1，Selenium

Selenium是一個(gè)Web的自動(dòng)化測(cè)試工具，最初是為網(wǎng)站自動(dòng)化測(cè)試而開發(fā)的，類型像我們玩游戲用的按鍵精靈，可以按指定的命令自動(dòng)操作，不同是Selenium 可以直接運(yùn)行在瀏覽器上，它支持所有主流的瀏覽器（包括PhantomJS這些無界面的瀏覽器）。

Selenium 可以根據(jù)我們的指令，讓瀏覽器自動(dòng)加載頁面，獲取需要的數(shù)據(jù)，甚至頁面截屏，或者判斷網(wǎng)站上某些動(dòng)作是否發(fā)生。

Selenium 自己不帶瀏覽器，不支持瀏覽器的功能，它需要與第三方瀏覽器結(jié)合在一起才能使用。但是我們有時(shí)候需要讓它內(nèi)嵌在代碼中運(yùn)行，所以我們可以用一個(gè)叫 PhantomJS 的工具代替真實(shí)的瀏覽器。

安裝：sudo pip install selenium
Selenium 官方參考文檔：http://selenium-python.readthedocs.io/index.html

2，PhantomJS

PhantomJS 是一個(gè)基于Webkit的“無界面”(headless)瀏覽器，它會(huì)把網(wǎng)站加載到內(nèi)存并執(zhí)行頁面上的 JavaScript，因?yàn)椴粫?huì)展示圖形界面，所以運(yùn)行起來比完整的瀏覽器要高效。

如果我們把 Selenium 和 PhantomJS 結(jié)合在一起，就可以運(yùn)行一個(gè)非常強(qiáng)大的網(wǎng)絡(luò)爬蟲了，這個(gè)爬蟲可以處理 JavaScrip、Cookie、headers，以及任何我們真實(shí)用戶需要做的事情。

PhantomJS 是一個(gè)功能完善(雖然無界面)的瀏覽器而非一個(gè) Python 庫，所以它不需要像 Python 的其他庫一樣安裝，但我們可以通過Selenium調(diào)用PhantomJS來直接使用。

安裝：sudo apt-get install phantomjs

PhantomJS 官方參考文檔：http://phantomjs.org/documentation

3，簡(jiǎn)單操作

Selenium 庫里有個(gè)叫 WebDriver 的 API。WebDriver 有點(diǎn)兒像可以加載網(wǎng)站的瀏覽器，但是它也可以像 BeautifulSoup 或者其他 Selector 對(duì)象一樣用來查找頁面元素，與頁面上的元素進(jìn)行交互 (發(fā)送文本、點(diǎn)擊等)，以及執(zhí)行其他動(dòng)作來運(yùn)行網(wǎng)絡(luò)爬蟲。

