爬虫学习(五)Selenium+chormedrive自动化模拟

1.简单使用

# from selenium import webdriver
# driver_path = r"D:\Python\chromedriver\chromedriver.exe"  #chormedriver的绝对路径
# driver = webdriver.Chrome(executable_path=driver_path)
# driver.get("http://www.baidu.com")
#driver.close() #退出页面
#driver.quit() #退出浏览器

2.定位元素的获取,以百度页面为例

#定位元素的获取,以百度页面为例
#1.通过id获取
# input = driver.find_element_by_id("kw")
#2.通过name获取
# input = driver.find_element_by_name("wd")
#3.通过类名查找
# input = driver.find_element_by_class_name("s_ipt")
#4.通过xpath语法查找
# input = driver.find_element_by_xpath("//input[@id='kw']")
#5.通过CSS选择器获取
# input = driver.find_element_by_css_selector('.quickdelete-wrap > input')
#6.通过标签名
# input = driver.find_elements_by_tag_name()
#填充定位元素
# input.send_keys('python')

3.selenium操控页面常见元素

#常见表单元素 input type='text\password\number' 文本框元素
#button、 input(type='submit')  按钮
#checkbox input='checkbox' #例如是否记住密码的方框
#select 下拉列表

#操作输入框
# from selenium import webdriver
# import time
# driver_path = r"D:\Python\chromedriver\chromedriver.exe"
# driver = webdriver.Chrome(executable_path=driver_path)
# driver.get("http://www.baidu.com")
# input = driver.find_element_by_id("kw")
# input.send_keys('python')
# time.sleep(2)
# #清除文本框
# input.clear()

#操作checkbox
# from selenium import webdriver
# import time
# 
# driver_path = r"D:\Python\chromedriver\chromedriver.exe"
# driver = webdriver.Chrome(executable_path=driver_path)
# driver.get("https://douban.com/")
# driver.switch_to.frame(driver.find_elements_by_tag_name('iframe')[0]) #切换到子框架
# rememberBtn = driver.find_element_by_name("remember")
# rememberBtn.click()

#操作select标签,即下拉选择列表
# from selenium import webdriver
# from selenium.webdriver.support.ui import Select
# driver_path = r"D:\Python\chromedriver\chromedriver.exe"
# driver = webdriver.Chrome(executable_path=driver_path)
# driver.get("https://dobai.cn/")
#选中select标签
# selectBtn = Select(driver.find_element_by_name('jumpMenu'))
#通过索引选择序列为1的页面
# selectBtn.select_by_index(1)
#通过值选择
# selectBtn.select_by_value('http://www.95yueba.com')
#通过可视化文本选择
# selectBtn.select_by_visible_text('95秀客户端')
#取消选中所有选项
# selectBtn.deselect_all()

#操作submit
# from selenium import webdriver
# from selenium.webdriver.support.ui import Select
# 
# driver_path = r"D:\Python\chromedriver\chromedriver.exe"
# driver = webdriver.Chrome(executable_path=driver_path)
# driver.get("http://www.baidu.com")
# 
# inputbar = driver.find_element_by_id('kw')
# inputbar.send_keys('python')
#获取submit标签并操作
# submitbar = driver.find_element_by_id('su')
# submitbar.click()

4.行为链

在页面中的操作有很多步,可以通过鼠标行为链类ActionChains来完成

# 行为链
# from selenium import webdriver
# from selenium.webdriver.common.action_chains import ActionChains
# 
# driver_path = r"D:\Python\chromedriver\chromedriver.exe"
# driver = webdriver.Chrome(executable_path=driver_path)
# driver.get("http://www.baidu.com")
# 分别获取输入和submit标签
# inputtag = driver.find_element_by_id('kw')
# submittag = driver.find_element_by_id('su')
# 
# actions = ActionChains(driver)
# actions.move_to_element(inputtag) #鼠标移动到输入框
# actions.send_keys('python') #填充内容
# actions.move_to_element(submittag) #移动到submit,准备提交表单
# actions.click(submittag) #提交表单
# actions.perform() #使行为按顺序执行

