python爬虫积累（一）--------selenium+python+PhantomJS的使用（转）

正文

最近按公司要求，爬取相关网站时，发现没有找到js包的地址，我就采用selenium来爬取信息，相关实战链接：python爬虫实战（一）--------中国作物种质信息网

一、Selenium介绍

Selenium 是什么？一句话，自动化测试工具。它支持各种浏览器，包括 Chrome，Safari，Firefox 等主流界面式浏览器，如果你在这些浏览器里面安装一个 Selenium 的插件，那么便可以方便地实现Web界面的测试。换句话说叫 Selenium 支持这些浏览器驱动。Selenium支持多种语言开发，比如 Java，C，Ruby等等，有 Python 吗？那是必须的！安装只要cmd中 pip install selenium 即可。

二、爬虫为什么要用selenium？

对于一般网站来说scrapy、requests、beautifulsoup等都可以爬取，但是有些信息需要执行js才能显现，而且你肉眼所能看到的基本都能爬取下来，在学习中遇到了，就记录下来方便以后查看。

webdrive是selenium中一个函数：

1 from selenium import webdriver

2 driver = webdriver.PhantomJS()

3 driver.get('网址')

其中PhantomJS同时可以换成Chrome、Firefox、Ie等等，但是PhantomJS是一个无头的浏览器，运行是不会跳出相应的浏览器，运行相对效率较高。在调试中可以先换成Chrome，方便调试，最后再换成PhantomJS即可。

三、PhantomJS介绍

PhantomJS是一个基于webkit的JavaScript API。它使用QtWebKit作为它核心浏览器的功能，使用webkit来编译解释执行JavaScript代码。任何你可以在基于webkit浏览器做的事情，它都能做到。它不仅是个隐形的浏览器，提供了诸如CSS选择器、支持Web标准、DOM操作、JSON、HTML5、Canvas、SVG等，同时也提供了处理文件I/O的操作，从而使你可以向操作系统读写文件等。PhantomJS的用处可谓非常广泛，诸如前端无界面自动化测试（需要结合Jasmin）、网络监测、网页截屏等。

PhantomJS官方地址：http://phantomjs.org/。

PhantomJS官方API：http://phantomjs.org/api/。

PhantomJS官方示例：http://phantomjs.org/examples/。

PhantomJS GitHub：https://github.com/ariya/phantomjs/。

四、PhantomJS安装

本人windowns7系统，把下载下来的phantomjs.exe移到你所用python文件夹下的Script中就可以使用了。（下载PhantomJS-2.1.1-windowns.zip链接：http://pan.baidu.com/s/1c8HeBc 密码：2zm4）

小测试：

1 from selenium import webdriver

2 driver = webdriver.PhantomJS()

3 driver.get("http://hotel.qunar.com/")

4 data = driver.title

5 print data

6

7 #输出

8 【去哪儿酒店】酒店预订, 酒店查询-去哪儿网Qunar.com

五、操作实战

 1 # -*-coding:utf-8-*-

 2 from selenium import webdriver

 3 import time

 4 import win32api

 5 import re

 6 import win32con

 7 browser = webdriver.PhantomJS()

 8 '''PhantomJS的屏幕截图是滚动底部的,而Chrome没有'''

 9

10 browser.get("http://flight.qunar.com/")  #打开去哪儿官网

11 a=browser.get_screenshot_as_file("E:/Python27/test2.jpg")  #屏幕截图

12

13 browser.find_element_by_id("searchTypeRnd").click() #点击往返

14 browser.find_element_by_xpath('//*[@id="dfsForm"]/div[2]/div[1]/div/input').clear() #先清理下输入框，默认是有地方的

15 browser.find_element_by_xpath('//*[@id="dfsForm"]/div[2]/div[1]/div/input').send_keys(u"北京")  #输入起点位置

16

17 '''这里涉及到win32api可以参考相关手册----以下是键盘操作'''

18 time.sleep(0.5)

19 win32api.keybd_event(108,0,0,0)  #按enter键

20 #按某个键 win32api.keybd_event(键位码,0,0,0)

21 win32api.keybd_event(108,0,win32con.KEYEVENTF_KEYUP,0)#释放按键

22 #释放按键 win32api.keybd_event(键位码,0,win32con.KEYEVENTF_KEYUP,0)

23

24 browser.find_element_by_xpath('//*[@id="dfsForm"]/div[2]/div[2]/div/input').clear()

25 browser.find_element_by_xpath('//*[@id="dfsForm"]/div[2]/div[2]/div/input').send_keys(u"上海")  #输入终点位置

26 time.sleep(0.5)

27 win32api.keybd_event(108,0,0,0)   #按enter键

28 win32api.keybd_event(108,0,win32con.KEYEVENTF_KEYUP,0)  #释放按键

29

30 browser.find_element_by_xpath('//*[@id="fromDate"]').clear()

