PhantomJS
PhantomJS是一个基于Webkit的“无界面”(headless)浏览器，它会把网站加载到内存并执行页面上的 JavaScript，因为不会展示图形界面，所以运行起来比完整的浏览器要高效。
如果我们把 Selenium 和 PhantomJS 结合在一起，就可以运行一个非常强大的网络爬虫了，这个爬虫可以处理 JavaScrip、Cookie、headers，以及任何我们真实用户需要做的事情。
注意：PhantomJS 只能从它的官方网站http://phantomjs.org/download.html)下载。 因为 PhantomJS 是一个功能完善(虽然无界面)的浏览器而非一个 Python 库，所以它不需要像 Python 的其他库一样安装，但我们可以通过Selenium调用PhantomJS来直接使用。
PhantomJS 官方参考文档：http://phantomjs.org/documentation
快速入门
Selenium 库里有个叫 WebDriver 的 API。WebDriver 有点儿像可以加载网站的浏览器，但是它也可以像 BeautifulSoup 或者其他 Selector 对象一样用来查找页面元素，与页面上的元素进行交互 (发送文本、点击等)，以及执行其他动作来运行网络爬虫。
# IPython2 测试代码# 导入 webdriver
from selenium import webdriver# 要想调用键盘按键操作需要引入keys包
from selenium.webdriver.common.keys import Keys
# 调用环境变量指定的PhantomJS浏览器创建浏览器对象
driver = webdriver.PhantomJS()
# 如果没有在环境变量指定PhantomJS位置
# driver = webdriver.PhantomJS(executable_path="./phantomjs"))
# get方法会一直等到页面被完全加载，然后才会继续程序，通常测试会在这里选择 time.sleep(2)driver.get("http://www.baidu.com/")
# 获取页面名为 wrapper的id标签的文本内容
data = driver.find_element_by_id("wrapper").text
# 打印数据内容printdata# 打印页面标题 "百度一下，你就知道"printdriver.title
# 生成当前页面快照并保存driver.save_screenshot("baidu.png")
# id="kw"是百度搜索输入框，输入字符串"长城"driver.find_element_by_id("kw").send_keys(u"长城")# id="su"是百度搜索按钮，click() 是模拟点击driver.find_element_by_id("su").click()
# 获取新的页面快照driver.save_screenshot("长城.png")
# 打印网页渲染后的源代码printdriver.page_source# 获取当前页面Cookieprintdriver.get_cookies()# ctrl+a 全选输入框内容driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'a')
# ctrl+x 剪切输入框内容driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'x')
# 输入框重新输入内容driver.find_element_by_id("kw").send_keys("itcast")
# 模拟Enter回车键driver.find_element_by_id("su").send_keys(Keys.RETURN)
# 清除输入框内容driver.find_element_by_id("kw").clear()
# 生成新的页面快照driver.save_screenshot("itcast.png")
# 获取当前urlprintdriver.current_url
# 关闭当前页面，如果只有一个页面，会关闭浏览器
# driver.close()
# 关闭浏览器driver.quit()
页面操作
Selenium 的 WebDriver提供了各种方法来寻找元素，假设下面有一个表单输入框：
那么：
# 获取id标签值element = driver.find_element_by_id("passwd-id")
# 获取name标签值element = driver.find_element_by_name("user-name")
# 获取标签名值element = driver.find_elements_by_tag_name("input")
# 也可以通过XPath来匹配element = driver.find_element_by_xpath("//input[@id='passwd-id']")
定位UI元素 (WebElements)
关于元素的选取，有如下的API 单个元素选取
find_element_by_id
find_elements_by_name
find_elements_by_xpath
find_elements_by_link_text
find_elements_by_partial_link_text
find_elements_by_tag_name
find_elements_by_class_name
find_elements_by_css_selector
By ID
...
实现
element = driver.find_element_by_id("coolestWidgetEvah")
------------------------or-------------------------
from selenium.webdriver.common.by import By
element = driver.find_element(by=By.ID, value="coolestWidgetEvah")
By Class Name
Cheddar
Gouda
实现
cheeses = driver.find_elements_by_class_name("cheese")
------------------------or-------------------------
from selenium.webdriver.common.by import By
cheeses = driver.find_elements(By.CLASS_NAME,"cheese")
By Tag Name
实现
frame = driver.find_element_by_tag_name("iframe")
-----------------------or-------------------------
from selenium.webdriver.common.by import By
frame = driver.find_element(By.TAG_NAME,"iframe")
By Name
实现
cheese = driver.find_element_by_name("cheese")
------------------------or-------------------------
from selenium.webdriver.common.by import By
cheese = driver.find_element(By.NAME,"cheese")
By Link Text
实现
cheese = driver.find_element_by_link_text("cheese")
------------------------or-------------------------
from selenium.webdriver.common.by import By
cheese = driver.find_element(By.LINK_TEXT,"cheese")
By Partial Link Text
实现
cheese = driver.find_element_by_partial_link_text("cheese")
------------------------or-------------------------
from selenium.webdriver.common.by import By
cheese = driver.find_element(By.PARTIAL_LINK_TEXT,"cheese")
By CSS
milkcheese
实现
cheese = driver.find_element_by_css_selector("#food span.dairy.aged")
------------------------or-------------------------
