Python爬虫之selenium对标签页切换、切换frame标签、cookie处理、执行js代码、开启无界面、以及使用代理ip和替换user-agent等方法_selenium登陆后携带cookie切换窗口

一、selenium对标签页切换、切换frame标签、cookie处理、执行js代码、开启无界面、以及使用代理ip和替换user-agent等方法

（一）、selenium标签页的切换

• 当selenium控制浏览器打开多个标签页时，如何控制浏览器在不同的标签页中进行切换呢？需要我们做以下两步：
  ①、获取所有标签页的窗口句柄
  ②、利用窗口句柄字切换到句柄指向的标签页
• 这里的窗口句柄是指：指向标签页对象的标识
• 关于句柄请课后了解更多
• 具体的方法

# 1. 获取当前所有的标签页的句柄构成的列表
current_windows = driver.window_handles

# 2. 根据标签页句柄列表索引下标进行切换
driver.switch_to.window(current_windows[0])
1
2
3
4
5

• 参考代码示例：

from selenium import webdriver

url = 'https://jn.58.com/'
driver = webdriver.Chrome()
driver.get(url)

print(driver.current_url) # https://jn.58.com/
print(driver.window_handles)

# 定位并点击租房按钮
el = driver.find_element_by_xpath('/html/body/div[3]/div[1]/div[1]/div/div[1]/div[1]/span[1]/a')
el.click()

print(driver.current_url) # https://jn.58.com/
print(driver.window_handles)

# 将控制权转为最后打开的标签页面
driver.switch_to.window(driver.window_handles[-1])

el_list = driver.find_elements_by_xpath('/html/body/div[6]/div[2]/ul/li/div[2]/h2/a')

for el in el_list:
    print(el.text) # 打印租房的标题
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

（二）、switch_to切换frame标签

iframe是html中常用的一种技术，即一个页面中嵌套了另一个网页，selenium默认是访问不了frame中的内容的，对应的解决思路是driver.switch_to.frame(frame_element)。接下来我们通过qq空间模拟登陆来学习这个知识点

• 参考代码：

from selenium import webdriver
import time

url = 'https://i.qq.com/'
driver = webdriver.Chrome()
driver.get(url)

# 方案一：根据iframe框架的id切换iframe标签
# driver.switch_to_frame('login_frame')

# 方案二：根据iframe框架的xpath路径切换iframe标签
el_frame = driver.find_element_by_xpath('//*[@id="login_frame"]')
driver.switch_to_frame(el_frame)

driver.find_element_by_id('switcher_plogin').click()
driver.find_element_by_id('u').send_keys('qq账号')
driver.find_element_by_id('p').send_keys('qq密码')
driver.find_element_by_id('login_button').click()

time.sleep(2) # 登录成功后，等待2s,随后打印标签页面的title
print(driver.title)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

• 总结：
  ①、切换到定位的frame标签嵌套的页面中driver.switch_to.frame(通过find_element_by函数定位的frame、iframe标签对象)
  ②、利用切换标签页的方式切出frame标签

windows = driver.window_handles
driver.switch_to.window(windows[0])
1
2

（三）、selenium对cookie的处理

selenium能够帮助我们处理页面中的cookie，比如获取、删除

3.1 获取cookie

driver.get_cookies()返回列表，其中包含的是完整的cookie信息！不光有name、value，还有domain等cookie其他维度的信息。所以如果想要把获取的cookie信息和requests模块配合使用的话，需要转换为name、value作为键值对的cookie字典

# 获取当前标签页的全部cookie信息
print(driver.get_cookies())
# 把cookie转化为字典
cookies_dict = {cookie[‘name’]: cookie[‘value’] for cookie in driver.get_cookies()}
1
2
3
4

from selenium import webdriver

url = 'https://www.baidu.com'
driver = webdriver.Chrome()
driver.get(url)

print(driver.get_cookies())

# 把cookie转化为字典,方案一：
cookies = {data['name']: data['value']for data in driver.get_cookies()}

# 把cookie转化为字典,方案二：
# cookies = {}
# for data in driver.get_cookies():
#     cookies[data['name']] = data['value']

print(cookies)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

3.2 删除cookie

#删除一条cookie
driver.delete_cookie("CookieName")

# 删除所有的cookie
driver.delete_all_cookies()
1
2
3
4
5

（四）、selenium控制浏览器执行js代码

selenium可以让浏览器执行我们规定的js代码，运行下列代码查看运行效果

• 我们进行对https://www.runoob.com/网站中的服务端中学习Python模块进行访问，如果不加js滚动到指定位置，控制台会返回会报错，显示没有找到类似的标签。

from selenium import webdriver
import time

url='https://www.runoob.com/'
driver = webdriver.Chrome()
driver.get(url)

# 滚动条的拖动
js = 'scrollTo(0,1000)'
# 执行js
driver.execute_script(js)

time.sleep(3)

el = driver.find_element_by_xpath('/html/body/div[4]/div/div[2]/div[3]/a[1]')
el.click()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

• 执行js的方法：driver.execute_script(js)

