爬蟲套件-Selenium常用功能介紹

selenium是什麼?

selenium原先是Python網頁自動化測試的套件,但因為能模仿使用者操作的行為,近來演變成爬蟲的最後一把武器。

為什麼會說是最後一把呢? 因為在爬蟲時的選項大多仍以requests搭配BeautifulSoup再加上Chorme解決

Selenium雖然強大,能夠使用瀏覽器的仿真操作,但相對就必須耗費比較多的資源。

不過這麼好用的套件怎麼能不認識他,本文將列出Selenium的常用功能。

瀏覽器(Webdriver)

如同前面提到的仿真操作,使用Selenium時需要有瀏覽器來進行,目前Selenium支援了許多瀏覽器,主流的都有包含在內,更詳細的可參考Official Document

以Chrome為例,下載時會出現多個版本號可選擇

能透過Chorme右上角的選項 > 設定 > 關於Chorme,找到目前使用Chrome的版本號,下載對應的號碼版本即可

常用功能

下載瀏覽器後,放在專案資料夾,或是任何找的到的地方。

driver.get(url)等於瀏覽網頁,以下方的例子,執行後將瀏覽器將會轉向google.com

from selenium import webdriver
 
main_url = 'https://google.com' 
chromedriver = 'chromedriver.exe'
 
driver = webdriver.Chrome(chromedriver)
driver.get(main_url)

指定單一物件(find element)

在網站中的<tag>可能有許多的attributes,下面有幾種Method能夠使用,透過指定idnameclass name等幾種見的屬性來指定

driver.find_element_by_id
driver.find_element_by_name
driver.find_element_by_xpath
driver.find_element_by_link_text
driver.find_element_by_partial_link_text
driver.find_element_by_tag_name
driver.find_element_by_class_name
driver.find_element_by_css_selector

指定多個物件(find elements)

如果要一次指定多個物件,只要把Method中的element加上s即可

例如,要找尋多個namepost的標籤

driver.find_elements_by_name('post')

這結果將會回傳一個list物件

指定絕對位置xpath

find_element_by_xpath需要被特別介紹,因為應用的頻率很高。如果想要指定一個namemain<p>,恰巧同個網頁上也有其他標籤namemain

這時就可以使用xpath進行定位,下面的範例就能精確地抓出namemain<p>

driver.find_element_by_xpath("//p[@name='main']")

包含特定文字的物件(contain)

如果不幸的,想找的標籤並沒有attributes,這時也能透過文字進行指定。

假設要指定找尋所有包含的下載文字的td標籤

ele = driver.find_elements_by_xpath("//td[contains(text(), '下載')]")

登入(Login)-輸入帳號密碼

在爬蟲時,也常遇到需要登入的場景,Selenium也用簡單三步驟完成登入這件事。

先指定帳號密碼的標籤(find)

username = driver.find_element_by_name('username')
password = driver.find_element_by_name('password')

輸入帳號密碼(send_keys)

username.send_keys("your username")
password.send_keys("your password")

點擊登入(Click)

login_btn = driver.find_element_by_name('login')
login_btn.click()

開新分頁(New Tab)、切換分頁(Switch)

爬蟲時也會遇到需要新開分頁的場景,原本的get只會在同一個分頁中不斷瀏覽新的網頁

如果要開新分頁該怎麼做呢?

先執行並進入第一個網頁

from selenium import webdriver
 
main_url = 'https://google.com' 
tab_url = 'https://www.facebook.com' 
chromedriver = 'chromedriver.exe'
 
driver = webdriver.Chrome(chromedriver)
driver.get(main_url)

接著執行這行開啟新分頁

driver.execute_script("window.open('');")

再執行這行切換到新開的分頁,並選擇新分頁要瀏覽的網頁

driver.switch_to.window(driver.window_handles[1])
driver.get(tab_url)

瀏覽器選項(Options)

在使用Selenium爬蟲時,也有許多客製化選項能夠調整

隱藏瀏覽器(headerless)

原先執行爬蟲時,瀏覽器會出現在畫面上運行,但其實是可以隱藏的。

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
 
options = Options()
options.add_argument('--headless')
 
chromedriver = 'chromedriver.exe'
driver = webdriver.Chrome(chromedriver , chrome_options=options)
driver.get(main_url)

隱藏瀏覽器的log資訊

options.add_argument("--log-level=OFF")

參考連結

Selenium with Python - Selenium Python Bindings 2 documentation

Tags:
# python
# selenium