【Python爬虫】selenium4新版本使用指南

在当今数据驱动的时代,爬虫技术正如同一把钥匙,打开了信息的宝库。而Selenium作为一款强大的自动化测试工具,其最新版本Selenium 4更是为Python爬虫提供了更加丰富的功能和更高的灵活性。那么,如何才能充分利用Selenium 4来进行高效的网页抓取呢?

Selenium 4相比于之前的版本,有哪些显著的变化和新特性?这对爬虫开发者意味着什么?

Selenium是一个用于Web应用程序测试的工具。Selenium测试直接运行在浏览器中,就像真正的用户在操作一样。支持的浏览器包括IE(7, 8, 9, 10, 11)Mozilla FirefoxSafariGoogle ChromeOperaEdge等。这个工具的主要功能包括:测试与浏览器的兼容性------测试应用程序看是否能够很好得工作在不同浏览器和操作系统之上。

随着时代的发展,在使用python做自动化时,与之前差生了很大的变化,这些变化都是一个老程序员所必须要踩坑的地方,也是由于已经会了老版本,在使用新版本的时候,需要多次探索,本文从当前最新版的Selenium出发,以Chrome驱动为例,总结了新版的使用方法,免得到处去搜索、踩坑。

01 设置驱动

当前Selenium版本:4.3.0,请核对你的版本是否是4.0以上的版本

注意:

请查看你的浏览器版本,然后再去下载对应的驱动,通常来说版本号时一致的,如果没有你的版本号,那就选择和你浏览器版本号最相近的版本。

1. selenium4推荐方法

由于传统的设置驱动方式过于繁琐,因此GitHub大佬SergeyPirogov写了浏览器驱动管理器,可以使设置驱动变得更加方便。

首先,需要安装该管理器,使用以下命令

python 复制代码
pip install webdriver-manager

然后导入该包

python 复制代码
from webdriver_manager.chrome import ChromeDriverManager

设置service,通过ChromeDriverManager().install()来获取驱动,从而省去了下载驱动和设置驱动的步骤

python 复制代码
service = ChromeService(executable_path=ChromeDriverManager().install())

然后驱动加载该service

python 复制代码
driver = webdriver.Chrome(service=service)

此处贴出完整代码,以供参考

python 复制代码
from selenium import webdriver

from selenium.webdriver.chrome.service import Service as ChromeService

from webdriver_manager.chrome import ChromeDriverManager


service = ChromeService(executable_path=ChromeDriverManager().install())

driver = webdriver.Chrome(service=service)

driver.quit()

2. 传统方法

这里使用传统方法来设置Selenium的驱动,也就是导入webdriver,然后设置可执行程序的路径。

首先,在Selenium4中,设置驱动位置,不再是直接在webdriver.Chrome中直接设置,而是引入了Service。

因此先导入Service的包

python 复制代码
from selenium import webdriver

from selenium.webdriver.chrome.service import Service as ChromeService

然后通过Service设置驱动,CHROMEDRIVER_PATH替换为你的驱动位置

python 复制代码
service = ChromeService(executable_path=CHROMEDRIVER_PATH)

最后在webdriver.Chrome中调用这个service

python 复制代码
driver = webdriver.Chrome(service=service)

给出完整代码予以参考

python 复制代码
from selenium import webdriver

from selenium.webdriver.chrome.service import Service as ChromeService


options = webdriver.ChromeOptions()

options.add_experimental_option("excludeSwitches", ["enable-automation"])

options.add_experimental_option("useAutomationExtension", False)

service = ChromeService(executable_path=CHROMEDRIVER_PATH)

driver = webdriver.Chrome(service=service, options=options)

02 查找元素

在selenium4中,一系列的findElement方法如findElementByClassNamefindElementById等都被整合成为了一个方法------findElement。并且通过By.method来选择你的查找元素方法,例如下。

如果你想根据类名查找元素,你可以使用以下方法

python 复制代码
driver.findElement(By.className("className"));

如果你想通过css选择器来查找元素,你可以使用以下方法

python 复制代码
driver.findElement(By.cssSelector(".className"));

这里贴出与以往对应的所有查找元素方法,更新前

python 复制代码
driver.findElementByClassName("className");

driver.findElementByCssSelector(".className");

driver.findElementById("elementId");

driver.findElementByLinkText("linkText");

driver.findElementByName("elementName");

driver.findElementByPartialLinkText("partialText");

driver.findElementByTagName("elementTagName");

driver.findElementByXPath("xPath");

