Python selenium 入手篇

selenium 项目最早是为测试浏览器、网页开发的，并且广泛应用于爬虫，需要注意 selenium 不是单个软件，它其实由一系列的工具组成。

selenium 与 webdriver 是两个项目， webdriver 是对 selenium 的二次开发，selenium 存在三个大版本，关系如下所示：

selenium1.0 + webdriver = selenium2.0

怎么用

selenium 安装

使用命令 pip install selenium 即可安装 selenium 库，安装完毕直接通过 import selenium 测试即可。

接下来还需要下载一个 WebDriver，它用于驱动浏览器运行。

chrome 浏览器 的 WebDriver（chromedriver.exe），可以在下述地址下载：
http://npm.taobao.org/mirrors/chromedriver/

firefox 浏览器的 WebDriver（geckodriver.exe），可以在下述地址下载：
https://github.com/mozilla/geckodriver/releases

其他浏览器驱动：
Edge:https://developer.microsoft.com/en-us/micrsosft-edage/tools/webdriver
Safari:https://webkit.org/blog/6900/webdriver-support-in-safari-10/

一般使用 chrome 浏览器，在下载前，先查询本地 chrome 浏览器版本。

下载文件之后，解压到一个固定目录，记住该地址，需要在环境变量中进行配置。

G:\chromedriver_win32

测试配置是否正确：

from selenium import webdriver

driver = webdriver.Chrome()

运行代码出现谷歌浏览器，表示安装完成。

编写第一个 selenium 案例
使用 selenium 打开百度首页。

from selenium import webdriver

driver = webdriver.Chrome()

# 设置浏览器大小
driver.set_window_size(800,600)
# 可以直接最大化
driver.maximize_window()

# 打开百度
driver.get("http://www.baidu.com")

webdriver 对浏览器基本操作

基本操作包括：

• 打开浏览器
• 关闭浏览器
• 前进
• 后退
• 刷新

from selenium import webdriver
import time

driver = webdriver.Chrome()

driver.maximize_window()  # 最大化浏览器窗口

driver.get("http://www.baidu.com")  # 打开百度

time.sleep(1)  # 暂停1秒钟
driver.get("https://www.csdn.net/")  # 打开 CSDN 首页

time.sleep(1)  # 暂停1秒钟
driver.back()  # 回退

time.sleep(1)  # 暂停1秒钟
driver.forward()  # 前进

time.sleep(1)  # 暂停1秒钟
driver.refresh()  # 页面刷新

time.sleep(1)  # 暂停1秒钟
driver.quit()  # 浏览器关闭

网页元素定位

元素定位需要 HTML 基础支持，这部分内容直接百度学习即可，selenium 提供了 8 种网页元素定位方式，分别如下：

1. 根据 ID 定位，对应的方法是 find_element_by_id() 和 find_elements_by_id()；
2. 根据 class 定位，对应的方法是 find_element_by_class_name() 和 find_elements_by_class_name()；
3. 根据标签名定位，对应的方法是 find_element_by_tag_name() 和 find_elements_by_tag_name()；
4. 根据 CSS 选择器定位，对应的方法是 find_element_by_css_selector() 和 find_elements_by_css_selector()；
5. 根据 name 定位，对应的方法是 find_element_by_name() 和 find_elements_by_name()；
6. 使用 XPath 定位，对应的方法是 find_element_by_xpath() 和 find_elements_by_xpath()；
7. 根据链接文本定位，对应的方法是 find_element_by_link_text() 和 find_elements_by_link_text()；
8. 根据部分链接文本定位，对应的方法是 find_element_by_partial_link_text() 和 find_elements_by_partial_link_text()。

其中返回 element 表示单数（第一个），返回 elements 表示复数，得到全部。

接下来用 简书 jianshu.com 首页，完成定位测试。

通过 ID 与 name 进行定位

from selenium import webdriver

driver = webdriver.Chrome()

driver.maximize_window()  # 最大化浏览器窗口

driver.get("http://www.jianshu.com")  # 打开简书

driver.find_element_by_id("q").send_keys("梦想橡皮擦")  # 通过ID检索搜索框，并输入文本
driver.find_element_by_class_name("search-btn").click()  # 通过 class name 搜索按钮，并点击

代码中的 send_keys() 表示想目标元素输入数据，click() 表示点击操作。

查看元素各种属性依赖浏览器的开发者工具，这些都属于前端知识，大家可以针对性的补充。

通过 XPath 表达式进行定位
XPath 定位重点要学习的是 XPath 语句的写法，可以参考：https://dream.blog.csdn.net/article/details/119633700 进行学习。

通过 class（类）名进行定位
注意该定位方式不支持复合类名，例如 <ul class="nav navbar-nav"></i>，无法使用 driver.find_element_by_class_name("nav navbar-nav") 进行获取，仅支持单独的 class 名称。

其余获取元素的方式基本雷同，一般情况下使用 ID 和 class（类）名获取元素场景比较多。

selenium 入手篇扩展知识

安装 PhanomJS

仅作为扩展知识，最新版本的 selenium 已经不支持 PhanomJS

PhanomJS 是一款隐形浏览器（无界面 / 无头浏览器），主要用于自动化测试，网络爬虫，网络监控等领域。

下载与安装非常简单，打开国内镜像网站下载即可，一般不要下载 beta 版本。

https://npm.taobao.org/mirrors/phantomjs

解压文件，获取 bin 目录完整路径，填写到环境变量中。
配置完毕，在控制台输入 phantomjs -v 查看程序对应版本。

由于谷歌和火狐浏览器都推出了无头浏览器，所以 selenium 弃用了 PhantomJS，使用 Chrome 无头浏览器的方式为：

from selenium import webdriver

opt = webdriver.ChromeOptions()  # 创建 chrome 参数对象

opt.headless = True  # 设置无头浏览器

driver = webdriver.Chrome(options=opt)  # 创建 chrome 无界面对象

driver.get("http://www.jianshu.com")  # 打开简书

title = driver.title
print("网页标题是：", title)

driver.save_screenshot("./jianshu.png")

有的博客在设置无头浏览器时，会使用如下函数：opt.set_headless()，不过在最新版本中也已经被废弃，使用 opt.headless 即可。

还可以编写如下代码：

from selenium import webdriver
from selenium.webdriver.chrome.options import Options

opt = Options()  # 创建 chrome 参数对象
opt.add_argument('-headless')  # 无头参数

driver = webdriver.Chrome(options=opt)  # 创建 chrome 无界面对象

driver.get("http://www.jianshu.com")  # 打开简书

title = driver.title
print("网页标题是：", title)

driver.save_screenshot("./jianshu.png")

selenium 退出有两种方式：

• driver.close()：不会清除临时文件夹中的 WebDriver 临时文件；
• driver.quit()：删除临时文件夹。

表象的理解 close 与 quit 的区别是，close 关闭浏览器当前标签，quit 关闭浏览器。