一.什么叫做selenium webdriver？

elenium是一款支持多种语言、多种浏览器、多个平台的开源web自动化测试软件，测试人员可用python、java等语言编写自动化脚本，使得浏览器可以完全按照你的指令运行，大大节省了测试人员用鼠标点击测试的时间。

---

二.python下安装selenium和chromedriver

1.下载chromedriver对应的版本----并进行系统环境变量的配置。
2.安装selenium pip install selenium
3.就可以在程序中使用webdriver了。

三.使用webdriver代码：

import requests
from selenium import webdriver
import time
from lxml import etree

from day3.kaisha import*

# 获取二进制资源文件mp3
def get_resource(url):
    headers =  {
        "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36"
    }
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        # response.content返回的是字节流，decode后变成字符串
        return response.content
    return None
# 保存MP3
def save_mp3(mp3_url,title):
    # 获取MP3的二进制流
    mp3_content=get_resource(mp3_url)
    with open('./mp3/%s.mp3' %title,"wb") as f:
        f.write(mp3_content)


def get_page():
    #打开浏览器
    browser=webdriver.Chrome()
    url="https://emumo.xiami.com/chart"
    browser.get(url)
    #等待网页页面的连续加载
    time.sleep(2)
    html=browser.page_source
    return html
def parse_page(html):
    etree_html = etree.HTML(html)
    results = etree_html.xpath('//tr[@class="songwrapper"]')
    for item in results:
        data_mp3 = item.xpath('./@data-mp3')[0]
        data_title = item.xpath('./@data-title')[0]
        # print(data_mp3, data_title)
        mp3_url=str2url(data_mp3)
        # print(mp3_url)
        save_mp3(mp3_url,data_title)

def main():
    html=get_page()
    # print(html)
    parse_page(html)
if __name__ == '__main__':
    main()

四。补充

selenium库-模拟用户登陆，并解析网页

应用现状：

selenium模拟浏览器进行数据抓取确定是当下最通用的数据采集方案，它通吃各种数据加载方式，能够绕过客户JS加密，绕过爬虫检测，绕过签名机制。它的应用，大量网站的反采集策略形同虚设。由于硒​​不会在HTTP请求数据中留下指纹，因此无法被网站直接识别和拦截

selenium在运行的时候会暴露出一些预定义的Javascript变量（特征字符串），例如“ window.navigator.webdriver”，在非硒环境下其变量未定义，而在硒环境下，其变量true（如下图所示为selenium驱动下Chrome控制台打印出的值）

大众点评网的验证码表单页，如果是正常的浏览器操作，能够有效的通过验证，但如果是使用selenium就会被识别，即使验证码输入正确，也会被提示“请求异常，拒绝操作” ，无法通过验证

知道了屏蔽的原理，只要我们能够隐藏这些特征串就可以了。但是还不能直接删除这些属性，因为这样可能会导致selenium不能正常工作了。我们采用曲线救国的方法，使用中间人代理，诸如此类， proxy2.py或者mitmproxy，将JS文件（本例是yoda。*。js这个文件）中的特征字符串给过滤掉（或者替换掉，替换成根本不存在的特征串），让它无法正常工作，从而达到让客户端脚本检测不到selenium的效果

安装：pip install selenium

安装浏览器驱动：

查找到与自己装的浏览器先匹配的驱动进行下载
淘宝镜像驱动下载地址：https://npm.taobao.org/mirrors/chromedriver
最好将下载的chromdriver.exe ⽂件放到Python Scripts⽬录下或者配置PATH路径

引入selenium库，生成浏览器对象

可以复制导入以下常用函数

from selenium import webdriver
from selenium.common.exceptions import TimeoutException
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver import ActionChains

生成浏览器对象：

brower = webdriver.Chrome()

生成无头浏览器对象：

chrome_options = webdriver.ChromeOptions()
chrome_options.add_argument('--headless')
brower = webdriver.Chrome(chrome_options=chrome_options)

设置网页窗口大小

browser.set_window_size(1400, 700)

设置最大等待时间

wait = WebDriverWait(browser, 5)

访问网页，生成网页页面对象

browser.get('https://www.mkv99.com/vod-detail-id-9462.html')

硒相关函数方法：

获取渲染数据后的页面内容
a= browser.page_source

获取当前页面的url
browser.current_url

获取当前页面的cookies
browser.get_cookies()

根据节点的id查找获取节点对象
input1 = browser.find_element_by_id('1thUrlid第01集')

获取节点属性值
href = input1.get_attribute('href'))

css选择器获取节点
input_list = browser.find_elements_by_css_selector('.dwon2')

获取节点在页面中坐标（左上角）
input1.location

获取节点的宽高
input1.size

利用xpath方法获取节点：
input3 = browser.find_element_by_xpath('//*[@class="dwon2"]')
通过name的值获取
input4 = browser.find_element_by_name('CopyAddr1')
a= input4.tag_name
通过文本文字获取有该文字的一个标签
input5 = browser.find_element_by_link_text('今日更新')
通过文本文字获取有该文字的多个标签
input6 = browser.find_elements_by_partial_link_text('下载')
获取节点文本值
input5.text

让页面执行js代码（让页面滑动到底部）
str_js = 'var scrollHeight = document.body.scrollHeight;window.scrollTo(0, scrollHeight);'
browser.execute_script(str_js)

通过css选择器选择节点，并且等到该节点能被点击时获取（在最大等待时间内） --
next_page = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '#J_topPage .fp-next')))
通过xpath获取节点，并且等到该节点存在时获取（在最大等待时间内） --
next_page = wait.until(EC.presence_of_element_located((By.XPATH, '//a')))
通过text文本内容获取节点，并且等到该节点存在时获取（在最大等待时间内） --
next_page = wait.until(EC.presence_of_element_located((By.LINK_TEXT, '你好')))
通过标签名获取节点，并且等到该节点存在时获取（在最大等待时间内） --
next_page = wait.until(EC.presence_of_element_located((By.TAG_NAME, 'a')))
            --其他方法参照具体情况调用--

模拟用户点击next_page这个标签节点，其他模拟用户的事件在最下面 -- 
next_page.click()

模拟用户操作浏览器上节点对象的方法 -- （需指定节点对象来调用下列方法）
click(on_element=None) ——单击鼠标左键
click_and_hold(on_element=None) ——点击鼠标左键，不松开
context_click(on_element=None) ——点击鼠标右键
double_click(on_element=None) ——双击鼠标左键
drag_and_drop(source, target) ——拖拽到某个元素然后松开
drag_and_drop_by_offset(source, xoffset, yoffset) ——拖拽到某个坐标然后松开
key_down(value, element=None) ——按下某个键盘上的键
key_up(value, element=None) ——松开某个键
move_by_offset(xoffset, yoffset) ——鼠标从当前位置移动到某个坐标
move_to_element(to_element) --鼠标移动到某个元素
move_to_element_with_offset(to_element, xoffset, yoffset) --移动到距某个元素（左上⾓坐标）多少距离的位置
perform() ——执⾏链中的所有动作
release(on_element=None) ——在某个元素位置松开鼠标左键
send_keys(*keys_to_send) ——发送某个键到当前焦点的元素
send_keys_to_element(element, *keys_to_send) ——发送某个键到指定元素