长春网站快速排名提升网站建站网站299266co

长春网站快速排名提升,网站建站网站299266co,赞助网站怎么做,人人设计网官方网站引言在人工智能时代#xff0c;获取数据是第一步。爬虫技术能帮我们打开网页背后的信息。对于初学者来说#xff0c;Selenium是一个非常友好的入门选择——它不仅能获取网页数据#xff0c;还能模拟真实用户的操作#xff0c;比如点击按钮、输入文字、上传文件等。我们之前…引言在人工智能时代获取数据是第一步。爬虫技术能帮我们打开网页背后的信息。对于初学者来说Selenium是一个非常友好的入门选择——它不仅能获取网页数据还能模拟真实用户的操作比如点击按钮、输入文字、上传文件等。我们之前学习的requests库虽然简单高效但它只能获取静态网页内容。现在许多网站都使用JavaScript动态加载数据这时候就需要Selenium库了。它可以等待页面完全加载获取渲染后的完整内容就像你用浏览器看到的那样。一、Selenium基础知识1、什么是SeleniumSelenium最初是为Web应用程序测试而生的工具。Selenium可以录制我们的操作然后自动重复执行就像一个不知疲倦的测试员。但既然Selenium能控制浏览器那为什么不把它用来抓取数据呢于是Selenium在爬虫领域也开始应用了起来。2、Selenium工作原理Selenium的工作原理为首先我们编写的Python代码通过调用Selenium库发出指令随后这些指令被传递给对应浏览器的WebDriver驱动该驱动将代码命令转换为浏览器能直接理解并执行的底层操作最后浏览器根据接收到的命令完成相应的网页交互。不同的浏览器需要各自专属的WebDriver程序并且必须确保WebDriver的版本与浏览器版本严格匹配以保证整个通信链路的顺畅和功能的正常运行。Python代码 → Selenium库 → WebDriver驱动 → 浏览器二、环境搭建1、安装Selenium库打开命令行Windows用户按WinR输入cmd输入pip install selenium4.11.0 -i https://pypi.mirrors.ustc.edu.cn/simple/2、下载浏览器驱动先查看浏览器版本1)、Edge浏览器右上角三个点 → 帮助和反馈 → 关于Microsoft Edge2)、Chrome浏览器右上角三个点 → 帮助 → 关于Google Chrome下载地址Edge驱动https://developer.microsoft.com/en-us/microsoft-edge/tools/webdriver/ Chrome驱动https://chromedriver.storage.googleapis.com/index.html Firefox驱动https://github.com/mozilla/geckodriver/releases3、配置驱动路径Windows把下载的msedgedriver.exeEdge或chromedriver.exeChrome放到Python安装目录的Scripts文件夹里也可以者任何位置但要在代码中指定完整路径。4、验证安装是否成功创建一个测试文件如果看到浏览器自动打开并显示百度页面则代表环境配置成功。from selenium import webdriver from selenium.webdriver.edge.options import Options edge_options Options() edge_options.binary_location rC:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe driver webdriver.Edge(optionsedge_options) driver.get(https://www.baidu.com) print(浏览器已成功打开) input(按回车键关闭浏览器...) driver.quit()三、Selenium基础操作1、打开你的第一个网页使用Selenium进行网页自动化操作时首先需要从selenium库中导入webdriver模块以及针对特定浏览器如Edge的配置选项Options并通过binary_location参数指定浏览器程序的准确路径来初始化浏览器选项。接着利用配置好的选项创建并启动对应的WebDriver实例该实例会控制一个真实的浏览器窗口随后调用driver.get()方法导航至目标网址并使用time.sleep()短暂暂停以便观察页面加载效果最后为确保资源释放必须调用driver.quit()方法来完全关闭浏览器及相关的驱动程序。from selenium import webdriver from selenium.webdriver.edge.options import Options import time # 创建浏览器选项 edge_options Options() edge_options.binary_location rC:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe # 启动浏览器 driver webdriver.Edge(optionsedge_options) # 访问网页 driver.get(https://www.baidu.com) # 等待5秒看看效果 time.sleep(5) # 关闭浏览器 driver.quit()2、同时打开多个标签页在Selenium中可以通过执行JavaScript代码实现同时打开并管理多个标签页首先配置并启动Edge浏览器驱动使用driver.get()方法打开初始网页随后利用driver.execute_script()执行window.open()函数在新标签页中依次打开其他指定网址。通过driver.window_handles可以获取所有标签页的窗口句柄并使用driver.switch_to.window()方法切换到目标标签页进行后续操作从而实现在同一浏览器中同时打开多个网页的效果。