5.selenium操作cookie

#selenium操作cookie
from selenium import webdriver
driver_path = r"D:\Python\chromedriver\chromedriver.exe"
driver = webdriver.Chrome(executable_path=driver_path)
driver.get("http://www.baidu.com")
#获取cookie
for cookie in driver.get_cookies():
    print(cookie)
#根据cookie的key获取value
print(driver.get_cookie("PSTM"))
#删除某个cookie
driver.delete_cookie("PSTM")
print(driver.get_cookie("PSTM"))
#删除所有cookie
driver.delete_all_cookies()

6.selenium的隐式等待和显示等待

#selenium的隐式等待和显示等待
# from selenium import webdriver
# from selenium.webdriver.support.ui import WebDriverWait
# from selenium.webdriver.support import expected_conditions as ES
# from selenium.webdriver.common.by import By
# driver_path = r"D:\Python\chromedriver\chromedriver.exe"
# driver = webdriver.Chrome(executable_path=driver_path)
# driver.get("https://douban.com/")
#切换到子框架
# driver.switch_to.frame(driver.find_elements_by_tag_name('iframe')[0])
#要先点击用账号密码登录的按钮,不然会找不到输入账号和密码的地方
# bottom1 = driver.find_element_by_xpath('/html/body/div[1]/div[1]/ul[1]/li[2]')
# bottom1.click()
# 隐式等待20s
# driver.implicitly_wait(20)
# driver.find_element_by_id("123456")
# 显式等待
# element=WebDriverWait(driver,10).until(
#     ES.presence_of_element_located((By.ID,"username")) #必须传入元组
# )
# print(element)

7.selenium打开和切换多个页面

#selenium打开多个页面
from selenium import webdriver
driver_path = r"D:\Python\chromedriver\chromedriver.exe"
driver = webdriver.Chrome(executable_path=driver_path)
driver.get("http://www.baidu.com")
#打开一个新页面
driver.execute_script("window.open('https://www.douban.com/')")
#注意旧版本river.switch_to_window要用river.switch_to.window代替
driver.switch_to.window(driver.window_handles[1]) #driver.window_handles[]是一个列表,里面装着窗口句柄
print(driver.current_url) #获取当前页面url
print(driver.page_source) #获取网页源代码

8.selenium使用代理

#selenium使用代理
from selenium import webdriver
import time
driver_path = r"D:\Python\chromedriver\chromedriver.exe"
options = webdriver.ChromeOptions()
options.add_argument("--proxy-server=http://175.42.68.11:9999")
driver = webdriver.Chrome(executable_path=driver_path,options=options) #新版本改动chorme_options改为options
driver.get('http://httpbin.org/ip')
print(driver.page_source)
time.sleep(10)
driver.quit()

9.tesseract-OCR识别

安装方法:请自行百度
安装包:由于墙的原因,我下载不太顺利,所以安装包送上,需要自取
链接: https://pan.baidu.com/s/18RGUURHRMTlcpZS-NJlB0w 提取码: dfsf

import pytesseract
from PIL import Image

#找到tesseract.exe
pytesseract.pytesseract.tesseract_cmd = r"D:\Python\tesseract\tesseract.exe"

#找到Image路径并打开
image = Image.open(r"D:\Python\tesseract_demo\a.png")

#读取文字,默认为英文,可指定语言,前提需将训练数据导入tesseract的tessdata文件夹中
text = pytesseract.image_to_string(image,"chi_sim")

print(text)

彩蛋

自动化爬取湖工大教务系统成绩查询页面(验证码需手动输入)

from selenium import webdriver
from bs4 import BeautifulSoup
from selenium.webdriver.support.ui import Select
from pyecharts.charts import Bar,Page
from pyecharts import options as opts
import time

