詳解Selenium+PhantomJS+python簡單實現(xiàn)爬蟲的功能
Selenium
一、簡介
selenium是一個用于Web應用自動化程序測試的工具，測試直接運行在瀏覽器中，就像真正的用戶在操作一樣
selenium2支持通過驅(qū)動真實瀏覽器（FirfoxDriver，IternetExplorerDriver，OperaDriver，ChromeDriver）
selenium2支持通過驅(qū)動無界面瀏覽器（HtmlUnit，PhantomJs）
二、安裝
Windows
第一種方法是：下載源碼安裝，下載地址（https://pypi.python.org/pypi/selenium）解壓并把整個目錄放到C:\Python27\Lib\site-packages下面
第二種方法是：可以直接在C:\Python27\Scripts 下輸入命令安裝 pip install -U selenium
sudo pip install selenium
PhantomJS
一、簡介
PhantomJS 是一個基于 WebKit（WebKit是一個開源的瀏覽器引擎，Chrome，Safari就是用的這個瀏覽器引擎） 的服務器端 JavaScript API，主要應用場景是：無需瀏覽器的 Web 測試，頁面訪問自動化，屏幕捕獲，網(wǎng)絡監(jiān)控
二、安裝
Windows
下載源碼安裝，下載地址（http://phantomjs.org/download.html）解壓并把解壓縮的路徑添加到環(huán)境變量中即可，我自己的放到了C:\Python27\Scripts 下面
Linux
sudo apt-get install PhantomJS
Selenium + PhantomJS + python 簡單實現(xiàn)爬蟲的功能
python可以使用selenium執(zhí)行javascript，selenium可以讓瀏覽器自動加載頁面，獲取需要的數(shù)據(jù)。selenium自己不帶瀏覽器，可以使用第三方瀏覽器如Firefox，Chrome等，也可以使用headless瀏覽器如PhantomJS在后臺執(zhí)行。
在工作用遇到一個問題,當加載一個手機端的URL時候，會加載不上，需要我們在請求頭中設置一個User-Agent，設置完以后就可以打開了（Windows下執(zhí)行，linux下執(zhí)行的話就不用加executable_path='C:\Python27\Scripts\phantomjs.exe'）
from selenium import webdriver
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities
dcap = dict(DesiredCapabilities.PHANTOMJS) #設置userAgent
dcap["phantomjs.page.settings.userAgent"] = ("Mozilla/5.0 (Macintosh; Intel Mac OS X 10.9; rv:25.0) Gecko/20100101 Firefox/25.0 ")
obj = webdriver.PhantomJS(executable_path='C:\Python27\Scripts\phantomjs.exe',desired_capabilities=dcap) #加載網(wǎng)址
obj.get('http://wap.95533pc.com')#打開網(wǎng)址
obj.save_screenshot("1.png") #截圖保存
obj.quit() # 關閉瀏覽器。當出現(xiàn)異常時記得在任務瀏覽器中關閉PhantomJS，因為會有多個PhantomJS在運行狀態(tài)，影響電腦性能
一、超時設置
webdriver類中有三個和時間相關的方法：
1.pageLoadTimeout 設置頁面完全加載的超時時間，完全加載即完全渲染完成，同步和異步腳本都執(zhí)行完
2.setScriptTimeout 設置異步腳本的超時時間
3.implicitlyWait 識別對象的智能等待時間
下面我們以獲取?；ňW(wǎng)title為例來驗證效果，因為?；ňW(wǎng)中圖片比較多，所以加載的時間比較長，更能時間我們的效果（另一原因我就不說了，這樣才能讓我們學起來帶勁，哈哈?。。。?/p>
from selenium import webdriver
obj = webdriver.PhantomJS(executable_path="D:\Python27\Scripts\phantomjs.exe")
obj.set_page_load_timeout(5)
try:
obj.get('http://www.xiaohuar.com')
print obj.title
except Exception as e:
print e
二、元素的定位
對象的定位是通過屬性定位來實現(xiàn)的，這種屬性就像人的身份證信息一樣，或是其他的一些信息來找到這個對象，那我們下面就介紹下Webdriver提供的幾個常用的定位方法
<input id="kw" name="wd" class="s_ipt" value="" maxlength="255" autocomplete="off">
上面這個是百度的輸入框，我們可以發(fā)現(xiàn)我們可以用id來定位這個標簽，然后就可以進行后面的操作了
from selenium import webdriver
obj = webdriver.PhantomJS(executable_path="D:\Python27\Scripts\phantomjs.exe")
obj.set_page_load_timeout(5)
try:
obj.get('http://www.baidu.com')
obj.find_element_by_id('kw') #通過ID定位
obj.find_element_by_class_name('s_ipt') #通過class屬性定位
obj.find_element_by_name('wd') #通過標簽name屬性定位
