博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Day03:Selenium,BeautifulSoup4
阅读量:5144 次
发布时间:2019-06-13

本文共 7107 字,大约阅读时间需要 23 分钟。

选择器

element: 查找一个
elements: 查找多个

by_id

by_class_name
by_name
by_link_text
by_partial_link_text
by_css_selector

 

Selenium剩余部分

1.元素交互操作:

  • 点击、清除 click clear

  • - ActionChains

    是一个动作链对象,需要把driver驱动传给它。
    动作链对象可以操作一系列设定好的动作行为。

    - iframe的切换

    driver.switch_to.frame('iframeResult')

    - 执行js代码

    execute_script()

  • 元素交互操作
    from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.keys import Keysimport timedriver=webdriver.Chrome(r'C:\Users\HP\Desktop\chromedriver.exe')try:    driver.implicitly_wait(10)    driver.get('https://www.jd.com/')    time.sleep(5)    input=driver.find_element_by_id('key')    input.send_keys('围城')    search=driver.find_element_by_class_name('button')    search.click()    time.sleep(3)    input2=driver.find_element_by_id('key')    input2.clear()    time.sleep(1)    input2.send_keys('墨菲定律')    input2.send_keys(Keys.ENTER)    time.sleep(10)finally:    driver.close()

     

  • ActionChains: 动作链
  • from selenium import webdriverfrom selenium.webdriver import ActionChainsfrom selenium.webdriver.common.keys import Keysimport timedriver=webdriver.Chrome(r'C:\Users\HP\Desktop\chromedriver.exe')try:    driver.implicitly_wait(10)    driver.get('https://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')    time.sleep(5)    driver.switch_to.frame('iframeResult')    time.sleep(1)    source=driver.find_element_by_id('draggable')    target=driver.find_element_by_id('droppable')    print(source.size)    print(source.tag_name)    print(source.text)    print(source.location)    distance=target.location['x']-source.location['x']    ActionChains(driver).click_and_hold(source).perform()    s=0    while s
     
  • 模拟浏览器的前进后退
  • import timefrom selenium import webdriverbrowser = webdriver.Chrome()browser.get('https://www.baidu.com')browser.get('https://www.taobao.com')browser.get('http://www.sina.com.cn/')# 回退browser.back()time.sleep(5)# 前进browser.forward()time.sleep(3)browser.close()

     

  • 爬取京东商品信息

  • import timefrom selenium import webdriverfrom selenium.webdriver.common.keys import Keysdef get_good(driver):    num=1    try:        time.sleep(5)        js_code='''            window.scrollTo(0,5000)        '''        driver.execute_script(js_code)        time.sleep(5)        good_list=driver.find_elements_by_class_name('gl-item')        for good in good_list:            good_name=good.find_element_by_css_selector('.p-name em').text            good_url=good.find_element_by_css_selector('.p-name a').get_attribute('href')            good_price=good.find_element_by_class_name('p-price').text            good_commit=good.find_element_by_class_name('p-commit').text            good_content=f'''            num:{num}            商品名称:{good_name}            商品链接:{good_url}            商品价格:{good_price}            商品评价:{good_commit}            \n            '''            print(good_content)            with open('jd.text','a',encoding='utf-8')as f:                f.write(good_content)            num += 1        print('商品信息写入成功!')        next_tag=driver.find_elements_by_class_name('pn-next')        next_tag.click()        time.sleep(5)        get_good(driver)    finally:        driver.close()if __name__ == '__main__':    driver = webdriver.Chrome(r'C:\Users\HP\Desktop\chromedriver.exe')    try:        driver.implicitly_wait(10)        driver.get('http://www.jd.com/')        input_tag=driver.find_element_by_id('key')        input_tag.send_keys('墨菲定律')        input_tag.send_keys(Keys.ENTER)        get_good(driver)    finally:        driver.close()

     

  • 二 BeautifulSoup4 BS4
  • 1.什么BeautifulSoup?

    bs4是一个解析库,可以通过某种(解析器)来帮我们提取想要的数据。

    2.为什么要使用bs4?

    因为它可以通过简洁的语法快速提取用户想要的数据内容。

    3.解析器的分类

    - lxml
    - html.parser

    4.安装与使用

    - 遍历文档树
    - 搜索文档树

  • 补充知识点:
  • 数据格式:

    json数据:

    {
    "name": "tank"
    }

    XML数据:

    <name>tank</name>

    HTML:

    <html></html>

    生成器: yield 值(把值放进生成器中)

    def f():

    # return 1

    yield 1
    yield 2
    yield 3

    g = f()

    print(g)

    for line in g:

    print(line)

  • bs4安装与使用
  • '''''''''安装解析器:pip3 install lxml安装解析库:pip3 install bs4'''html_doc = """The Dormouse's story

    $37

    Once upon a time there were three little sisters; and their names wereElsie,Lacie andTillie;and they lived at the bottom of a well.

    ...