# IPython2 測(cè)試代碼

# 導(dǎo)入 webdriver
from selenium import webdriver

# 調(diào)用環(huán)境變量指定的PhantomJS瀏覽器創(chuàng)建瀏覽器對(duì)象
driver = webdriver.PhantomJS()

# 如果沒有在環(huán)境變量指定PhantomJS位置
# driver = webdriver.PhantomJS(executable_path="./phantomjs"))

# get方法會(huì)一直等到頁面被完全加載，然后才會(huì)繼續(xù)程序，通常測(cè)試會(huì)在這里選擇 time.sleep(2)
driver.get("http://www.baidu.com/")

# 獲取頁面名為 wrapper的id標(biāo)簽的文本內(nèi)容
data = driver.find_element_by_id("wrapper").text

# 打印數(shù)據(jù)內(nèi)容
print data

# 打印頁面標(biāo)題 "百度一下，你就知道"
print driver.title

# 生成當(dāng)前頁面快照并保存
driver.save_screenshot("baidu.png")

# id="kw"是百度搜索輸入框，輸入字符串"長(zhǎng)城"
driver.find_element_by_id("kw").send_keys(u"長(zhǎng)城")

# id="su"是百度搜索按鈕，click() 是模擬點(diǎn)擊
driver.find_element_by_id("su").click()

# 獲取新的頁面快照
driver.save_screenshot("長(zhǎng)城.png")

# 打印網(wǎng)頁渲染后的源代碼
print driver.page_source

# 獲取當(dāng)前頁面Cookie
print driver.get_cookies()

# 調(diào)用鍵盤按鍵操作時(shí)需要引入的Keys包
from selenium.webdriver.common.keys import Keys

# ctrl+a 全選輸入框內(nèi)容
driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'a')

# ctrl+x 剪切輸入框內(nèi)容
driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'x')

# 輸入框重新輸入內(nèi)容
driver.find_element_by_id("kw").send_keys("itcast")

# 模擬Enter回車鍵
driver.find_element_by_id("su").send_keys(Keys.RETURN)

# 清除輸入框內(nèi)容
driver.find_element_by_id("kw").clear()

# 生成新的頁面快照
driver.save_screenshot("itcast.png")

# 獲取當(dāng)前url
print driver.current_url

# 關(guān)閉當(dāng)前頁面，如果只有一個(gè)頁面，會(huì)關(guān)閉瀏覽器
# driver.close()

# 關(guān)閉瀏覽器
driver.quit()

4，頁面操作

Selenium 的 WebDriver提供了各種方法來尋找元素，假設(shè)下面有一個(gè)表單輸入框：

<input type="text" name="user-name" id="passwd-id" />

那么：

# 獲取id標(biāo)簽值
element = driver.find_element_by_id("passwd-id")
# 獲取name標(biāo)簽值
element = driver.find_element_by_name("user-name")
# 獲取標(biāo)簽名值
element = driver.find_elements_by_tag_name("input")
# 也可以通過XPath來匹配
element = driver.find_element_by_xpath("http://input[@id='passwd-id']")

5，定位UI元素 (WebElements)

關(guān)于元素的選取，有如下的API 單個(gè)元素選取

find_element_by_id
find_elements_by_name
find_elements_by_xpath
find_elements_by_link_text
find_elements_by_partial_link_text
find_elements_by_tag_name
find_elements_by_class_name
find_elements_by_css_selector

6，鼠標(biāo)動(dòng)作鏈

有些時(shí)候，我們需要再頁面上模擬一些鼠標(biāo)操作，比如雙擊、右擊、拖拽甚至按住不動(dòng)等，我們可以通過導(dǎo)入 ActionChains 類來做到：

示例：

#導(dǎo)入 ActionChains 類
from selenium.webdriver import ActionChains

# 鼠標(biāo)移動(dòng)到 ac 位置
ac = driver.find_element_by_xpath('element')
ActionChains(driver).move_to_element(ac).perform()


# 在 ac 位置單擊
ac = driver.find_element_by_xpath("elementA")
ActionChains(driver).move_to_element(ac).click(ac).perform()

# 在 ac 位置雙擊
ac = driver.find_element_by_xpath("elementB")
ActionChains(driver).move_to_element(ac).double_click(ac).perform()

# 在 ac 位置右擊
ac = driver.find_element_by_xpath("elementC")
ActionChains(driver).move_to_element(ac).context_click(ac).perform()

# 在 ac 位置左鍵單擊hold住
ac = driver.find_element_by_xpath('elementF')
ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()

# 將 ac1 拖拽到 ac2 位置
ac1 = driver.find_element_by_xpath('elementD')
ac2 = driver.find_element_by_xpath('elementE')
ActionChains(driver).drag_and_drop(ac1, ac2).perform()

7，填充表單

我們已經(jīng)知道了怎樣向文本框中輸入文字，但是有時(shí)候我們會(huì)碰到<select> </select>標(biāo)簽的下拉框。直接點(diǎn)擊下拉框中的選項(xiàng)不一定可行。

<select id="status" class="form-control valid" onchange="" name="status">
    <option value=""></option>
    <option value="0">未審核</option>
    <option value="1">初審?fù)ㄟ^</option>
    <option value="2">復(fù)審?fù)ㄟ^</option>
    <option value="3">審核不通過</option>
</select>

Selenium專門提供了Select類來處理下拉框。 其實(shí) WebDriver 中提供了一個(gè)叫 Select 的方法，可以幫助我們完成這些事情：

# 導(dǎo)入 Select 類
from selenium.webdriver.support.ui import Select

# 找到 name 的選項(xiàng)卡
select = Select(driver.find_element_by_name('status'))


select.select_by_index(1)
select.select_by_value("0")
select.select_by_visible_text(u"未審核")