更新后

python 复制代码
driver.find_element(By.XPATH,'XPATH')

driver.find_element(By.CLASS_NAME,'CLASS_NAME')

driver.find_element(By.CSS_SELECTOR,'CSS_SELECTOR')

driver.find_element(By.ID,'ID')

driver.find_element(By.LINK_TEXT,'LINK_TEXT')

driver.find_element(By.PARTIAL_LINK_TEXT,'PARTIAL_LINK_TEXT')

driver.find_element(By.TAG_NAME,'TAG_NAME')

如果你查找的是多个元素,只需要将其中的find_element替换成find_elements即可。

等待元素出现

有时候某个元素不是直接出现的,如果不做判断则会导致程序崩溃,因此一般可以做异常处理,这里还有等待元素出现的方法。

首先,需要导入等待的包

python 复制代码
from selenium.webdriver.support.ui import WebDriverWait

然后使用以下方法等待元素出现,driver就是浏览器驱动,timeout就是等待的时长,until后是判断元素是否出现的,

python 复制代码
el = WebDriverWait(driver, timeout=3).until(lambda d: d.find_element_by_tag_name("p"))

03 动作API

动作API是网上资料比较少的,因为之前的查找元素,调用click等已经可以解决很多的问题了,在翻看官方文档时,发现selenium还支持动作API来模拟动作。

动作API分为四个部分,分别是**键盘** 、鼠标滚轮。这里先说明以下公共部分的。

暂停(pause)

光标移动,滚轮滚动期间,会有一些时间空隙,这里可以使用暂停来实现,这里是支持链式调用的,这里贴出官方给出的例子

python 复制代码
clickable = driver.find_element(By.ID, "clickable")

ActionChains(driver)\

        .move_to_element(clickable)\

        .pause(1)\

        .click_and_hold()\

        .pause(1)\

        .send_keys("abc")\

        .perform()

释放所有动作

当前有动作执行时,可以使用以下方法停止这些动作

python 复制代码
ActionBuilder(driver).clear_actions()

键盘

键盘代码表

如果你有兴趣,可以看一下,地址在这里,可以看到完整的列表。

按下某键,以输入shift+abc为例

python 复制代码
  ActionChains(driver)\

        .key_down(Keys.SHIFT)\

        .send_keys("abc")\

        .perform()

弹起某键,以输入shift+a``和``shift+b为例

python 复制代码
 ActionChains(driver)\

        .key_down(Keys.SHIFT)\

        .send_keys("a")\

        .key_up(Keys.SHIFT)\

        .send_keys("b")\

        .perform()

浏览器输入某串字符(不指定元素)

python 复制代码
    ActionChains(driver)\

        .send_keys("abc")\

        .perform()

指定元素输入字符串

python 复制代码
    text_input = driver.find_element(By.ID, "textInput")

    ActionChains(driver)\

        .send_keys_to_element(text_input, "abc")\

        .perform()

复制和粘贴

python 复制代码
cmd_ctrl = Keys.COMMAND if sys.platform == 'darwin' else Keys.CONTROL

ActionChains(driver)\

        .send_keys("Selenium!")\

        .send_keys(Keys.ARROW_LEFT)\

        .key_down(Keys.SHIFT)\

        .send_keys(Keys.ARROW_UP)\

        .key_up(Keys.SHIFT)\

        .key_down(cmd_ctrl)\

        .send_keys("xvv")\

        .key_up(cmd_ctrl)\

        .perform()

鼠标

鼠标点击保持,该方法将鼠标移动到元素中心与按下鼠标左键相结合。

这有助于聚焦特定元素:

python 复制代码
    clickable = driver.find_element(By.ID, "clickable")

    ActionChains(driver)\

        .click_and_hold(clickable)\

        .perform()

鼠标点击释放

python 复制代码
   clickable = driver.find_element(By.ID, "click")

    ActionChains(driver)\

        .click(clickable)\

        .perform()

鼠标定义的5种按键

  • 0------鼠标左键

  • 1------鼠标中键

  • 2------鼠标右键

  • 3------X1(后退键)

  • 4------X2(前进键)

鼠标右击

python 复制代码
clickable = driver.find_element(By.ID, "clickable")

    ActionChains(driver)\

        .context_click(clickable)\

        .perform()

按下鼠标3键

python 复制代码
  action = ActionBuilder(driver)

    action.pointer_action.pointer_down(MouseButton.BACK)

    action.pointer_action.pointer_up(MouseButton.BACK)

    action.perform()

