什么是AJAX：
AJAX（Asynchronouse JavaScript And XML）異步JavaScript和XML。過(guò)在后臺與服務(wù)器進(jìn)行少量數據交換，Ajax 可以使網(wǎng)頁(yè)實(shí)現異步更新。這意味著(zhù)可以在不重新加載整個(gè)網(wǎng)頁(yè)的情況下，對網(wǎng)頁(yè)的某部分進(jìn)行更新。傳統的網(wǎng)頁(yè)（不使用Ajax）如果需要更新內容，必須重載整個(gè)網(wǎng)頁(yè)頁(yè)面。因為傳統的在傳輸數據格式方面，使用的是XML語(yǔ)法。因此叫做AJAX，其實(shí)現在數據交互基本上都是使用JSON。使用AJAX加載的數據，即使使用了JS，將數據渲染到了瀏覽器中，在右鍵->查看網(wǎng)頁(yè)源代碼還是不能看到通過(guò)ajax加載的數據，只能看到使用這個(gè)url加載的html代碼。
獲取ajax數據的方式：
直接分析ajax調用的接口。然后通過(guò)代碼請求這個(gè)接口。
使用Selenium+chromedriver模擬瀏覽器行為獲取數據。
方式 優(yōu)點(diǎn) 缺點(diǎn)
分析接口 直接可以請求到數據。不需要做一些解析工作。代碼量少，性能高。 分析接口比較復雜，特別是一些通過(guò)js混淆的接口，要有一定的js功底。容易被發(fā)現是爬蟲(chóng)。
selenium 直接模擬瀏覽器的行為。瀏覽器能請求到的，使用selenium也能請求到。爬蟲(chóng)更穩定。 代碼量多。性能低。
Selenium+chromedriver獲取動(dòng)態(tài)數據：
Selenium相當于是一個(gè)機器人?？梢阅M人類(lèi)在瀏覽器上的一些行為，自動(dòng)處理瀏覽器上的一些行為，比如點(diǎn)擊，填充數據，刪除cookie等。chromedriver是一個(gè)驅動(dòng)Chrome瀏覽器的驅動(dòng)程序，使用他才可以驅動(dòng)瀏覽器。當然針對不同的瀏覽器有不同的driver。以下列出了不同瀏覽器及其對應的driver：
Chrome：https://sites.google.com/a/chromium.org/chromedriver/downloads
Firefox：https://github.com/mozilla/geckodriver/releases
Edge：https://developer.microsoft.com/en-us/microsoft-edge/tools/webdriver/
Safari：https://webkit.org/blog/6900/webdriver-support-in-safari-10/
Pycharm激活碼教程使用更多解釋請見(jiàn)：https://vrg123.com
安裝Selenium和chromedriver：
安裝Selenium：Selenium有很多語(yǔ)言的版本，有java、ruby、python等。我們下載python版本的就可以了。
pip install selenium
安裝chromedriver：下載完成后，放到不需要權限的純英文目錄下就可以了。
快速入門(mén)：
現在以一個(gè)簡(jiǎn)單的獲取百度首頁(yè)的例子來(lái)講下Selenium和chromedriver如何快速入門(mén)：
from selenium import webdrive
chromedriver的絕對路徑
driver_path = r’D:\ProgramApp\chromedriver\chromedriver.exe’
初始化一個(gè)driver，并且指定chromedriver的路徑
driver = webdriver.Chrome(executable_path=driver_path)
請求網(wǎng)頁(yè)
driver.get(“https://www.baidu.com/”)
通過(guò)page_source獲取網(wǎng)頁(yè)源代碼
print(driver.page_source)
selenium常用操作：
更多教程請參考：http://selenium-python.readthedocs.io/installation.html#introduction
關(guān)閉頁(yè)面：
driver.close()：關(guān)閉當前頁(yè)面。
driver.quit()：退出整個(gè)瀏覽器。
定位元素：
find_element_by_id：根據id來(lái)查找某個(gè)元素。等價(jià)于：
submitTag = driver.find_element_by_id('su’)
submitTag1 = driver.find_element(By.ID,'su’)
find_element_by_class_name：根據類(lèi)名查找元素。 等價(jià)于：
submitTag = driver.find_element_by_class_name('su’)
submitTag1 = driver.find_element(By.CLASS_NAME,'su’)
find_element_by_name：根據name屬性的值來(lái)查找元素。等價(jià)于：
submitTag = driver.find_element_by_name('email’)
submitTag1 = driver.find_element(By.NAME,'email’)