from selenium import webdriver from selenium.webdriver.edge.options import Options edge_options Options() edge_options.binary_location rC:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe driver webdriver.Edge(optionsedge_options) # 先打开百度 driver.get(https://www.baidu.com) # 在新标签页中打开B站 driver.execute_script(window.open(https://www.bilibili.com,_blank);) # 再打开一个学习网站 driver.execute_script(window.open(https://www.shuyishe.com,_blank);) # 获取所有标签页的句柄 handles driver.window_handles print(f当前打开了 {len(handles)} 个标签页) # 切换到第二个标签页B站 driver.switch_to.window(handles[1]) print(现在显示的是B站页面) input(按回车键关闭所有页面...) driver.quit()3、获取网页源代码在Selenium中获取网页源代码首先要配置并启动Edge浏览器驱动并导航至目标网页随后通过driver.page_source属性即可获取浏览器当前已渲染完成的完整HTML代码可以对其内容进行查看或将其保存到本地文件最后通过driver.quit()关闭浏览器。from selenium import webdriver from selenium.webdriver.edge.options import Options edge_options Options() edge_options.binary_location rC:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe driver webdriver.Edge(optionsedge_options) driver.get(https://www.baidu.com) # 获取渲染后的完整HTML代码 html_source driver.page_source # 查看前1000个字符 print(html_source[:1000]) # 保存到文件 with open(baidu_page.html, w, encodingutf-8) as f: f.write(html_source) driver.quit()四、网页交互1、在搜索框输入文字通过Selenium在网页搜索框中输入文字首先要配置并启动Edge浏览器驱动并导航至目标网页随后利用driver.find_element方法配合定位策略来定位页面的输入框元素定位成功后调用元素的send_keys方法即可将指定文本如“Python编程”输入到搜索框中。如果页面存在多个相似元素则需改用find_elements获取元素列表并通过索引选取目标元素最后通过driver.quit()关闭浏览器。from selenium import webdriver from selenium.webdriver.edge.options import Options from selenium.webdriver.common.by import By edge_options Options() edge_options.binary_location rC:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe driver webdriver.Edge(optionsedge_options) driver.get(https://www.bilibili.com/) # 方法1通过标签名找到输入框 #search_box driver.find_element(byBy.TAG_NAME, valueinput) #search_box.send_keys(Python编程) # 方法2如果页面有多个input可以用索引 driver.find_elements(byBy.TAG_NAME, valueinput)[0].send_keys(Python) input(看看输入框里是不是有文字了按回车关闭...) driver.quit()2、自动搜索输入文字并回车通过配置并启动Edge浏览器驱动并导航至Bilibili网站后可使用Selenium的find_element方法定位页面的输入框元素随后调用send_keys方法在其中输入“Python教程”并组合模拟按下回车键通过Keys.RETURN以触发搜索。from selenium import webdriver from selenium.webdriver.edge.options import Options from selenium.webdriver.common.keys import Keys from selenium.webdriver.common.by import By edge_options Options() edge_options.binary_location rC:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe driver webdriver.Edge(optionsedge_options) driver.get(http://www.bilibili.com) # 找到搜索框输入Python然后按回车 search_box driver.find_element(byBy.TAG_NAME, valueinput) search_box.send_keys(Python教程 Keys.RETURN) # 等待页面加载 import time time.sleep(3) print(搜索完成页面标题是, driver.title) driver.quit()3、上传文件百度识图通过配置并启动Edge浏览器驱动并访问百度识图的上传页面后使用Selenium的find_element方法通过By.NAME定位属性名为file的文件上传输入框元素随后调用send_keys方法将待上传图片的完整本地路径输入至该元素从而触发文件上传流程上传后通过短暂等待确保识别完成再利用By.CLASS_NAME定位到显示识别结果的元素获取并打印其文本内容最后就完成了从网页上传图片到获取识别结果。