按下鼠标4键

python 复制代码
    action = ActionBuilder(driver)

    action.pointer_action.pointer_down(MouseButton.FORWARD)

    action.pointer_action.pointer_up(MouseButton.FORWARD)

    action.perform()

鼠标双击

python 复制代码
    clickable = driver.find_element(By.ID, "clickable")

    ActionChains(driver)\

        .double_click(clickable)\

        .perform()

鼠标移动到元素上

python 复制代码
  hoverable = driver.find_element(By.ID, "hover")

    ActionChains(driver)\

        .move_to_element(hoverable)\

        .perform()

鼠标位移

就是通过像素点来进行位移操作

从元素左顶边进行位移

python 复制代码
    mouse_tracker = driver.find_element(By.ID, "mouse-tracker")

    ActionChains(driver)\

        .move_to_element_with_offset(mouse_tracker, 8, 11)\

        .perform()

从元素中心进行位移(请期待)

从当前窗口左上角位移

python 复制代码
    action = ActionBuilder(driver)

    action.pointer_action.move_to_location(8, 12)

    action.perform()

从当前鼠标位置位移

python 复制代码
    ActionChains(driver)\

        .move_by_offset( 13, 15)\

        .perform()

拖拽元素

该方法首先单击并按住源元素,移动到目标元素的位置,然后释放鼠标。

python 复制代码
    draggable = driver.find_element(By.ID, "draggable")

    droppable = driver.find_element(By.ID, "droppable")

    ActionChains(driver)\

        .drag_and_drop(draggable, droppable)\

        .perform()

通过位移拖拽

python 复制代码
    draggable = driver.find_element(By.ID, "draggable")

    start = draggable.location

    finish = driver.find_element(By.ID, "droppable").location

    ActionChains(driver)\

        .drag_and_drop_by_offset(draggable, finish['x'] - start['x'], finish['y'] - start['y'])\

        .perform()

笔(部分浏览器生效)

由于笔只在部分浏览器生效,这里就不写了,如果你感兴趣,或者有需求可以去官方文档查看,这里贴出官方文档地址。

滚轮(只有谷歌内核浏览器生效)

滚动到某元素位置

python 复制代码
iframe = driver.find_element(By.TAG_NAME, "iframe")

ActionChains(driver)\

    .scroll_to_element(iframe)\

    .perform()

定量滚动

python 复制代码
    footer = driver.find_element(By.TAG_NAME, "footer")

    delta_y = footer.rect['y']

    ActionChains(driver)\

        .scroll_by_amount(0, delta_y)\

        .perform()

从一个元素滚动指定量

python 复制代码
    iframe = driver.find_element(By.TAG_NAME, "iframe")

    scroll_origin = ScrollOrigin.from_element(iframe)

    ActionChains(driver)\

        .scroll_from_origin(scroll_origin, 0, 200)\

        .perform()

从一个元素滚动,并指定位移

python 复制代码
    footer = driver.find_element(By.TAG_NAME, "footer")

    scroll_origin = ScrollOrigin.from_element(footer, 0, -50)

    ActionChains(driver)\

        .scroll_from_origin(scroll_origin, 0, 200)\

        .perform()

从一个元素的原点位移

python 复制代码
 ActionChains(driver)\

        .scroll_from_origin(scroll_origin, 0, 200)\

        .perform()

总结

Selenium 4引入了WebDriver协议的标准化,使得不同浏览器的操作变得更加一致。比如,通过新的API,我们可以更方便地处理浏览器的窗口和标签页。此外,Selenium 4还提供了更为直观的定位元素方法,例如,通过XPath和CSS选择器的结合使用,大大提高了元素查找的效率。在实际应用中,使用Selenium 4抓取动态加载内容的网站时,可以利用其对JavaScript的支持,轻松实现复杂的抓取逻辑。

随着爬虫技术的普及,各类网站也开始增强对爬虫的防范意识。Selenium 4的推出,不仅提升了爬虫的开发效率,也使得开发者在面对反爬虫机制时,有了更多应对策略。例如,新的"无头模式"让爬虫在执行时更不容易被识别为自动化脚本,从而提高抓取成功率。

以上就是本文的所有内容,总结了selenium4在使用过程中常见的一些坑,以及官方所推荐使用的方式

Selenium 4的到来,为Python爬虫开发者提供了更为强大和灵活的工具。掌握这些新特性,不仅能提高我们的开发效率,更能在复杂的抓取任务中游刃有余。