selenium自动化测试和爬取名言和京东商品信息_vscode爬取京东商品信息

一、selenium

1.1简介

• Selenium是一个用于Web应用程序测试的工具。Selenium测试直接运行在浏览器中，就像真正的用户在操作一样。支持的浏览器包括IE（7, 8, 9, 10, 11），Mozilla Firefox，Safari，Google Chrome，Opera，Edge等。这个工具的主要功能包括：测试与浏览器的兼容性——测试应用程序看是否能够很好得工作在不同浏览器和操作系统之上。测试系统功能——创建回归测试检验软件功能和用户需求。支持自动录制动作和自动生成.Net、Java、Perl等不同语言的测试脚本。

1.2 下载

• 可以直接用 pip install selenium 或者conda install selenium下载，但使用的话需要下载对应浏览器的驱动，这里是谷歌浏览器的驱动下载地址，需要选择自己的浏览器版本

下载：https://npm.taobao.org/mirrors/chromedriver/

二、自动化测试

• 引入头文件并进入网页，驱动要加到环境变量里去，但好像加了也没用，这里就用的绝对路径

from selenium import webdriver
driver=webdriver.Chrome('D:\\software\\chromedriver_win32\\chromedriver.exe')
#进入网页
driver.get("https://www.baidu.com/")
1
2
3
4

• 可以看到弹出来的谷歌浏览器
• 按F12，进入控制台，再点击左上角，点一下变蓝之后再点击百度的搜索框，就会发现旁边就会定位到输入框对应的代码
• 可以看到input的id为kw，通过driver的find_element_by_id，获取该元素，利用send_key填值

p_input = driver.find_element_by_id("kw")
p_input.send_keys('Java')
1
2

• 效果
• 根据刚刚的方式定位按钮，能看到按钮的id
  
• 获取按钮并点击

#点击搜索按钮
p_btn=driver.find_element_by_id('su')
p_btn.click()
1
2
3

• 效果

三、爬取名言

要求：到指定网站去爬取十句名言
网站：http://quotes.toscrape.com/js/

• 导入包并进入网站

from bs4 import BeautifulSoup as bs
from selenium import webdriver
import csv
from selenium.webdriver.chrome.options import Options
from tqdm import tqdm#在电脑终端上显示进度，使代码可视化进度加快
driver=webdriver.Chrome('D:\\software\\chromedriver_win32\\chromedriver.exe')
driver.get('http://quotes.toscrape.com/js/')
1
2
3
4
5
6
7

• 定义csv表头和文件路径，以及存放内容的列表

#定义csv表头
quote_head=['名言','作者']
#csv文件的路径和名字
quote_path='..\\source\\csv_file\\quote_csv.csv'
#存放内容的列表
quote_content=[]
1
2
3
4
5
6

• 进入开发者模式，定位名言的位置，观察名言的位置
• 定义写入csv的函数

'''
function_name:write_csv
parameters:   csv_head,csv_content,csv_path
csv_head:     the csv file head
csv_content:  the csv file content,the number of columns equal to length of csv_head
csv_path:     the csv file route
'''
def write_csv(csv_head,csv_content,csv_path):
    with open(csv_path, 'w', newline='',encoding='utf-8') as file:
        fileWriter =csv.writer(file)
        fileWriter.writerow(csv_head)
        fileWriter.writerows(csv_content)
        print('爬取信息成功')
1
2
3
4
5
6
7
8
9
10
11
12
13

• 爬取信息并存入

###
#可以用find_elements_by_class_name获取所有含这个元素的集合（列表也有可能）
#然后把这个提取出来之后再用继续提取
quote=driver.find_elements_by_class_name("quote")
#将要收集的信息放在quote_content里
for i in tqdm(range(len(quote))):    
    quote_text=quote[i].find_element_by_class_name("text")
    quote_author=quote[i].find_element_by_class_name("author")
    temp=[]
    temp.append(quote_text.text)
    temp.append(quote_author.text)
    quote_content.append(temp)
write_csv(quote_head,quote_content,quote_path)
1
2
3
4
5
6
7
8
9
10
11
12
13