find_element_by_tag_name：根據標簽名來(lái)查找元素。等價(jià)于：
submitTag = driver.find_element_by_tag_name('div’)
submitTag1 = driver.find_element(By.TAG_NAME,'div’)
find_element_by_xpath：根據xpath語(yǔ)法來(lái)獲取元素。等價(jià)于：
submitTag = driver.find_element_by_xpath(’//div’)
submitTag1 = driver.find_element(By.XPATH,’//div’)
find_element_by_css_selector：根據css選擇器選擇元素。等價(jià)于：
submitTag = driver.find_element_by_css_selector(’//div’)
submitTag1 = driver.find_element(By.CSS_SELECTOR,’//div’)
要注意，find_element是獲取第一個(gè)滿(mǎn)足條件的元素。find_elements是獲取所有滿(mǎn)足條件的元素。
操作表單元素：
操作輸入框：分為兩步。第一步：找到這個(gè)元素。第二步：使用send_keys(value)，將數據填充進(jìn)去。示例代碼如下：
inputTag = driver.find_element_by_id('kw’)
inputTag.send_keys('python’)
使用clear方法可以清除輸入框中的內容。示例代碼如下：
inputTag.clear()
操作checkbox：因為要選中checkbox標簽，在網(wǎng)頁(yè)中是通過(guò)鼠標點(diǎn)擊的。因此想要選中checkbox標簽，那么先選中這個(gè)標簽，然后執行click事件。示例代碼如下：
rememberTag = driver.find_element_by_name(“rememberMe”)
rememberTag.click()
選擇select：select元素不能直接點(diǎn)擊。因為點(diǎn)擊后還需要選中元素。這時(shí)候selenium就專(zhuān)門(mén)為select標簽提供了一個(gè)類(lèi)selenium.webdriver.support.ui.Select。將獲取到的元素當成參數傳到這個(gè)類(lèi)中，創(chuàng )建這個(gè)對象。以后就可以使用這個(gè)對象進(jìn)行選擇了。示例代碼如下：
from selenium.webdriver.support.ui import Select
選中這個(gè)標簽，然后使用Select創(chuàng )建對象
selectTag = Select(driver.find_element_by_name(“jumpMenu”))
根據索引選擇
selectTag.select_by_index(1)
根據值選擇
selectTag.select_by_value(“http://www.95yueba.com”)
根據可視的文本選擇
selectTag.select_by_visible_text(“95秀客戶(hù)端”)
取消選中所有選項
selectTag.deselect_all()
操作按鈕：操作按鈕有很多種方式。比如單擊、右擊、雙擊等。這里講一個(gè)最常用的。就是點(diǎn)擊。直接調用click函數就可以了。示例代碼如下：
inputTag = driver.find_element_by_id('su’)
inputTag.click()
行為鏈：
有時(shí)候在頁(yè)面中的操作可能要有很多步，那么這時(shí)候可以使用鼠標行為鏈類(lèi)ActionChains來(lái)完成。比如現在要將鼠標移動(dòng)到某個(gè)元素上并執行點(diǎn)擊事件。那么示例代碼如下：
inputTag = driver.find_element_by_id('kw’)
submitTag = driver.find_element_by_id('su’)
actions = ActionChains(driver)
actions.move_to_element(inputTag)
actions.send_keys_to_element(inputTag,'python’)
actions.move_to_element(submitTag)
actions.click(submitTag)
actions.perform()
還有更多的鼠標相關(guān)的操作。
click_and_hold(element)：點(diǎn)擊但不松開(kāi)鼠標。
context_click(element)：右鍵點(diǎn)擊。
double_click(element)：雙擊。 更多方法請參考：http://selenium-python.readthedocs.io/api.html
Cookie操作：
獲取所有的cookie：
for cookie in driver.get_cookies():
print(cookie)
根據cookie的key獲取value：
value = driver.get_cookie(key)
刪除所有的cookie：
driver.delete_all_cookies()
刪除某個(gè)cookie：