from selenium.webdriver.common.by import By
cheese = driver.find_element(By.CSS_SELECTOR,"#food span.dairy.aged")
By XPath
实现
inputs = driver.find_elements_by_xpath("//input")
------------------------or-------------------------
from selenium.webdriver.common.by import By
inputs = driver.find_elements(By.XPATH,"//input")
鼠标动作链
有些时候，我们需要再页面上模拟一些鼠标操作，比如双击、右击、拖拽甚至按住不动等，我们可以通过导入 ActionChains 类来做到：
示例：
#导入 ActionChains 类fromselenium.webdriverimportActionChains# 鼠标移动到 ac 位置ac = driver.find_element_by_xpath('element')ActionChains(driver).move_to_element(ac).perform()# 在 ac 位置单击ac = driver.find_element_by_xpath("elementA")ActionChains(driver).move_to_element(ac).click(ac).perform()# 在 ac 位置双击ac = driver.find_element_by_xpath("elementB")ActionChains(driver).move_to_element(ac).double_click(ac).perform()# 在 ac 位置右击ac = driver.find_element_by_xpath("elementC")ActionChains(driver).move_to_element(ac).context_click(ac).perform()# 在 ac 位置左键单击hold住ac = driver.find_element_by_xpath('elementF')ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()# 将 ac1 拖拽到 ac2 位置ac1 = driver.find_element_by_xpath('elementD')ac2 = driver.find_element_by_xpath('elementE')ActionChains(driver).drag_and_drop(ac1, ac2).perform()
填充表单
我们已经知道了怎样向文本框中输入文字，但是有时候我们会碰到 标签的下拉框。直接点击下拉框中的选项不一定可行。
Selenium专门提供了Select类来处理下拉框。 其实 WebDriver 中提供了一个叫 Select 的方法，可以帮助我们完成这些事情：
# 导入 Select 类
from selenium.webdriver.support.ui importSelect
# 找到 name 的选项卡
select = Select(driver.find_element_by_name('status'))
#
select.select_by_index(1)
select.select_by_value("0")
select.select_by_visible_text(u"未审核")
以上是三种选择下拉框的方式，它可以根据索引来选择，可以根据值来选择，可以根据文字来选择。注意：
index 索引从 0 开始
value是option标签的一个属性值，并不是显示在下拉框中的值
visible_text是在option标签文本的值，是显示在下拉框的值
全部取消选择怎么办呢？很简单:
select.deselect_all()
弹窗处理
当你触发了某个事件之后，页面出现了弹窗提示，处理这个提示或者获取提示信息方法如下：
alert = driver.switch_to_alert()
页面切换
一个浏览器肯定会有很多窗口，所以我们肯定要有方法来实现窗口的切换。切换窗口的方法如下：
driver.switch_to.window("this is window name")
也可以使用 window_handles 方法来获取每个窗口的操作对象。例如：
forhandleindriver.window_handles: driver.switch_to_window(handle)
页面前进和后退
操作页面的前进和后退功能：
driver.forward()#前进driver.back()# 后退
Cookies
获取页面每个Cookies值，用法如下
forcookieindriver.get_cookies():print"%s -> %s"% (cookie['name'], cookie['value'])
删除Cookies，用法如下
# By namedriver.delete_cookie("CookieName")# alldriver.delete_all_cookies()
页面等待
注意：这是非常重要的一部分！！
现在的网页越来越多采用了 Ajax 技术，这样程序便不能确定何时某个元素完全加载出来了。如果实际页面等待时间过长导致某个dom元素还没出来，但是你的代码直接使用了这个WebElement，那么就会抛出NullPointer的异常。
为了避免这种元素定位困难而且会提高产生 ElementNotVisibleException 的概率。所以 Selenium 提供了两种等待方式，一种是隐式等待，一种是显式等待。
隐式等待是等待特定的时间，显式等待是指定某一条件直到这个条件成立时继续执行。
显式等待
显式等待指定某个条件，然后设置最长等待时间。如果在这个时间还没有找到元素，那么便会抛出异常了。
from selenium import webdriver
from selenium.webdriver.common.by import By
# WebDriverWait 库，负责循环等待
from selenium.webdriver.support.ui import WebDriverWait
# expected_conditions 类，负责条件出发
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Chrome()
driver.get("http://www.xxxxx.com/loading")
try:
# 页面一直循环，直到 id="myDynamicElement" 出现
element = WebDriverWait ( driver,10).until(
EC.presence_of_element_located((By.ID,"myDynamicElement" ))
)
finally:
driver.quit()
如果不写参数，程序默认会 0.5s 调用一次来查看元素是否已经生成，如果本来元素就是存在的，那么会立即返回。
下面是一些内置的等待条件，你可以直接调用这些条件，而不用自己写某些等待条件了。
title_is
title_contains
presence_of_element_located
visibility_of_element_located
visibility_of
presence_of_all_elements_located
text_to_be_present_in_element
text_to_be_present_in_element_value
frame_to_be_available_and_switch_to_it
invisibility_of_element_located
element_to_be_clickable – it is Displayed and Enabled.
staleness_of
element_to_be_selected
element_located_to_be_selected
element_selection_state_to_be
element_located_selection_state_to_be
alert_is_present
隐式等待
隐式等待比较简单，就是简单地设置一个等待时间，单位为秒。
from selenium import webdriver
driver = webdriver.Chrome()
driver.implicitly_wait(10) #seconds
driver.get("http://www.xxxxx.com/loading")
myDynamicElement = driver.find_element_by_id("myDynamicElement")
当然如果不设置，默认等待时间为0。
网友评论