以上是三種選擇下拉框的方式，它可以根據(jù)索引來選擇，可以根據(jù)值來選擇，可以根據(jù)文字來選擇。注意：

• index 索引從 0 開始
• value是option標(biāo)簽的一個(gè)屬性值，并不是顯示在下拉框中的值
• visible_text是在option標(biāo)簽文本的值，是顯示在下拉框的值

全部取消選擇怎么辦呢？很簡(jiǎn)單:

select.deselect_all()

8，彈窗處理

當(dāng)你觸發(fā)了某個(gè)事件之后，頁面出現(xiàn)了彈窗提示，處理這個(gè)提示或者獲取提示信息方法如下：

alert = driver.switch_to_alert()

9，頁面切換

一個(gè)瀏覽器肯定會(huì)有很多窗口，所以我們肯定要有方法來實(shí)現(xiàn)窗口的切換。切換窗口的方法如下：

driver.switch_to.window("this is window name")

也可以使用 window_handles 方法來獲取每個(gè)窗口的操作對(duì)象。例如：

for handle in driver.window_handles:
    driver.switch_to_window(handle)

10，頁面前進(jìn)和后退

操作頁面的前進(jìn)和后退功能：

driver.forward()     #前進(jìn)
driver.back()        # 后退

11，Cookies

獲取頁面每個(gè)Cookies值，用法如下

for cookie in driver.get_cookies():
    print "%s=%s;" % (cookie['name'], cookie['value'])

刪除Cookies，用法如下

# By name
driver.delete_cookie("BAIDUID")

# all
driver.delete_all_cookies()

12，頁面等待

現(xiàn)在的網(wǎng)頁越來越多采用了 Ajax 技術(shù)，這樣程序便不能確定何時(shí)某個(gè)元素完全加載出來了。如果實(shí)際頁面等待時(shí)間過長(zhǎng)導(dǎo)致某個(gè)dom元素還沒出來，但是你的代碼直接使用了這個(gè)WebElement，那么就會(huì)拋出NullPointer的異常。

為了避免這種元素定位困難而且會(huì)提高產(chǎn)生 ElementNotVisibleException 的概率。所以 Selenium 提供了兩種等待方式，一種是隱式等待，一種是顯式等待。

隱式等待是等待特定的時(shí)間，顯式等待是指定某一條件直到這個(gè)條件成立時(shí)繼續(xù)執(zhí)行。

顯式等待

顯式等待指定某個(gè)條件，然后設(shè)置最長(zhǎng)等待時(shí)間。如果在這個(gè)時(shí)間還沒有找到元素，那么便會(huì)拋出異常了。

from selenium import webdriver
from selenium.webdriver.common.by import By
# WebDriverWait 庫，負(fù)責(zé)循環(huán)等待
from selenium.webdriver.support.ui import WebDriverWait
# expected_conditions 類，負(fù)責(zé)條件出發(fā)
from selenium.webdriver.support import expected_conditions as EC

driver = webdriver.PhantomJS()
driver.get("http://www.xxxxx.com/loading")
try:
    # 每隔10秒查找頁面元素 id="myDynamicElement"，直到出現(xiàn)則返回
    element = WebDriverWait(driver, 10).until(
        EC.presence_of_element_located((By.ID, "myDynamicElement"))
    )
finally:
    driver.quit()

如果不寫參數(shù)，程序默認(rèn)會(huì) 0.5s 調(diào)用一次來查看元素是否已經(jīng)生成，如果本來元素就是存在的，那么會(huì)立即返回。

下面是一些內(nèi)置的等待條件，你可以直接調(diào)用這些條件，而不用自己寫某些等待條件了。

title_is
title_contains
presence_of_element_located
visibility_of_element_located
visibility_of
presence_of_all_elements_located
text_to_be_present_in_element
text_to_be_present_in_element_value
frame_to_be_available_and_switch_to_it
invisibility_of_element_located
element_to_be_clickable – it is Displayed and Enabled.
staleness_of
element_to_be_selected
element_located_to_be_selected
element_selection_state_to_be
element_located_selection_state_to_be
alert_is_present

