Selenium 与PhantomJS

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：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。

注意：PhantomJS 只能从它的官方网站http://phantomjs.org/download.html) 下载。 因为 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

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。

# IPython2 测试代码# 导入 webdriverfrom selenium import webdriver# 要想调用键盘按键操作需要引入keys包from selenium.webdriver.common.keys import Keys# 调用环境变量指定的PhantomJS浏览器创建浏览器对象driver = webdriver.PhantomJS()# 如果没有在环境变量指定PhantomJS位置# driver = webdriver.PhantomJS(executable_path="./phantomjs"))# 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)driver.get("http://www.baidu.com/")# 获取页面名为 wrapper的id标签的文本内容data = driver.find_element_by_id("wrapper").text# 打印数据内容print data# 打印页面标题 "百度一下，你就知道"print driver.title# 生成当前页面快照并保存driver.save_screenshot("baidu.png")# id="kw"是百度搜索输入框，输入字符串"长城"driver.find_element_by_id("kw").send_keys(u"长城")# id="su"是百度搜索按钮，click() 是模拟点击driver.find_element_by_id("su").click()# 获取新的页面快照driver.save_screenshot("长城.png")# 打印网页渲染后的源代码print driver.page_source# 获取当前页面Cookieprint driver.get_cookies()# ctrl+a 全选输入框内容driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'a')# ctrl+x 剪切输入框内容driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'x')# 输入框重新输入内容driver.find_element_by_id("kw").send_keys("itcast")# 模拟Enter回车键driver.find_element_by_id("su").send_keys(Keys.RETURN)# 清除输入框内容driver.find_element_by_id("kw").clear()# 生成新的页面快照driver.save_screenshot("itcast.png")# 获取当前urlprint driver.current_url# 关闭当前页面，如果只有一个页面，会关闭浏览器# driver.close()# 关闭浏览器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：

# 获取id标签值element = driver.find_element_by_id("passwd-id")# 获取name标签值element = driver.find_element_by_name("user-name")# 获取标签名值element = driver.find_elements_by_tag_name("input")# 也可以通过XPath来匹配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

find_element_by_idfind_elements_by_namefind_elements_by_xpathfind_elements_by_link_textfind_elements_by_partial_link_textfind_elements_by_tag_namefind_elements_by_class_namefind_elements_by_css_selector

By ID<div id="coolestWidgetEvah">...</div>实现element = driver.find_element_by_id("coolestWidgetEvah")------------------------ or -------------------------from selenium.webdriver.common.by import Byelement = 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cheeses = driver.find_elements_by_class_name("cheese")------------------------ or -------------------------from selenium.webdriver.common.by import Bycheeses = driver.find_elements(By.CLASS_NAME, "cheese")By Tag Name<iframe src="..."></iframe>实现frame = driver.find_element_by_tag_name("iframe")------------------------ or -------------------------from selenium.webdriver.common.by import Byframe = driver.find_element(By.TAG_NAME, "iframe")By Name<input name="cheese" type="text"/>实现cheese = driver.find_element_by_name("cheese")------------------------ or -------------------------from selenium.webdriver.common.by import Bycheese = driver.find_element(By.NAME, "cheese")By Link Text<a href="http://www.google.com/search?q=cheese">cheese</a>实现cheese = driver.find_element_by_link_text("cheese")------------------------ or -------------------------from selenium.webdriver.common.by import Bycheese = 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cheese = driver.find_element_by_partial_link_text("cheese")------------------------ or -------------------------from selenium.webdriver.common.by import Bycheese = 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cheese = driver.find_element_by_css_selector("#food span.dairy.aged")------------------------ or -------------------------from selenium.webdriver.common.by import Bycheese = driver.find_element(By.CSS_SELECTOR, "#food span.dairy.aged")By XPath<input type="text" name="example" /><INPUT type="text" name="other" />实现inputs = driver.find_elements_by_xpath("//input")------------------------ or -------------------------from selenium.webdriver.common.by import Byinputs = 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：

#导入 ActionChains 类from selenium.webdriver import ActionChains# 鼠标移动到 ac 位置ac = driver.find_element_by_xpath('element')ActionChains(driver).move_to_element(ac).perform()# 在 ac 位置单击ac = driver.find_element_by_xpath("elementA")ActionChains(driver).move_to_element(ac).click(ac).perform()# 在 ac 位置双击ac = driver.find_element_by_xpath("elementB")ActionChains(driver).move_to_element(ac).double_click(ac).perform()# 在 ac 位置右击ac = driver.find_element_by_xpath("elementC")ActionChains(driver).move_to_element(ac).context_click(ac).perform()# 在 ac 位置左键单击hold住ac = driver.find_element_by_xpath('elementF')ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()# 将 ac1 拖拽到 ac2 位置ac1 = driver.find_element_by_xpath('elementD')ac2 = driver.find_element_by_xpath('elementE')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<select> </select>标签的下拉框。直接点击下拉框中的选项不一定可行。

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

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：

# 导入 Select 类from selenium.webdriver.support.ui import Select# 找到 name 的选项卡select = Select(driver.find_element_by_name('status'))# select.select_by_index(1)select.select_by_value("0")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：

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

页面前进和后退

操作页面的前进和后退功能：

Cookies

driver.forward()     #前进driver.back()        # 后退获取页面每个Cookies值，用法如下for cookie in driver.get_cookies():    print "%s -> %s" % (cookie['name'], cookie['value'])删除Cookies，用法如下# By namedriver.delete_cookie("CookieName")# alldriver.delete_all_cookies()

页面等待

注意：这是非常重要的一部分！！

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。

from selenium import webdriverfrom selenium.webdriver.common.by import By# WebDriverWait 库，负责循环等待from selenium.webdriver.support.ui import WebDriverWait# expected_conditions 类，负责条件出发from selenium.webdriver.support import expected_conditions as ECdriver = webdriver.Chrome()driver.get("http://www.xxxxx.com/loading")try:    # 页面一直循环，直到 id="myDynamicElement" 出现    element = WebDriverWait(driver, 10).until(        EC.presence_of_element_located((By.ID, "myDynamicElement"))    )finally:    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。

title_istitle_containspresence_of_element_locatedvisibility_of_element_locatedvisibility_ofpresence_of_all_elements_locatedtext_to_be_present_in_elementtext_to_be_present_in_element_valueframe_to_be_available_and_switch_to_itinvisibility_of_element_locatedelement_to_be_clickable – it is Displayed and Enabled.staleness_ofelement_to_be_selectedelement_located_to_be_selectedelement_selection_state_to_beelement_located_selection_state_to_bealert_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。

from selenium import webdriverdriver = webdriver.Chrome()driver.implicitly_wait(10) # secondsdriver.get("http://www.xxxxx.com/loading")myDynamicElement = driver.find_element_by_id("myDynamicElement")

当然如果不设置，默认等待时间为0。