【爬虫开发】爬虫开发从0到1全知识教程第5篇：Selenium课程概要,获取当前标签页的全部cookie信息【附代码文档】

举报
程序员一诺python 发表于 2025/07/27 11:09:30 2025/07/27
【摘要】 Mongodb数据库 介绍 内容 mongodb的简单使用 1. mongodb服务端的启动 2. 启动mongodb的客户端：进入mongo shell 小结 scrapy爬虫框架 人民币玩家的代码(使用abuyun提供的代理ip) 启动爬虫 停止爬虫 5. 了解scrapyd的其他webapi 13.Gerapy 4.通过Gerapy配置管理scrapy项目 补充: 利用a

教程总体简介：Mongodb数据库、scrapy爬虫框架、人民币玩家的代码(使用abuyun提供的代理ip)、启动爬虫、停止爬虫、利用appium抓取app中的信息、爬虫课程概要、爬虫基础、requests模块、数据提取概述、数据提取-jsonpath模块、数据提取概要、数据提取-lxml模块、Selenium课程概要、获取当前标签页的全部cookie信息、把cookie转化为字典、删除所有的cookie、反爬与反反爬、- 实现思路:、- 使用session发送rKey获取登录需要信息、- url:、- 方法: get、获取session对象、设置session的请求头信息、print(response.content.decode())、- 根据获取信息对密码进行加密、- 准备用户名和密码、- 使用js2py生成js的执行环境:context

项目完整code和文档，小伙伴们---->git仓库

项目完整code和文档，小伙伴们---->git仓库

项目完整code和文档，小伙伴们---->git仓库

全套教程部分目录：

Selenium概要

本阶段主要学习selenium自动化测试框架在爬虫中的应用，selenium能够大幅降低爬虫的编写难度，但是也同样会大幅降低爬虫的爬取速度。在逼不得已的情况下我们可以使用selenium进行爬虫的编写。

selenium的其它使用方法

知识点：
  • 掌握 selenium控制标签页的切换
  • 掌握 selenium控制iframe的切换
  • 掌握 利用selenium获取cookie的方法
  • 掌握 手动实现页面等待
  • 掌握 selenium控制浏览器执行js代码的方法
  • 掌握 selenium开启无界面模式
  • 了解 selenium使用ip
  • 了解 selenium替换user-agent

1. selenium标签页的切换

当selenium控制浏览器打开多个标签页时，如何控制浏览器在不同的标签页中进行切换呢？需要我们做以下两步：

  • 获取所有标签页的窗口句柄

  • 利用窗口句柄字切换到句柄指向的标签页

  • 这里的窗口句柄是指：指向标签页对象的标识

  • [关于句柄请课后了解更多，本小节不做展开]

  • 具体的方法

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
# 1. 获取当前所有的标签页的句柄构成的列表


current_windows = driver.window_handles



# 2. 根据标签页句柄列表索引下标进行切换


driver.switch_to.window(current_windows[0])
  • 参考代码示例：
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
import time
from selenium import webdriver

driver = webdriver.Chrome()
driver.get(")

time.sleep(1)
driver.find_element_by_id('kw').send_keys('python')
time.sleep(1)
driver.find_element_by_id('su').click()
time.sleep(1)



# 通过执行js来新开一个标签页


js = 'window.open(");'
driver.execute_script(js)
time.sleep(1)



# 1. 获取当前所有的窗口


windows = driver.window_handles

time.sleep(2)


# 2. 根据窗口索引进行切换


driver.switch_to.window(windows[0])
time.sleep(2)
driver.switch_to.window(windows[1])

time.sleep(6)
driver.quit()
知识点：掌握 selenium控制标签页的切换

2. switch_to切换frame标签

iframe是html中常用的一种技术，即一个页面中嵌套了另一个网页，selenium默认是访问不了frame中的内容的，对应的解决思路是driver.switch_to.frame(frame_element)。接下来我们通过qq邮箱模拟登陆来学习这个知识点
  • 参考代码：
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
import time
from selenium import webdriver

driver = webdriver.Chrome()

url = '
driver.get(url)
time.sleep(2)

login_frame = driver.find_element_by_id('login_frame') # 根据id定位 frame元素
driver.switch_to.frame(login_frame) # 转向到该frame中

driver.find_element_by_xpath('//*[@id="u"]').send_keys('1596930226@qq.com')
time.sleep(2)

driver.find_element_by_xpath('//*[@id="p"]').send_keys('hahamimashicuode')
time.sleep(2)

driver.find_element_by_xpath('//*[@id="login_button"]').click()
time.sleep(2)