• 文件内容

四、爬取京东商品信息

• 老样子，导入包并进入京东搜索界面，同时sleep 3秒，行为要向人

from selenium import webdriver
import time
import csv
from tqdm import tqdm#在电脑终端上显示进度，使代码可视化进度加快
driver=webdriver.Chrome('D:\\software\\chromedriver_win32\\chromedriver.exe')
#加载页面
driver.get("https://www.jd.com/")
time.sleep(3)
1
2
3
4
5
6
7
8

• 定义存放爬取信息的路径和存放内容的列表以及爬取数量

#定义存放图书信息的列表
goods_info_list=[]
#爬取200本
goods_num=200
#定义表头
goods_head=['价格','名字','链接']
#csv文件的路径和名字
goods_path='..\\source\\csv_file\\goods_csv.csv'
1
2
3
4
5
6
7
8

• 进入开发者模式，定位搜索框，可以看到搜索框的id为key，获取按钮输入信息

• 获取输入框并输入信息

#向输入框里输入Java
p_input = driver.find_element_by_id("key")
p_input.send_keys('Java')
1
2
3

• 查看一下按钮的信息
• 不能直接根据id这些直接定位，间接定位就好了

#button好像不能根据类名直接获取，先获取大的div，再获取按钮
from_filed=driver.find_element_by_class_name('form')
s_btn=from_filed.find_element_by_tag_name('button')
s_btn.click()#实现点击
1
2
3
4

• 搜索之后获取价格也是同样的步骤，就不详细讲了，后面直接放代码了，这里是获取商品价格、名称、链接的函数

#获取商品价格、名称、链接
def get_prince_and_name(goods):
    #直接用css定位元素
    #获取价格
    goods_price=goods.find_element_by_css_selector('div.p-price')
    #获取元素
    goods_name=goods.find_element_by_css_selector('div.p-name')
    #获取链接
    goods_herf=goods.find_element_by_css_selector('div.p-img>a').get_property('href')
    return goods_price,goods_name,goods_herf
1
2
3
4
5
6
7
8
9
10

• 定义滑动到页面底部函数，滑动到页面底部会刷出下一页，直接点下一页的话就是到下下页去了，也要沉睡一下，表现的像个人

def  drop_down(web_driver):
    #将滚动条调整至页面底部
    web_driver.execute_script('window.scrollTo(0, document.body.scrollHeight)')
    time.sleep(3)
1
2
3
4

• 定义爬取一页的函数

#获取爬取一页
def crawl_a_page(web_driver,goods_num):
    #获取图书列表
    drop_down(web_driver)
    goods_list=web_driver.find_elements_by_css_selector('div#J_goodsList>ul>li')
    #获取一个图书的价格、名字、链接
    for i in tqdm(range(len(goods_list))):
        goods_num-=1
        goods_price,goods_name,goods_herf=get_prince_and_name(goods_list[i])
        goods=[]
        goods.append(goods_price.text)
        goods.append(goods_name.text)
        goods.append(goods_herf)
        goods_info_list.append(goods)
        if goods_num==0:
            break
    return goods_num
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

• 爬出一定数量的商品，这要求的200本确实有点卡的难受

while goods_num!=0:
    goods_num=crawl_a_page(driver,goods_num)
    btn=driver.find_element_by_class_name('pn-next').click()
    time.sleep(1)
write_csv(goods_head,goods_info_list,goods_path)
1
2
3
4
5

• 爬取的信息

五、总结

• selenium是真的方便，如果有一点css基础，使用会更加得心应手，而且有一说一，ipnyb文件用VScode写是真的舒服。

六、参考资料

python+selenium 采集动态加载（下拉加载）的页面内容，自动下拉滚动条
Selenium之Css定位元素