python网络爬虫(10)高级技术：selenium自动化测试爬取动态页面大全

一：浏览器信息测试

1.初始化浏览器

  用下面的代码初始化浏览器

from selenium import webdriver

# 把浏览器对象赋值为browser对象，然后就可以进行模拟浏览器操作
browser = webdriver.Chrome()

2.访问网页

browser.get('url地址')
# 这个是打印网页源代码
print(browser.page_source)
browser.close() # 处理完后要关闭这个对象

二：查找结点

  我们要想执行某个操作，比如填充表单，模拟点击等，或者向某个输入框输入文字，首先要知道位置，而selenium提供了一系列的查找节点的方法，如下。

1.单个节点

还有一种通用方法是find_element()传两个参数，一个是By.查找方式，一个是值，比如find_element(By.ID,id)和find_element_by_id结果一致。

2.多个节点

  查找多个节点的时候，直接在查找单个节点的方法中加上s，如find_elements_by_name或者find_elements(By.NAME,name)，列表中的每一个节点都是WebElement类型。

三：测试动作

1.简单的交互

  selenium可以驱动浏览器执行一些操作，就是让浏览器模拟执行一些动作。下面是一些常见方法总结。

2.特殊的交互

  有一些交互操作没有特定的执行对象，比如鼠标拖曳，键盘按键等，这些相对复杂的动作用动作链的方式执行。这里暂时用不到，先略过。

3.模拟运行JavaScript

  用execute_script()方法可以模拟运行JavaScript，基本上所有复杂的动作都可以用执行JavaScript的方式来实现。

四：获取节点信息

  用 get_attribute() 方法来获取节点的属性。
  用 text 属性来获取节点的文本值。
  用 id 属性来获取节点id。
  用 location 属性来获取节点在页面中的相对位置。
  用 tag_name 属性来获取标签名称。
  用 size 属性来获取节点的大小。

五：切换子页面Frame

  网页有一种节点是iframe，也就是子Frame，相当于页面的子页面。网页打开的时候，默认是在父级Frame里面进行操作，要获取子Frame的节点，需要用到switch_to.frame()方法进行切换。
  用switch_to.parent_frame()可以获取到父页面的内容。

六，延时请求

  在selenium中，get()方法会在网页框架加载完成后结束执行，此时如果获取网页源码，可能并不是浏览器完全加载的页面，如果有额外的ajax请求，网页源代码也不一定能成功获取，需要延时等待一定时间，确保 动态网页源代码 全部加载出来。
  等待方式有两种，一种是隐式等待，一种是显式等待。

1.隐式等待

  隐式等待就是一般的等待，在执行测试的时候，先等待完之后，再进行接下来的步骤，用implicitly_wait()，参数是时间。

2.显式等待

  隐式等待的效果并没有那么好，只是规定了一个固定的时间，而网页的加载时间会受到网络条件的影响。
  这里有一个显式等待的方法就是指定要查找的节点，然后指定一个最长等待时间，在规定的时间内加载出来就返回，加载不出来，则抛出异常。
示例如下：

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as  EC

browser = webdriver.Chrome()
browser.get('url地址')
# 先指定最长等待时间为20s
wait = WebDriverWait(browser,20)
# 传入等待条件expected_conditions，这里的presence_of_element_located代表节点出现的意思
input = wait.until(EC.presence_of_element_located(By.ID,'a'))
# 按钮等待条件,这里的element_to_be_clickable表示可点击的，10秒内能点击，就成功
button = wait.until(EC.element_to_be_clickable(By.CSS_SELECTOR,'.btn-ss'))
print(input,button)

下面是 所有的等待条件 ：

七：前进和后退

  selenium测试用back()方法后退，用forward()方法前进。

八：Cookies

  使用selenium可以方便地对Cookies进行操作。
  用get_cookies()方法获取所有的Cookies。
  用add_cookies()方法增加Cookies。
  用delete_all_cookies()和delete_cookies()方法删除Cookies。

八：选项卡处理

  在访问网页的时候，会开启一个个选项卡，在selenium中也可以对选项卡进行操作。

browser.execute_script('windows.open()')
print(window_handles)
browser.switch_to_window(browser.window_handles[1])

  用execute_script方法执行JavaScript语句，这里的window_handles获取当前开启的所有选项卡，返回的是选项卡的代号列表。用browser.window_handles[index]即可以跳转到index索引对应的选项卡。

九：捕获异常

  捕获异常是经常要用到的方法，语句是try-except-finally，对于不同的错误，无论是网络连接，代码运行时间超时，还是数据未找到，都十分有用。

最后

以上就是美丽高跟鞋为你收集整理的python网络爬虫(10)高级技术：selenium自动化测试爬取动态页面大全的全部内容，希望文章能够帮你解决python网络爬虫(10)高级技术：selenium自动化测试爬取动态页面大全所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。