码迷,mamicode.com
首页 > 编程语言 > 详细

python爬虫(三)

时间:2018-06-24 00:35:43      阅读:185      评论:0      收藏:0      [点我收藏+]

标签:方式   omd   check   a long   面具   本地   页面   quit   alt   

 

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 Webdriver。
Selenium 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。以及,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:
Google的我推荐给大家一个百度地址:
链接:https://pan.baidu.com/s/1qZ2LfmW 密码:qixa
下载以后,并把chromdriver放在google.exe那个当前目录下面。

import os
from selenium import webdriver
from selenium.webdriver.common.keys import Keys

chromedriver = "C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe"
#print(os.environ)
os.environ["webdriver.chrome.driver"] = chromedriver  # 把chromedriver.exe的路径加入环境变量中
driver = webdriver.Chrome(chromedriver)  # 启动谷歌浏览器
driver.get("http://www.python.org")  # 用浏览器打开该网址
driver.quit()

结果如下图:

技术分享图片

 

 八种选择器

1. find_elements_by_name("test")
假如有如下一个页面:

<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()

element = driver.find_element_by_id("passwd-id")

find_element_by_tagname

element = driver.find_element_by_tagname("input")

3. find_element_by_class_name("input-class")

4. find_elements_by_tag_name("iframe")

DOM的Tag元素
用Tag name 定位元素的例子:
<iframe src="..."></iframe>
element = driver.find_elements_by_tag_name("iframe")

5. find_element_by_link_text()
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,即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         获取文本的值

按钮

element.click()

表单提交

element.submit()

单选和多选框

element.clear()
element = browser.find_elements_by_id("checkbox")

选择某个单选项

element.click()

 

常用方法

browser.get_cookies()
browser.title       # 头名字
browser.close() 
browser.forward()   # 前进
browser.back()      # 后退
browser.refresh()   # 刷新
browser.current_url # 返回当前页面

 

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")  # chromedriver.exe存放路径
url = "https://kyfw.12306.cn/otn/login/init"  # 要登录的网址

browser.get(url=url)
print(browser.find_element_by_id("username").text)
browser.find_element_by_id("username").clear()  # 清空输入框数据
browser.find_element_by_id("username").send_keys("974644081@qq.com")  # 发送用户名到输入框
randomSleep(2, 5)
browser.find_element_by_id("password").send_keys("xxxxxxxxx")  # 发送密码到输入框
randomSleep(1, 4)
time.sleep(6)
browser.find_element_by_id("loginSub").click()   # 点击登录按钮
randomSleep(2, 5)
print(browser.get_cookies())
browser.quit()

 

登录京东

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")  # chromedriver.exe存放路径
# browser = webdriver.Chrome()

browser.get("https://passport.jd.com/new/login.aspx")  # 要登录的网址

# Login by username and password
randomSleep(1, 2)
browser.find_element_by_xpath("//a[@clstag=‘pageclick|keycount|201607144|2‘]").click()
# browser.find_element_by_tag_name("pageclick|keycount|201607144|2").click()

# Username and password
randomSleep(1, 2)
browser.find_element_by_id("loginname").send_keys("xxxxxxx")  # 发送登录用户名
print(browser.find_element_by_id("loginname").text)

randomSleep(1, 3)
browser.find_element_by_id("nloginpwd").send_keys("xxxxxx")  # 发送登录密码

# Submit, wait for a long time
randomSleep(5, 10)
browser.find_element_by_id("loginsubmit").click()  # 点击登录提交按钮
print(browser.get_cookies())
randomSleep(3, 5)
browser.quit()

 

python爬虫(三)

标签:方式   omd   check   a long   面具   本地   页面   quit   alt   

原文地址:https://www.cnblogs.com/yangjian319/p/9219058.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!