"""操作frame外边的元素需要切换出去"""
windows = driver.window_handles
driver.switch_to.window(windows[0])

content = driver.find_element_by_class_name('login_pictures_title').text
print(content)

driver.quit()

  • 总结：

  • 切换到定位的frame标签嵌套的页面中

    • driver.switch_to.frame(通过find_element_by函数定位的frame、iframe标签对象)

  • 利用切换标签页的方式切出frame标签

    • ```python windows = driver.window_handles driver.switch_to.window(windows[0])
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
---




##### 知识点：掌握 selenium控制frame标签的切换




---




### 3. selenium对cookie的处理



> 
selenium能够帮助我们处理页面中的cookie，比如获取、删除，接下来我们就学习这部分知识




#### 3.1 获取cookie



> 
`driver.get_cookies()`返回列表，其中包含的是完整的cookie信息！不光有name、value，还有domain等cookie其他维度的信息。所以如果想要把获取的cookie信息和requests模块配合使用的话，需要转换为name、value作为键值对的cookie字典
```python


# 获取当前标签页的全部cookie信息


print(driver.get_cookies())


# 把cookie转化为字典


cookies_dict = {cookie[‘name’]: cookie[‘value’] for cookie in driver.get_cookies()}

3.2 删除cookie

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
#删除一条cookie


driver.delete_cookie("CookieName")



# 删除所有的cookie


driver.delete_all_cookies()
知识点：掌握 利用selenium获取cookie的方法

4. selenium控制浏览器执行js代码

selenium可以让浏览器执行我们规定的js代码，运行下列代码查看运行效果

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
import time
from selenium import webdriver

driver = webdriver.Chrome()
driver.get(")
time.sleep(1)

js = 'window.scrollTo(0,document.body.scrollHeight)' # js语句
driver.execute_script(js) # 执行js的方法

time.sleep(5)
driver.quit()
  • 执行js的方法：driver.execute_script(js)
知识点：掌握 selenium控制浏览器执行js代码的方法

5. 页面等待

页面在加载的过程中需要花费时间等待网站服务器的响应，在这个过程中标签元素有可能还没有加载出来，是不可见的，如何处理这种情况呢？

  1. 页面等待分类
  2. 强制等待介绍
  3. 显式等待介绍
  4. 隐式等待介绍
  5. 手动实现页面等待

5.1 页面等待的分类

首先我们就来了解以下selenium页面等待的分类

  1. 强制等待
  2. 隐式等待
  3. 显式等待

5.2 强制等待（了解）

  • 其实就是time.sleep()
  • 缺点时不智能，设置的时间太短，元素还没有加载出来；设置的时间太长，则会浪费时间

5.3 隐式等待

  • 隐式等待针对的是元素定位，隐式等待设置了一个时间，在一段时间内判断元素是否定位成功，如果完成了，就进行下一步

  • 在设置的时间内没有定位成功，则会报超时加载

  • 示例代码

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
from selenium import webdriver

driver = webdriver.Chrome()  

driver.implicitly_wait(10) # 隐式等待，最长等20秒  

driver.get(')

driver.find_element_by_xpath()

5.4 显式等待（了解）

  • 每经过多少秒就查看一次等待条件是否达成，如果达成就停止等待，继续执行后续代码

  • 如果没有达成就继续等待直到超过规定的时间后，报超时异常

  • 示例代码

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
from selenium import webdriver  
from selenium.webdriver.support.wait import WebDriverWait  
from selenium.webdriver.support import expected_conditions as EC  
from selenium.webdriver.common.by import By 

driver = webdriver.Chrome()

driver.get(')



# 显式等待


WebDriverWait(driver, 20, 0.5).until(
    EC.presence_of_element_located((By.LINK_TEXT, '好123')))  


# 参数20表示最长等待20秒




# 参数0.5表示0.5秒检查一次规定的标签是否存在




# EC.presence_of_element_located((By.LINK_TEXT, '好123')) 表示通过链接文本内容定位标签




# 每0.5秒一次检查，通过链接文本内容定位标签是否存在，如果存在就向下继续执行；如果不存在，直到20秒上限就抛出异常



print(driver.find_element_by_link_text('好123').get_attribute('href'))