driver.delete_cookie(key)
頁(yè)面等待：
現在的網(wǎng)頁(yè)越來(lái)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(lái)了。如果實(shí)際頁(yè)面等待時(shí)間過(guò)長(cháng)導致某個(gè)dom元素還沒(méi)出來(lái)，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。為了解決這個(gè)問(wèn)題。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：調用driver.implicitly_wait。那么在獲取不可用的元素之前，會(huì )先等待10秒中的時(shí)間。示例代碼如下：
driver = webdriver.Chrome(executable_path=driver_path)
driver.implicitly_wait(10)
請求網(wǎng)頁(yè)
driver.get(“https://www.douban.com/”)
顯示等待：顯示等待是表明某個(gè)條件成立后才執行獲取元素的操作。也可以在等待的時(shí)候指定一個(gè)最大的時(shí)間，如果超過(guò)這個(gè)時(shí)間那么就拋出一個(gè)異常。顯示等待應該使用selenium.webdriver.support.excepted_conditions期望的條件和selenium.webdriver.support.ui.WebDriverWait來(lái)配合完成。示例代碼如下：
from selenium import webdrive
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Firefox()
driver.get(“http://somedomain/url_that_delays_loading”)
try:
element = WebDriverWait(driver, 10).until(
EC.presence_of_element_located((By.ID, “myDynamicElement”))
)
finally:
driver.quit()
一些其他的等待條件：
presence_of_element_located：某個(gè)元素已經(jīng)加載完畢了。
presence_of_all_emement_located：網(wǎng)頁(yè)中所有滿(mǎn)足條件的元素都加載完畢了。
element_to_be_cliable：某個(gè)元素是可以點(diǎn)擊了。
更多條件請參考：http://selenium-python.readthedocs.io/waits.html
切換頁(yè)面：
有時(shí)候窗口中有很多子tab頁(yè)面。這時(shí)候肯定是需要進(jìn)行切換的。selenium提供了一個(gè)叫做switch_to_window來(lái)進(jìn)行切換，具體切換到哪個(gè)頁(yè)面，可以從driver.window_handles中找到。示例代碼如下：
打開(kāi)一個(gè)新的頁(yè)面
self.driver.execute_script(“window.open(’”+url+"’)")
切換到這個(gè)新的頁(yè)面中
self.driver.switch_to_window(self.driver.window_handles[1])
設置代理ip：
有時(shí)候頻繁爬取一些網(wǎng)頁(yè)。服務(wù)器發(fā)現你是爬蟲(chóng)后會(huì )封掉你的ip地址。這時(shí)候我們可以更改代理ip。更改代理ip，不同的瀏覽器有不同的實(shí)現方式。這里以Chrome瀏覽器為例來(lái)講解：
from selenium import webdrive
options = webdriver.ChromeOptions()
options.add_argument("–proxy-server=http://110.73.2.248:8123")
driver_path = r"D:\ProgramApp\chromedriver\chromedriver.exe"
driver = webdriver.Chrome(executable_path=driver_path,chrome_options=options)
driver.get('http://httpbin.org/ip’)
WebElement元素：
from selenium.webdriver.remote.webelement import WebElement類(lèi)是每個(gè)獲取出來(lái)的元素的所屬類(lèi)。
有一些常用的屬性：
get_attribute：這個(gè)標簽的某個(gè)屬性的值。
screentshot：獲取當前頁(yè)面的截圖。這個(gè)方法只能在driver上使用。
driver的對象類(lèi)，也是繼承自WebElement。 作者：?jiǎn)締?_bili https://www.bilibili.com/read/cv15524875 出處：bilibili
原創(chuàng )聲明，本文系作者授權云+社區發(fā)表。
如有侵權，請聯(lián)系 yunjia_community@tencent.com 刪除。
聯(lián)系客服
