selenium
现在不少大网站有对selenium采取了监测机制。比如正常情况下我们用浏览器访问淘宝等网站的 window.navigator.webdriver的值为
undefined。而使用selenium访问则该值为true。那么如何解决这个问题呢？
只需要设置Chromedriver的启动参数即可解决问题。在启动Chromedriver之前，为Chrome开启实验性功能参数excludeSwitches，它的值为[‘enable-automation‘]，完整代码如下：
from selenium import webdriver from lxml import etree import time from selenium.webdriver import ChromeOptions option = ChromeOptions() option.add_experimental_option(‘excludeSwitches‘, [‘enable-automation‘]) bro = webdriver.Chrome(executable_path=‘./chromedriver.exe‘,options=option) #让浏览器对指定url发起访问 bro.get(‘http://125.35.6.84:81/xk/‘) #获取浏览器当前打开页面的页面源码数据(可见即可得) page_text = bro.page_source time.sleep(2) tree = etree.HTML(page_text) name = tree.xpath(‘//*[@id="gzlist"]/li[1]/dl/a/text()‘)[0] print(name) time.sleep(5) bro.quit()
简介
selenium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无法直接执行JavaScript代码的问题 selenium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
环境安装
1.下载安装
pip install selenium
2.下载浏览器驱动程序
http://chromedriver.storage.googleapis.com/index.html
3.查看浏览器版本与驱动的对应关系
https://blog.csdn.net/huilan_same/article/details/51896672
from selenium import webdriver from time import sleep # 后面是你的浏览器驱动位置，记得前面加r‘‘,‘r‘是防止字符转义的 driver = webdriver.Chrome(r‘./chromedriver.exe‘) # 用get打开百度页面 driver.get("http://www.baidu.com") # 查找页面的“设置”选项，并进行点击 driver.find_elements_by_link_text(‘设置‘)[0].click() sleep(2) # # 打开设置后找到“搜索设置”选项，设置为每页显示50条 driver.find_elements_by_link_text(‘搜索设置‘)[0].click() sleep(2) # 选中每页显示50条 m = driver.find_element_by_id(‘nr‘) sleep(2) m.find_element_by_xpath(‘//*[@id="nr"]/option[3]‘).click() m.find_element_by_xpath(‘.//option[3]‘).click() sleep(2) # 点击保存设置 driver.find_elements_by_class_name("prefpanelgo")[0].click() sleep(2) # 处理弹出的警告页面 确定accept() 和 取消dismiss() driver.switch_to_alert().accept() sleep(2) # 找到百度的输入框，并输入 美女 driver.find_element_by_id(‘kw‘).send_keys(‘美女‘) sleep(2) # 点击搜索按钮 driver.find_element_by_id(‘su‘).click() sleep(2) # 在打开的页面中找到“Selenium - 开源中国社区”，并打开这个页面 driver.find_elements_by_link_text(‘美女_百度图片‘)[0].click() sleep(3) # 关闭浏览器 driver.quit()
from selenium import webdriver from lxml import etree import time bro = webdriver.Chrome(executable_path=‘./chromedriver.exe‘) #让浏览器对指定url发起访问 bro.get(‘http://125.35.6.84:81/xk/‘) #获取浏览器当前打开页面的页面源码数据(可见即可得) page_text = bro.page_source time.sleep(2) tree = etree.HTML(page_text) name = tree.xpath(‘//*[@id="gzlist"]/li[1]/dl/a/text()‘)[0] print(name) time.sleep(3) bro.quit()
Selenium支持非常多的浏览器，如Chrome、Firefox、Edge等，还有Android、BlackBerry等手机端的浏览器。另外，也支持无界面浏览器PhantomJS。
from selenium import webdriver browser = webdriver.Chrome() browser = webdriver.Firefox() browser = webdriver.Edge() browser = webdriver.PhantomJS() browser = webdriver.Safari()
常用的元素定位方式:
find_element_by_id()
find_element_by_name()
find_element_by_class_name()
find_element_by_tag_name()
find_element_by_link_text()
find_element_by_partial_link_text()
find_element_by_xpath()
find_element_by_css_selector()
注意
