium import webdriver browserwebdriver.Chrome() #实例化1个谷歌浏览器对象 browser.get(https://www.baidu.com/) time.sleep(5) browser.close()三、selenium的使用所谓模拟浏览器基本就是下面的流程请求显示页面查找元素点击可点击元素所以如何使用selenium找到页面中的标签进而触发标签事件就会变的尤为重要1. selenium选择器要想定位页面的元素selenium也提供了一系列的方法。1) 通过标签id属性进行定位browser.find_element_by_id(kw) # 其中kw便是页面中某个元素的id值2) 通过标签name属性进行定位# 两种方式是一样的 browser.find_element_by_name(wd) # 其中wd是页面中某个元素的name值3) 通过标签名进行定位browser.find_element_by_tag_name(img) # img参数表示的就是图片标签img4) 通过CSS查找方式进行定位browser.find_elements_by_css_selector(#kw) # 根据选择器进行定位查找其中#kw表示的是id选择器名称是kw的5) 通过xpath方式定位browser.find_element_by_xpath(//*[idkw]) # 参数即是xpath的语法6) 通过搜索页面中链接进行定位有时候不是一个输入框也不是一个按钮而是一个文字链接我们可以通过linkbrowser.find_element_by_link_text(设置)通过搜索页面中链接进行定位 可以支持模糊匹配**browser.find_element_by_partial_link_text(百度) # 查找页面所有的含有百度的文字链接2. selenium显示等待和隐式等待显示等待就是明确要等到某个元素的出现或者是某个元素的可点击等条件等不到就一直等除非在规定的时间之内都没找到就会跳出异常Exception操作格式WebDriverWait(driver, timeout, poll_frequency0.5, ignored_exceptionsNone)WebDriverWait()一般由until()或 until_not()方法配合使用 until(method, message )调用该方法提供的驱动程序作为一个参数直到返回值为True until_not(method, message )调用该方法提供的驱动程序作为一个参数直到返回值为Falsefrom 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 driver webdriver.chrome() driver.get(http://www.baidu.com) element WebDriverWait(driver, 5, 0.5).until(EC.presence_of_element_located((By.ID, kw))) element.send_keys(selenium)隐式等待就是在创建driver时为浏览器对象创建一个等待时间这个方法是得不到某个元素就等待一段时间直到拿到某个元素位置。注意在使用隐式等待的时候实际上浏览器会在你自己设定的时间内部断的刷新页面去寻找我们需要的元素driver.implicitly_wait() 默认设置为0例如driver.implicitly_wait(10) 。如果元素在10s内定位到了继续执行。如果定位不到将以循环方式判断元素是否被定位到。如果在10s内没有定位到则抛出异常from selenium import webdriver driver webdriver.chrome() driver.get(http://www.baidu.com) # 隐式等待10秒 driver.implicitly_wait(10)另外还有一种就是我们常用的sleep,我们称为强制等待。有时候我们希望脚本在执行到某一位置时暂停一段时间等待页面加载这时可以使用sleep()方法。sleep()方法会固定休眠一定的时长然后再继续执行。sleep()方法默认参数以秒为单位。from time import sleep from selenium import webdriver driver webdriver.chrome() driver.get(http://www.baidu.com) # 强制休眠2秒 sleep(2) driver.find_element_by_id(kw).send_keys(selenium)3. 元素交互操作用selenium做自动化有时候会遇到需要模拟鼠标操作才能进行的情况比如单击、双击、点击鼠标右键、拖拽滑动验证等等。而selenium给我们提供了一个类来处理这类事件——ActionChainsselenium.webdriver.common.action_chains.ActionChains(driver)这个类基本能够满足我们所有对鼠标操作的需求。1) actionChains的基本使用首先需要了解ActionChains的执行原理当你调用ActionChains的方法时不会立即执行而是会将所有的操作按顺序存放在一个队列里当你调用perform()方法时队列中的时间会依次执行。这种情况下我们可以有两种调用方法链式写法menu driver.find_element_by_css_selector(.div1) hidden_submenu driver.find_element_by_css_selector(.div1 #menu1) ActionChains(driver).move_to_element(menu).click(hidden_submenu).perform()分步写法menu driver.find_element_by_css_selector(.div1) hidden_submenu driver.find_element_by_css_selector(.div1 #menu1) actions ActionChains(driver) actions.move_to_element(menu) actions.click(hidden_submenu) actions.perform()两种写法本质是一样的ActionChains都会按照顺序执行所有的操作。