【Python爬虫】8大模块md文档集合从0到scrapy高手，第7篇：selenium 数据提取详解

find_element_by_id                         (返回一个元素)
find_element(s)_by_class_name             (根据类名元素列表)
find_element(s)_by_name                 (根据标签的name属性值返回包含标签对象元素的列表)
find_element(s)_by_xpath                 (返回一个包含元素的列表)
find_element(s)_by_link_text             (根据连接文本元素列表)
find_element(s)_by_partial_link_text     (根据链接包含的文本元素列表)
find_element(s)_by_tag_name             (根据标签名元素列表)
find_element(s)_by_css_selector         (根据css选择器来元素列表)

from selenium import webdriver
​
driver = webdriver.Chrome()
​
driver.get('http://www.itcast.cn/')
​
ret = driver.find_elements_by_tag_name('h2')
print(ret[0].text) # 
​
ret = driver.find_elements_by_link_text('黑马程序员')
print(ret[0].get_attribute('href'))
​
driver.quit()

# 1. 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])

import time
from selenium import webdriver
​
driver = webdriver.Chrome()
driver.get("https://www.baidu.com/")
​
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("https://www.sogou.com");'
driver.execute_script(js)
time.sleep(1)
​
  
  
# 1. 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()

import time
from selenium import webdriver
​
driver = webdriver.Chrome()
​
url = 'https://mail.qq.com/cgi-bin/loginpage'
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()

# 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()}

#删除一条cookie
  
  
driver.delete_cookie("CookieName")

  
  
# 删除所有的cookie
  
  
driver.delete_all_cookies()

import time
from selenium import webdriver

driver = webdriver.Chrome()
driver.get("http://www.itcast.cn/")
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()

from selenium import webdriver

driver = webdriver.Chrome()  

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

driver.get('https://www.baidu.com')

driver.find_element_by_xpath()

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('https://www.baidu.com')

  
  
# 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()

import time
from selenium import webdriver
driver = webdriver.Chrome('/home/worker/Desktop/driver/chromedriver')

driver.get('https://www.taobao.com/')
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()

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('http://www.itcast.cn')
print(driver.title)
driver.quit()

from selenium import webdriver

options = webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument('--proxy-server=http://202.20.16.82:9527') # 使用代理ip

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

driver.get('http://www.itcast.cn')
print(driver.title)
driver.quit()

from selenium import webdriver

options = webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument('--user-agent=Mozilla/5.0 HAHA') # 替换User-Agent

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

driver.get('http://www.itcast.cn')
print(driver.title)
driver.quit()