driver = ''
studies = []
def get_page():
    global driver
    driver_path = r"D:\Python\chromedriver\chromedriver.exe"
    driver = webdriver.Chrome(executable_path=driver_path)
    url = 'http://run.hbut.edu.cn/Account/LogOn'
    driver.get(url)
    username = driver.find_element_by_id("UserName")
    #在引号中输入你的学号
    username.send_keys("")
    password = driver.find_element_by_id("Password")
    #在引号中输入你的密码
    password.send_keys("")
    #睡5秒,此时请在打开的页面输入验证码
    time.sleep(5)
    denglu = driver.find_element_by_xpath("//div[@class='b f']")
    denglu.click()
    time.sleep(1)
    # driver.get('http://run.hbut.edu.cn/StuGrade/Index?SemesterName=20191&SemesterNameStr=2019%E5%AD%A6%E5%B9%B4%20%E7%AC%AC%E4%B8%80%E5%AD%A6%E6%9C%9F')
    #访问成绩查询页面
    driver.get(
        'http://run.hbut.edu.cn/StuGrade/Index')
    # html = driver.page_source
    # page_parse(html)
    #控制select部件,下拉选择不同页面并抓取页面HTML,并传入解析页面函数
    for x in range(1,4):
        selectbtn = Select(driver.find_element_by_name("SemesterName"))
        #睡5秒,防止操作太快被识别为爬虫
        time.sleep(5)
        selectbtn.select_by_index(x)
        html = driver.page_source
        page_parse(html)
        # print(driver.current_url)
    time.sleep(5)
    driver.quit()

def page_parse(html):
    soup = BeautifulSoup(html, 'lxml')
    #提取所有tr标签并过滤表头
    trs = soup.find_all('tr')[1:]
    study = []
    for tr in trs:
        #提取tr标签下的文字,并过滤课程编号
        texts = list(tr.stripped_strings)[1:6]
        #过滤课程类型,将其他数据写入字典
        del texts[1]
        grade = {
            'name': texts[0],
            'jidian': texts[1],
            'content-score': texts[2],
            'score': texts[3]
        }
        #将当前学年所有科目成绩以字典形式存入列表
        study.append(grade)
    #将存有每个学年所有科目的成绩的字典的列表作为元素存入列表
    studies.append(study)

if __name__ == '__main__':
    get_page()
    content_all = []
    score_all = []
    pscores_all = []
    for study in studies:
        scores = 0
        myscores = 0
        for x in study:
            #计算每个学年的各个科目总学分
            a = float(x['content-score'])
            scores = scores + a
            #计算每个学年期末考试各科绩点*学分的总和
            b = float(x['jidian']) * float(x['content-score'])
            myscores = myscores + b
        #计算学年平均绩点
        pscores = myscores / scores
        #将平均绩点存入列表中
        pscores_all.append(pscores)
        #提取每个学年的科目名称并转化为列表,并存入列表中
        content_classes = list(map(lambda x: x["name"], study))
        content_all.append(content_classes)
        #提取课程期末成绩,并存入列表
        score_classes= list(map(lambda x: x["score"], study))
        score_all.append(score_classes)
    #进行简单数据可视化
    bar0 = (Bar()
            .add_xaxis(content_all[0])
            .add_yaxis('', score_all[0])
            .set_global_opts(xaxis_opts=opts.AxisOpts(name='课程'))
            .set_global_opts(yaxis_opts=opts.AxisOpts(name='成绩'))
            .set_global_opts(title_opts=opts.TitleOpts(title='2019第一学年',subtitle='绩点:%f' %pscores_all[0],
                                                       pos_left='center',
                                                       pos_top='5%' ))
           )
    bar1 = (Bar()
            .add_xaxis(content_all[1])
            .add_yaxis('', score_all[1])
            .set_global_opts(xaxis_opts=opts.AxisOpts(name='课程'))
            .set_global_opts(yaxis_opts=opts.AxisOpts(name='成绩'))
            .set_global_opts(title_opts=opts.TitleOpts(title='2018第二学年', subtitle='绩点:%f' % pscores_all[1],
                                                       pos_left='center',
                                                       pos_top='5%'))
            )
    bar2 = (Bar()
            .add_xaxis(content_all[2])
            .add_yaxis('', score_all[2])
            .set_global_opts(xaxis_opts=opts.AxisOpts(name='课程'))
            .set_global_opts(yaxis_opts=opts.AxisOpts(name='成绩'))
            .set_global_opts(title_opts=opts.TitleOpts(title='2018第一学年', subtitle='绩点:%f' % pscores_all[2],
                                                       pos_left='center',
                                                       pos_top='5%'))
            )
    page = Page()
    page.add(bar0,bar1,bar2)
    #路径根据自己电脑更改
    page.render('E:/桌面/成绩.html')
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,802评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,109评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,683评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,458评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,452评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,505评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,901评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,550评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,763评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,556评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,629评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,330评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,898评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,897评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,140评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,807评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,339评论 2 342