隱式等待

隱式等待比較簡(jiǎn)單，就是簡(jiǎn)單地設(shè)置一個(gè)等待時(shí)間，單位為秒。

from selenium import webdriver

driver = webdriver.PhantomJS()
driver.implicitly_wait(10) # seconds
driver.get("http://www.xxxxx.com/loading")
myDynamicElement = driver.find_element_by_id("myDynamicElement")

當(dāng)然如果不設(shè)置，默認(rèn)等待時(shí)間為0。

13，模擬網(wǎng)站登錄

from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import time

driver = webdriver.PhantomJS()
driver.get("http://www.douban.com")

# 輸入賬號(hào)密碼
driver.find_element_by_name("form_email").send_keys("xxxxx@xxxx.com")
driver.find_element_by_name("form_password").send_keys("xxxxxxxx")

# 模擬點(diǎn)擊登錄
driver.find_element_by_xpath("http://input[@class='bn-submit']").click()

# 等待3秒
time.sleep(3)

# 生成登陸后快照
driver.save_screenshot("douban.png")

# 保存源碼
with open("douban.html", "w") as file:
    file.write(driver.page_source)

driver.quit()

14，動(dòng)態(tài)頁面模擬點(diǎn)擊

# python的測(cè)試模塊
import unittest
from selenium import webdriver
from bs4 import BeautifulSoup


class douyuSelenium(unittest.TestCase):
    # 初始化方法
    def setUp(self):
        self.driver = webdriver.PhantomJS()

    #具體的測(cè)試用例方法，一定要以test開頭
    def testDouyu(self):
        self.driver.get('http://www.douyu.com/directory/all')
        while True:
            # 指定xml解析
            soup = BeautifulSoup(driver.page_source, 'xml')
            # 返回當(dāng)前頁面所有房間標(biāo)題列表 和 觀眾人數(shù)列表
            titles = soup.find_all('h3', {'class': 'ellipsis'})
            nums = soup.find_all('span', {'class': 'dy-num fr'})

            # 使用zip()函數(shù)來可以把列表合并，并創(chuàng)建一個(gè)元組對(duì)的列表[(1,2), (3,4)]
            for title, num in zip(nums, titles):
                print u"觀眾人數(shù):" + num.get_text().strip(), u"\t房間標(biāo)題: " + title.get_text().strip()
            # 指定元素找到則返回 非-1，表示到達(dá)最后一頁，退出循環(huán)
            if driver.page_source.find('shark-pager-disable-next') != -1:
                break
            # 模擬下一頁點(diǎn)擊
            self.driver.find_element_by_class_name('shark-pager-next').click()

    # 退出時(shí)的清理方法
    def tearDown(self):
        print '加載完成...'
        self.driver.quit()

if __name__ == "__main__":
    unittest.main()

15，執(zhí)行javaScript語句

• 隱藏百度圖片

from selenium import webdriver

driver = webdriver.PhantomJS()
driver.get("https://www.baidu.com/")

# 給搜索輸入框標(biāo)紅的javascript腳本
js = "var q=document.getElementById(\"kw\");q.style.border=\"2px solid red\";"

# 調(diào)用給搜索輸入框標(biāo)紅js腳本
driver.execute_script(js)

#查看頁面快照
driver.save_screenshot("redbaidu.png")

#js隱藏元素，將獲取的圖片元素隱藏
img = driver.find_element_by_xpath("http://*[@id='lg']/img")
driver.execute_script('$(arguments[0]).fadeOut()',img)

# 向下滾動(dòng)到頁面底部
driver.execute_script("$('.scroll_top').click(function(){$('html,body').animate({scrollTop: '0px'}, 800);});")

#查看頁面快照
driver.save_screenshot("nullbaidu.png")

driver.quit()

• 模擬滾動(dòng)條滾動(dòng)到底部

from selenium import webdriver
import time

driver = webdriver.PhantomJS()
driver.get("https://movie.douban.com/typerank?type_name=劇情&type=11&interval_id=100:90&action=")

# 向下滾動(dòng)10000像素
js = "document.body.scrollTop=10000"
#js="var q=document.documentElement.scrollTop=10000"
time.sleep(3)

#查看頁面快照
driver.save_screenshot("douban.png")

# 執(zhí)行JS語句
driver.execute_script(js)
time.sleep(10)

#查看頁面快照
driver.save_screenshot("newdouban.png")

driver.quit()