obj.find_element_by_tag_name('input') #通過標簽屬性定位
obj.find_element_by_css_selector('#kw') #通過css方式定位
obj.find_element_by_xpath("http://input[@id='kw']") #通過xpath方式定位
obj.find_element_by_link_text("貼吧") #通過xpath方式定位
print obj.find_element_by_id('kw').tag_name #獲取標簽的類型
except Exception as e:
print e
三、瀏覽器的操作
1、調(diào)用啟動的瀏覽器不是全屏的，有時候會影響我們的某些操作，所以我們可以設置全屏
from selenium import webdriver
obj = webdriver.PhantomJS(executable_path="D:\Python27\Scripts\phantomjs.exe")
obj.set_page_load_timeout(5)
obj.maximize_window() #設置全屏
try:
obj.get('http://www.baidu.com')
obj.save_screenshot('11.png') # 截取全屏，并保存
except Exception as e:
print e
2、設置瀏覽器寬、高
from selenium import webdriver
obj = webdriver.PhantomJS(executable_path="D:\Python27\Scripts\phantomjs.exe")
obj.set_page_load_timeout(5)
obj.set_window_size('480','800') #設置瀏覽器寬480，高800
try:
obj.get('http://www.baidu.com')
obj.save_screenshot('12.png') # 截取全屏，并保存
except Exception as e:
print e
3、操作瀏覽器前進、后退
from selenium import webdriver
obj = webdriver.PhantomJS(executable_path="D:\Python27\Scripts\phantomjs.exe")
try:
obj.get('http://www.baidu.com') #訪問百度首頁
obj.save_screenshot('1.png')
obj.get('http://www.sina.com.cn') #訪問新浪首頁
obj.save_screenshot('2.png')
obj.back() #回退到百度首頁
obj.save_screenshot('3.png')
obj.forward() #前進到新浪首頁
obj.save_screenshot('4.png')
except Exception as e:
print e
四、操作測試對象
定位到元素以后，我們就應該對相應的對象進行某些操作，以達到我們某些特定的目的，那我們下面就介紹下Webdriver提供的幾個常用的操作方法
from selenium import webdriver
obj = webdriver.PhantomJS(executable_path="D:\Python27\Scripts\phantomjs.exe")
obj.set_page_load_timeout(5)
try:
obj.get('http://www.baidu.com')
print obj.find_element_by_id("cp").text # 獲取元素的文本信息
obj.find_element_by_id('kw').clear() #用于清除輸入框的內(nèi)容
obj.find_element_by_id('kw').send_keys('Hello') #在輸入框內(nèi)輸入Hello
obj.find_element_by_id('su').click() #用于點擊按鈕
obj.find_element_by_id('su').submit() #用于提交表單內(nèi)容
except Exception as e:
print e
五、鍵盤事件
1、鍵盤按鍵用法
from selenium.webdriver.common.keys import Keys
obj = webdriver.PhantomJS(executable_path="D:\Python27\Scripts\phantomjs.exe")
obj.set_page_load_timeout(5)
try:
obj.get('http://www.baidu.com')
obj.find_element_by_id('kw').send_keys(Keys.TAB) #用于清除輸入框的內(nèi)容,相當于clear()
obj.find_element_by_id('kw').send_keys('Hello') #在輸入框內(nèi)輸入Hello
obj.find_element_by_id('su').send_keys(Keys.ENTER) #通過定位按鈕，通過enter（回車）代替click()
except Exception as e:
print e
2、鍵盤組合鍵使用
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
obj = webdriver.PhantomJS(executable_path="D:\Python27\Scripts\phantomjs.exe")
obj.set_page_load_timeout(5)
try:
obj.get('http://www.baidu.com')
obj.find_element_by_id('kw').send_keys(Keys.TAB) #用于清除輸入框的內(nèi)容,相當于clear()
obj.find_element_by_id('kw').send_keys('Hello') #在輸入框內(nèi)輸入Hello