    """from bs4 import BeautifulSoup# python自带的解析库# soup = BeautifulSoup(html_doc, 'html.parser')# 调用bs4得到一个soup对象soup = BeautifulSoup(html_doc, 'lxml')# bs4对象print(soup)# bs4类型print(type(soup))# 美化功能html = soup.prettify()print(html)

     

  • bs4解析库之遍历文档树
  • html_doc = """The Dormouse's story

    $37

    Once upon a time there were three little sisters; and their names wereElsie,Lacie andTillie;and they lived at the bottom of a well.

    ...

    """from bs4 import BeautifulSoupsoup = BeautifulSoup(html_doc, 'lxml')# print(soup)# print(type(soup))# 遍历文档树# 1、直接使用 *****print(soup.html)print(type(soup.html))print(soup.a)print(soup.p)# 2、获取标签的名称print(soup.a.name)# 3、获取标签的属性 *****print(soup.a.attrs) # 获取a标签中所有的属性print(soup.a.attrs['href'])# 4、获取标签的文本内容 *****print(soup.p.text) # $37# 5、嵌套选择print(soup.html.body.p)# 6、子节点、子孙节点print(soup.p.children) # 返回迭代器对象print(list(soup.p.children)) # [$37]# 7、父节点、祖先节点print(soup.b.parent)print(soup.b.parents)print(list(soup.b.parents))# 8、兄弟节点 (sibling: 兄弟姐妹)print(soup.a)# 获取下一个兄弟节点print(soup.a.next_sibling)# 获取下一个的所有兄弟节点,返回的是一个生成器print(soup.a.next_siblings)print(list(soup.a.next_siblings))# 获取上一个兄弟节点print(soup.a.previous_sibling)# 获取上一个的所有兄弟节点,返回的是一个生成器print(list(soup.a.previous_siblings))

     

  • bs4之搜索文档树
  • find: 找第一个 find_all: 找所有 标签查找与属性查找: name 属性匹配     name 标签名     attrs 属性查找匹配     text 文本匹配     标签:         - 字符串过滤器               字符串全局匹配         - 正则过滤器             re模块匹配         - 列表过滤器             列表内的数据匹配         - bool过滤器             True匹配         - 方法过滤器             用于一些要的属性以及不需要的属性查找。     属性:         - class_         - id
  • html_doc = """The Dormouse's story

    $37

    Once upon a time there were three little sisters; and their names wereElsieLacie andTillieand they lived at the bottom of a well.

    ...

    """from bs4 import BeautifulSoupsoup = BeautifulSoup(html_doc, 'lxml')# name 标签名# attrs 属性查找匹配# text 文本匹配# find与find_all搜索文档'''字符串过滤器'''p = soup.find(name='p')p_s = soup.find_all(name='p')print(p)print(p_s)# name + attrsp = soup.find(name='p', attrs={
    "id": "p"})print(p)# name + texttag = soup.find(name='title', text="The Dormouse's story")print(tag)# name + attrs + texttag = soup.find(name='a', attrs={
    "class": "sister"}, text="Elsie")print(tag)'''- 正则过滤器re模块匹配'''import re# name# 根据re模块匹配带有a的节点a = soup.find(name=re.compile('a'))print(a)a_s = soup.find_all(name=re.compile('a'))print(a_s)# attrsa = soup.find(attrs={
    "id": re.compile('link')})print(a)# - 列表过滤器# 列表内的数据匹配print(soup.find(name=['a', 'p', 'html', re.compile('a')]))print(soup.find_all(name=['a', 'p', 'html', re.compile('a')]))# - bool过滤器# True匹配print(soup.find(name=True, attrs={
    "id": True}))# - 方法过滤器# 用于一些要的属性以及不需要的属性查找。def have_id_not_class(tag): # print(tag.name) if tag.name == 'p' and tag.has_attr("id") and not tag.has_attr("class"): return tag# print(soup.find_all(name=函数对象))print(soup.find_all(name=have_id_not_class))# 补充知识点:# ida = soup.find(id='link2')print(a)# classp = soup.find(class_='sister')print(p)

     

 

转载于:https://www.cnblogs.com/zhoujie333/p/11128756.html

你可能感兴趣的文章
Xcode部分插件无法使用识别的问题
查看>>
set学习记录
查看>>
用函数写注册功能
查看>>
JVM笔记4:Java内存分配策略
查看>>
IE8 window.open 不支持此接口 的问题解决
查看>>
Django -- 发送HTML格式的邮件
查看>>
最近面试问题汇总
查看>>
ORM版学员管理系统3
查看>>
修改安卓虚拟机系统镜像
查看>>
windows 2003 Server平台Delphi程序不支持直接调用webservice
查看>>
电子书下载:Professional ASP.NET Design Patterns
查看>>
random 产生一个随机数的方法
查看>>
RST_n的问题
查看>>
欢迎来我的#百度相册#时光轴,坐上时光机,与我一起穿梭时空!
查看>>
------结对作业代码复审-----
查看>>
ASP.NET 获得当前网页名字
查看>>
windows pear 安装
查看>>
22Spring基于配置文件的方式配置AOP
查看>>
H5页面在微信端的分享
查看>>
python13 1.函数的嵌套定义 2.global、nonlocal关键字 3.闭包及闭包的运用场景 4.装饰器...
查看>>