from selenium import webdriver from selenium.webdriver.edge.options import Options from selenium.webdriver.common.by import By import time edge_options Options() edge_options.binary_location rC:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe driver webdriver.Edge(optionsedge_options) driver.get(https://graph.baidu.com/pcpage/index?tpl_frompc) # 方法1通过name属性找到文件上传input input_element driver.find_element(byBy.NAME, valuefile) # 输入图片的完整路径记得改成你自己的图片路径 input_element.send_keys(rD:\python\PythonProject1\R-C.jpg) # 等待识别结果 time.sleep(5) # 获取识别结果 result_element driver.find_element(byBy.CLASS_NAME, valuegraph-guess-word) print(百度识图认为这张图片是, result_element.text) driver.quit()五、定位元素大法1、八大定位方法八大元素定位方法中可以通过多种策略精准定位网页上的目标元素这包括通过唯一标识的ID、通过表单元素的NAME、通过样式的CLASS_NAME、通过HTML标签类型的TAG_NAME、通过精确或部分文本匹配链接的LINK_TEXT与PARTIAL_LINK_TEXT以及功能强大且灵活的CSS_SELECTOR和XPATH。# 1. 通过ID定位最准确但ID可能动态变化 # driver.find_element(By.ID, kw) # 2. 通过NAME定位 # driver.find_element(By.NAME, wd) # 3. 通过CLASS_NAME定位 # driver.find_element(By.CLASS_NAME, s_ipt) # 4. 通过TAG_NAME定位找特定类型的标签 #search_box driver.find_element(By.TAG_NAME, input) # 5. 通过链接文本定位精确匹配 # driver.find_element(By.LINK_TEXT, 新闻) # 6. 通过部分链接文本定位模糊匹配 # driver.find_element(By.PARTIAL_LINK_TEXT, 新) # 7. 通过CSS选择器定位最灵活 # driver.find_element(By.CSS_SELECTOR, #kw) # 8. 通过XPath定位功能最强 # driver.find_element(By.XPATH, //input[idkw])2、find_element vs find_elementsfind_element 用于定位并返回第一个匹配到的单个元素若未找到则抛出异常而 find_elements 则返回所有匹配元素的列表未找到时返回空列表。例如在获取百度首页所有链接时可使用 find_elements 配合 By.TAG_NAME 定位所有 a 标签进而统计链接总数并遍历输出前10个非空文本的链接内容。from selenium import webdriver from selenium.webdriver.edge.options import Options from selenium.webdriver.common.by import By edge_options Options() edge_options.binary_location rC:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe driver webdriver.Edge(optionsedge_options) driver.get(https://www.baidu.com) # 获取百度首页的所有链接 all_links driver.find_elements(By.TAG_NAME, a) print(f首页共有 {len(all_links)} 个链接) for i, link in enumerate(all_links[:10]): # 只显示前10个 text link.text if text: # 过滤空文本 print(f{i1}. {text})通过笨重的学习我们就已经掌握了Selenium爬虫的基础知识Selenium的基本原理和工作方式、如何配置开发环境、八大元素定位方法、与网页的各种交互操作。但记住爬虫技术就像学游泳——光看教程是不够的必须亲自实践。从简单的百度搜索开始慢慢尝试更复杂的网站。