obj.find_element_by_id('kw').send_keys(Keys.CONTROL,'a') #ctrl + a 全選輸入框內(nèi)容
obj.find_element_by_id('kw').send_keys(Keys.CONTROL,'x') #ctrl + x 剪切輸入框內(nèi)容
except Exception as e:
print e
六、中文亂碼問題
selenium2 在python的send_keys（）中輸入中文會報錯，其實在中文前面加一個u變成unicode就能搞定了
七、鼠標事件
1、鼠標右擊
from selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains
obj = webdriver.PhantomJS(executable_path="D:\Python27\Scripts\phantomjs.exe")
try:
obj.get("http://pan.baidu.com")
obj.find_element_by_id('TANGRAM__PSP_4__userName').send_keys('13201392325') #定位并輸入用戶名
obj.find_element_by_id('TANGRAM__PSP_4__password').send_keys('18399565576lu') #定位并輸入密碼
obj.find_element_by_id('TANGRAM__PSP_4__submit').submit() #提交表單內(nèi)容
f = obj.find_element_by_xpath('/html/body/div/div[2]/div[2]/....') #定位到要點擊的標簽
ActionChains(obj).context_click(f).perform() #對定位到的元素進行右鍵點擊操作
except Exception as e:
print e
2、鼠標雙擊
from selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains
obj = webdriver.PhantomJS(executable_path="D:\Python27\Scripts\phantomjs.exe")
try:
obj.get("http://pan.baidu.com")
obj.find_element_by_id('TANGRAM__PSP_4__userName').send_keys('13201392325') #定位并輸入用戶名
obj.find_element_by_id('TANGRAM__PSP_4__password').send_keys('18399565576lu') #定位并輸入密碼
obj.find_element_by_id('TANGRAM__PSP_4__submit').submit() #提交表單內(nèi)容
f = obj.find_element_by_xpath('/html/body/div/div[2]/div[2]/....') #定位到要點擊的標簽
ActionChains(obj).double_click(f).perform() #對定位到的元素進行雙擊操作
except Exception as e:
print e
以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
相關文章
本篇文章主要介紹了詳解Python異常處理中的Finally else的功能，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-12-12
這篇文章主要介紹了樹莓派(python)與arduino串口通信的詳細步驟,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-11-11
這篇文章主要介紹了Python實現(xiàn)購物車功能的方法,結(jié)合實例形式分析了Python實現(xiàn)購物車功能的具體步驟、相關操作技巧與注意事項,需要的朋友可以參考下2017-11-11
Python接口自動化淺析數(shù)據(jù)驅(qū)動原理
這篇文章主要介紹了Python接口自動化淺析數(shù)據(jù)驅(qū)動原理,文中會詳細描述怎樣使用openpyxl模塊操作excel及結(jié)合ddt來實現(xiàn)數(shù)據(jù)驅(qū)動，有需要的朋友可以參考下2021-08-08
用Python(Tornado)模擬登錄小米帳號,搶小米手機2013-11-11
python爬蟲使用requests發(fā)送post請求示例詳解
這篇文章主要介紹了python爬蟲使用requests發(fā)送post請求示例詳解，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-08-08
這篇文章主要為大家詳細介紹了openCV提取圖像中的矩形區(qū)域，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2020-07-07
這篇文章主要介紹了Python3.5多進程原理與用法,結(jié)合實例形式分析了多進程的原理、單進程、多進程、進程類及進程隊列等相關定義與使用技巧,需要的朋友可以參考下2019-04-04
Python使用sqlite3第三方庫讀寫SQLite數(shù)據(jù)庫的方法步驟
數(shù)據(jù)庫非常重要,程序的數(shù)據(jù)增刪改查需要數(shù)據(jù)庫支持,python處理數(shù)據(jù)庫非常簡單,而且不同類型的數(shù)據(jù)庫處理邏輯方式大同小異,下面這篇文章主要給大家介紹了關于Python使用sqlite3第三方庫讀寫SQLite數(shù)據(jù)庫的方法步驟,需要的朋友可以參考下2022-07-07
這篇文章主要介紹了python導入時小括號的大作用，非常的簡單實用，希望這個小技巧能夠幫到大家2017-01-01