2) actionChains方法列表click(on_elementNone) ——单击鼠标左键 click_and_hold(on_elementNone) ——点击鼠标左键不松开 context_click(on_elementNone) ——点击鼠标右键 double_click(on_elementNone) ——双击鼠标左键 drag_and_drop(source, target) ——拖拽到某个元素然后松开 drag_and_drop_by_offset(source, xoffset, yoffset) ——拖拽到某个坐标然后松开 key_down(value, elementNone) ——按下某个键盘上的键 key_up(value, elementNone) ——松开某个键 move_by_offset(xoffset, yoffset) ——鼠标从当前位置移动到某个坐标 move_to_element(to_element) ——鼠标移动到某个元素 move_to_element_with_offset(to_element, xoffset, yoffset) ——移动到距某个元素左上角坐标多少距离的位置 perform() ——执行链中的所有动作 release(on_elementNone) ——在某个元素位置松开鼠标左键 send_keys(*keys_to_send) ——发送某个键到当前焦点的元素 send_keys_to_element(element, *keys_to_send) ——发送某个键到指定元素示例代码from selenium import webdriver from selenium.webdriver.common.keys import Keys import time try: driver webdriver.Chrome() driver.implicitly_wait(10) # 1、往jd发送请求 driver.get(https://www.jd.com/) # 找到输入框输入围城 input_tag driver.find_element_by_id(key) input_tag.send_keys(华为) # 键盘回车 input_tag.send_keys(Keys.ENTER) time.sleep(2) # 找到输入框输入墨菲定 input_tag driver.find_element_by_id(key) input_tag.clear() input_tag.send_keys(樊登读书) # 找到搜索按钮点击搜索 button driver.find_element_by_class_name(button) button.click() time.sleep(10) finally: driver.close()或者前进后退相关import time from selenium import webdriver browser webdriver.Chrome() browser.get(https://www.cnblogs.com/xuanyuan/) browser.find_element_by_partial_link_text(我是如何把计算机网络考了100分的).click() time.sleep(3) browser.back() # 后退 time.sleep(3) browser.forward() # 前进 time.sleep(5) browser.close()四、综合案例import os from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.support import expected_conditions as EC # available since 2.26.0 from selenium.webdriver.support.ui import WebDriverWait # available since 2.4.0 from selenium.webdriver.support import expected_conditions import pandas as pd class MyCrawler(object): def __init__(self): self.path ./data if not os.path.exists(self.path): os.mkdir(self.path) self.driver webdriver.Chrome() self.base_url http://data.house.163.com/bj/housing/trend/district/todayprice/{date:s}/{interval:s}/allDistrict/1.html?districtname{disname:s}#stoppoint self.data None def craw_page(self, date2020.01.01-2020.12.30, intervalmonth, disname全市): driver self.driver url self.base_url.format(datedate, intervalinterval, disnamedisname) driver.get(url) try: WebDriverWait(driver, 10).until(EC.presence_of_element_located((By.ID, resultdiv_1))) self.data pd.DataFrame() ct True while ct: self.get_items_in_page(driver) e_pages driver.find_elements_by_xpath( //div[classpager_box]/a[classpager_b current]/following::a[classpager_b ]) if len(e_pages) 0: next_page_num e_pages[0].text e_pages[0].click() # 通过判断当前页是否为我们点击页面的方式来等待页面加载完成 WebDriverWait(driver, 10).until( expected_conditions.text_to_be_present_in_element( (By.XPATH, //a[classpager_b current]), next_page_num ) ) else: ct False brea return self.data finally: driver.quit() def get_items_in_page(self, driver): e_tr driver.find_elements_by_xpath(//tr[normalize-space(class)mBg1 or normalize-space(class)mBg2]) temp pd.DataFrame(e_tr, columns[web]) temp[时间] temp.web.apply(lambda x: x.find_element_by_class_name(wd2).text.split( )[0]) temp[套数] temp.web.apply(lambda x: x.find_element_by_class_name(wd5).text) temp[均价] temp.web.apply(lambda x: x.find_element_by_class_name(wd7).text) temp[去化] temp.web.apply(lambda x: x.find_element_by_class_name(wd14).text) del temp[web] self.data pd.concat([temp, self.data], axis0) mcraw MyCrawler() data mcraw.craw_page() data data.sort_values(by时间) print(data.to_string(indexFalse))