31 browser.find_element_by_xpath('//*[@id="fromDate"]').send_keys("2017-04-19")  #输入出发时间

32 #browser.find_element_by_xpath('//*[@id="fromDate"]').click()

33 browser.find_element_by_xpath('//*[@id="toDate"]').clear()

34 browser.find_element_by_xpath('//*[@id="toDate"]').send_keys("2017-04-22")  #输入返程时间

35 #browser.find_element_by_xpath('//*[@id="toDate"]').click()

36

37

38 '''法二设置地点和时间'''

39 #browser.find_element_by_name("name").send_keys("北京(BJS)")  #设置值

40 #browser.find_element_by_name("pass").send_keys("上海(SHA)")  #设置值

41 #browser.find_element_by_id("txtAirplaneTime1").send_keys("2016-12-19")  #设置值

42

43 browser.find_element_by_xpath('//*[@id="dfsForm"]/div[4]/button').click() #点击按钮 提交表单

44 browser.maximize_window()  #最大窗口

45

46 '''保存当前网页'''

47 print(browser.current_url)  #当前url

48 #browser.get("http://www.ly.com/FlightQuery.aspx")#cookie保存在对象中，对需认证页面可直接访问

49 data=browser.page_source.encode("utf-8","ignore")

50 fh=open("E:/python27/qun.html","wb")

51 fh.write(data)

52 fh.close()

53 data2=browser.page_source

54 #print data2

55 a=browser.get_screenshot_as_file("E:/Python27/test.jpg")

56 #print(browser.page_source)

57

58 ''''后续可以抓取一些东西'''

59

60 browser.quit()

回到顶部

六、在此推荐虫师博客的学习资料

下面会用  selenium + webdriver + python 实现

关系：

selenium 自动化测试工具 ：selnium 1.0 包括：selenium RC 、selenium IDE 、selenium GRID、selenium CORE

webdriver  google的自动化测试框架（或者说是套规范API）

webdriver 与seleinum  各有优点，两个团队都认为合并会更牛逼，于是：

selenium 2.0 = selenium RC + webdriver

selenium 可以使用多种语言实现：C# , java , python , ruby ....

环境搭建：

selenium + python自动化测试环境搭建

译：selenium webdriver (python)

----------------轻松自动化系列目录-----------

轻松自动化---selenium-webdriver(python) (一)

开始我们的第一个脚本：

• 熟悉selenium python 代码样式
• time.sleep()  添加休眠时间
• print   打印输出信息

轻松自动化---selenium-webdriver(python) (二)

• 打印URL
• 将浏览器最大化
• 设置浏览器固定宽、高
• 操控浏览器前进、后退

轻松自动化---selenium-webdriver(python) (三)

* 简单对象定位:

• · id
• · name
• · class name
• · link text
• · partial link text
• · tag name
• · xpath
• · css selector

轻松自动化---selenium-webdriver(python) (四)

• 定位一组元素

轻松自动化---selenium-webdriver(python) (五)

• 层级定位

轻松自动化---selenium-webdriver(python) (六)

操作对象：

• · click 点击对象
• · send_keys 在对象上模拟按键输入
• · clear 清除对象的内容，如果可以的话

WebElement  另一些常用方法：

• · text  获取该元素的文本
• · submit  提交表单
• · get_attribute  获得属性值

轻松自动化---selenium-webdriver(python) (七)

多层框架或窗口的定位：

• switch_to_frame()
• switch_to_window()

智能等待：

• implicitly_wait()

轻松自动化---selenium-webdriver(python) (八)

调用js方法

execute_script(script, *args)

轻松自动化---selenium-webdriver(python) (九)

• 上传文件

轻松自动化---selenium-webdriver(python) (十)

• 处理下拉框
• switch_to_alert()
• accept()

轻松自动化---selenium-webdriver(python) (十一)

• 控制滚动条到底部

轻松自动化---selenium-webdriver(python) (十二)

• l 键盘按键用法
• l 键盘组合键用法
• l send_keys() 输入中文运行报错问题

selenium-webdriver(python) (十三) -- cookie处理

• driver.get_cookies（） 获得cookie信息
• add_cookie(cookie_dict)  向cookie添加会话信息
• delete_cookie(name)   删除特定(部分)的cookie
• delete_all_cookies()    删除所有cookie

selenium-webdriver(python) (十四) -- webdriver原理

• webdriver 原理分析

selenium-webdriver(python) (十五) -- 鼠标事件

• context_click()  右击
• double_click()   双击
• drag_and_drop()  拖动

selenium-webdriver(python) (十六) --unittest 框架

• 浅析unittest测试框架

作者：今孝
出处：http://www.cnblogs.com/jinxiao-pu
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接。

参考链接：http://www.cnblogs.com/zzhzhao/p/5380376.html

http://www.cnblogs.com/BigFishFly/p/6380024.html