driver.quit()

5.5 手动实现页面等待

在了解了隐式等待和显式等待以及强制等待后，我们发现并没有一种通用的方法来解决页面等待的问题，比如“页面需要滑动才能触发ajax异步加载”的场景，那么接下来我们就以[淘宝网首页]为例，手动实现页面等待

  • 原理：

  • 利用强制等待和显式等待的思路来手动实现

  • 不停的判断或有次数限制的判断某一个标签对象是否加载完毕（是否存在）

  • 实现代码如下：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
import time
from selenium import webdriver
driver = webdriver.Chrome('/home/worker/Desktop/driver/chromedriver')

driver.get(')
time.sleep(1)



# i = 0




# while True:


for i in range(10):
    i += 1
    try:
        time.sleep(3)
        element = driver.find_element_by_xpath('//div[@class="shop-inner"]/h3[1]/a')
        print(element.get_attribute('href'))
        break
    except:
        js = 'window.scrollTo(0, {})'.format(i*500) # js语句
        driver.execute_script(js) # 执行js的方法
driver.quit()
知识点：掌握 手动实现页面等待

6. selenium开启无界面模式

绝大多数服务器是没有界面的，selenium控制谷歌浏览器也是存在无界面模式的，这一小节我们就来学习如何开启无界面模式（又称之为无头模式）

  • 开启无界面模式的方法

  • 实例化配置对象

    • options = webdriver.ChromeOptions()

  • 配置对象添加开启无界面模式的命令

    • options.add_argument("--headless")

  • 配置对象添加禁用gpu的命令

    • options.add_argument("--disable-gpu")

  • 实例化带有配置对象的driver对象

    • driver = webdriver.Chrome(chrome_options=options)

  • 注意：macos中chrome浏览器59+版本，Linux中57+版本才能使用无界面模式！

  • 参考代码如下：
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
from selenium import webdriver

options = webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument("--headless") # 开启无界面模式
options.add_argument("--disable-gpu") # 禁用gpu



# options.set_headles() # 无界面模式的另外一种开启方式


driver = webdriver.Chrome(chrome_options=options) # 实例化带有配置的driver对象

driver.get(')
print(driver.title)
driver.quit()
知识点：掌握 selenium开启无界面模式

7. selenium使用ip

selenium控制浏览器也是可以使用ip的！

  • 使用ip的方法

  • 实例化配置对象

    • options = webdriver.ChromeOptions()

  • 配置对象添加使用ip的命令

    • options.add_argument('--proxy-server=)

  • 实例化带有配置对象的driver对象

    • driver = webdriver.Chrome('./chromedriver', chrome_options=options)

  • 参考代码如下：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
from selenium import webdriver

options = webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument('--proxy-server=) # 使用ip

driver = webdriver.Chrome(chrome_options=options) # 实例化带有配置的driver对象

driver.get(')
print(driver.title)
driver.quit()
知识点：了解 selenium使用ip

8. selenium替换user-agent

selenium控制谷歌浏览器时，User-Agent默认是谷歌浏览器的，这一小节我们就来学习使用不同的User-Agent

  • 替换user-agent的方法

  • 实例化配置对象

    • options = webdriver.ChromeOptions()

  • 配置对象添加替换UA的命令

    • options.add_argument('--user-agent=Mozilla/5.0 HAHA')

  • 实例化带有配置对象的driver对象

    *

【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱： cloudbbs@huaweicloud.com
Python 后端 数据湖 爬虫
  • 点赞
  • 收藏
  • 关注作者

评论（0）

0/1000
抱歉，系统识别当前为高风险访问，暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称，即可参与社区互动！

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

确认 取消

加入云驻计划，成为创作者

  • 华为云周边好礼
  • 免费体验产品
  • 特殊身份标识
  • 线下官方门票
  • 内部专家零距离
  • 与10000+优质创作者共同成长
立即加入