find_element()，它需要传入两个参数：查找方式By和值。实际上，它就是find_element_by_id()这种方法的通用函数版本，比如find_element_by_id(id)就等价于find_element(By.ID, id)，二者得到的结果完全一致。 Selenium可以驱动浏览器来执行一些操作，也就是说可以让浏览器模拟执行一些动作。比较常见的用法有：输入文字时用send_keys()方法，清空文字时用clear()方法，点击按钮时用click()方法。
from selenium import webdriver import time browser = webdriver.Chrome() browser.get(‘https://www.taobao.com‘) input = browser.find_element_by_id(‘q‘) input.send_keys(‘MAC‘) time.sleep(1) input.clear() input.send_keys(‘IPhone‘) button = browser.find_element_by_class_name(‘btn-search‘) button.click() browser.quit()
找到淘宝页面的搜索element元素,并填入搜索条件,滚动窗口之后搜索
from selenium import webdriver import time bro = webdriver.Chrome(executable_path=‘./chromedriver.exe‘) bro.get(‘https://www.taobao.com‘) #节点定位 find系列的方法 input_text = bro.find_element_by_id(‘q‘)
#节点交互 input_text.send_keys(‘苹果‘) time.sleep(2) #执行js程序(js注入) bro.execute_script(‘window.scrollTo(0,document.body.scrollHeight)‘) btn = bro.find_element_by_css_selector(‘.btn-search‘) btn.click() time.sleep(3) bro.quit()
一些操作，它们没有特定的执行对象，比如鼠标拖曳、键盘按键等，这些动作用另一种方式来执行，那就是动作链。比如，现在实现一个节点的拖曳操作，将某个节点从一处拖曳到另外一处，可以这样实现：
from selenium import webdriver #导入动作链对应的模块 from selenium.webdriver import ActionChains import time bro = webdriver.Chrome(executable_path=‘./chromedriver.exe‘) bro.get(‘https://www.runoob.com/try/try.php?filename=jqueryui-api-droppable‘) #如果定位的节点是被包含在iframes节点之中的，则必须使用switch_to进行frame的切换 bro.switch_to.frame(‘iframeResult‘) div_tag = bro.find_element_by_id(‘draggable‘) #实例化一个动作链对象(需要将浏览器对象作为参数传递给该对象的构造方法) action = ActionChains(bro) #单击且长按 action.click_and_hold(div_tag) for i in range(5): #让div向右移动 action.move_by_offset(17,0).perform() #perform()立即执行动作链 time.sleep(0.5) time.sleep(2) bro.quit()
对于某些操作，Selenium API并没有提供。比如，下拉进度条，它可以直接模拟运行JavaScript，此时使用execute_script()方法即可实现，代码如下：
from selenium import webdriver browser = webdriver.Chrome() browser.get(‘https://www.jd.com/‘) browser.execute_script(‘window.scrollTo(0, document.body.scrollHeight)‘) browser.execute_script(‘alert("123")‘)
通过page_source属性可以获取网页的源代码，接着就可以使用解析库（如正则表达式、Beautiful Soup、pyquery等）来提取信息了
模拟浏览器的前进后退 import time from selenium import webdriver browser=webdriver.Chrome() browser.get(‘https://www.baidu.com‘) browser.get(‘https://www.taobao.com‘) browser.get(‘http://www.sina.com.cn/‘) browser.back() time.sleep(10) browser.forward() browser.close()
使用Selenium，还可以方便地对Cookies进行操作，例如获取、添加、删除Cookies等。示例如下：
from selenium import webdriver browser = webdriver.Chrome() browser.get(‘https://www.zhihu.com/explore‘) print(browser.get_cookies()) browser.add_cookie({‘name‘: ‘name‘, ‘domain‘: ‘www.zhihu.com‘, ‘value‘: ‘germey‘}) print(browser.get_cookies()) browser.delete_all_cookies() print(browser.get_cookies())
from selenium import webdriver from selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameException try: browser=webdriver.Chrome() browser.get(‘http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable‘) browser.switch_to.frame(‘iframssseResult‘) except TimeoutException as e: print(e) except NoSuchFrameException as e: print(e) finally: browser.close()
原文：https://www.cnblogs.com/robertx/p/10951460.html