（五）、页面等待

页面在加载的过程中需要花费时间等待网站服务器的响应，在这个过程中标签元素有可能还没有加载出来，是不可见的，如何处理这种情况呢？

1. 页面等待分类
2. 强制等待介绍
3. 显式等待介绍
4. 隐式等待介绍
5. 手动实现页面等待

5.1 页面等待的分类

首先我们就来了解以下selenium页面等待的分类

1. 强制等待
2. 隐式等待
3. 显式等待

5.2 强制等待（了解）

• 其实就是time.sleep()
• 缺点时不智能，设置的时间太短，元素还没有加载出来；设置的时间太长，则会浪费时间

5.3 隐式等待

• 隐式等待针对的是元素定位，隐式等待设置了一个时间，在一段时间内判断元素是否定位成功，如果完成了，就进行下一步
• 在设置的时间内没有定位成功，则会报超时加载
• 示例代码

from selenium import webdriver

url = 'https://www.baidu.com'
driver = webdriver.Chrome()
driver.get(url)

# 设置位置之后的所有元素定位操作都有等待时间十秒，在10秒内会定期进行元素定位，超过设置时间之后将会报错
driver.implicitly_wait(10)

el = driver.find_element_by_xpath('//*[@id="lg"]/img[10000]')
print(el)
1
2
3
4
5
6
7
8
9
10
11

5.4 显式等待（了解）

• 每经过多少秒就查看一次等待条件是否达成，如果达成就停止等待，继续执行后续代码
• 如果没有达成就继续等待直到超过规定的时间后，报超时异常
• 示例代码

from selenium import webdriver  
from selenium.webdriver.support.wait import WebDriverWait  
from selenium.webdriver.support import expected_conditions as EC  
from selenium.webdriver.common.by import By 

driver = webdriver.Chrome()

driver.get('https://www.baidu.com')

# 显式等待
WebDriverWait(driver, 20, 0.5).until(
    EC.presence_of_element_located((By.LINK_TEXT, '好123')))  
# 参数20表示最长等待20秒
# 参数0.5表示0.5秒检查一次规定的标签是否存在
# EC.presence_of_element_located((By.LINK_TEXT, '好123')) 表示通过链接文本内容定位标签
# 每0.5秒一次检查，通过链接文本内容定位标签是否存在，如果存在就向下继续执行；如果不存在，直到20秒上限就抛出异常

print(driver.find_element_by_link_text('好123').get_attribute('href'))
driver.quit() 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

5.5 手动实现页面等待

在了解了隐式等待和显式等待以及强制等待后，我们发现并没有一种通用的方法来解决页面等待的问题，比如“页面需要滑动才能触发ajax异步加载”的场景，那么接下来我们就以淘宝网首页为例，手动实现页面等待

• 原理：
  ①、利用强制等待和显式等待的思路来手动实现
  ②、不停的判断或有次数限制的判断某一个标签对象是否加载完毕（是否存在）
• 实现代码如下：

import time
from selenium import webdriver
driver = webdriver.Chrome('/home/worker/Desktop/driver/chromedriver')

driver.get('https://www.taobao.com/')
time.sleep(1)

# i = 0
# while True:
for i in range(10):
    i += 1
    try:
        time.sleep(3)
        element = driver.find_element_by_xpath('//div[@class="shop-inner"]/h3[1]/a')
        print(element.get_attribute('href'))
        break
    except:
        js = 'window.scrollTo(0, {})'.format(i*500) # js语句
        driver.execute_script(js) # 执行js的方法
driver.quit()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

（六）、selenium开启无界面模式

绝大多数服务器是没有界面的，selenium控制谷歌浏览器也是存在无界面模式的，接下来我们学习如何开启无界面模式（又称之为无头模式）

• 开启无界面模式的方法
  ①、实例化配置对象：options = webdriver.ChromeOptions()
  ②、配置对象添加开启无界面模式的命令： options.add_argument("--headless")
  ③、配置对象添加禁用gpu的命令：options.add_argument("--disable-gpu")
  ④、实例化带有配置对象的driver对象：driver = webdriver.Chrome(chrome_options=options)
• 注意：macos中chrome浏览器59+版本，Linux中57+版本才能使用无界面模式！
• 参考代码如下：

from selenium import webdriver

options = webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument("--headless") # 开启无界面模式
options.add_argument("--disable-gpu") # 禁用gpu

# options.set_headles() # 无界面模式的另外一种开启方式
driver = webdriver.Chrome(chrome_options=options) # 实例化带有配置的driver对象

driver.get('http://www.itcast.cn')
print(driver.title)
driver.quit()
1
2
3
4
5
6
7
8
9
10
11
12

（七）、selenium使用代理ip

selenium控制浏览器也是可以使用代理ip的！

• 使用代理ip的方法
• 实例化配置对象options = webdriver.ChromeOptions()
• 配置对象添加使用代理ip的命令options.add_argument('--proxy-server=http://202.20.16.82:9527')
• 实例化带有配置对象的driver对象driver = webdriver.Chrome('./chromedriver', chrome_options=options)
• 参考代码如下：

from selenium import webdriver

options = webdriver.ChromeOptions() # 创建一个配置对象
# 更换IP代理，必须重新启动浏览器
options.add_argument('--proxy-server=http://202.20.16.82:9527') # 使用代理ip

driver = webdriver.Chrome(chrome_options=options) # 实例化带有配置的driver对象

driver.get('http://www.itcast.cn')
print(driver.title)
driver.quit()
1
2
3
4
5
6
7
8
9
10
11

（八）、selenium替换user-agent

selenium控制谷歌浏览器时，User-Agent默认是谷歌浏览器的，这一小节我们就来学习使用不同的User-Agent

• 替换user-agent的方法
• 实例化配置对象options = webdriver.ChromeOptions()
• 配置对象添加替换UA的命令options.add_argument('--user-agent=Mozilla/5.0 HAHA')
• 实例化带有配置对象的driver对象driver = webdriver.Chrome('./chromedriver', chrome_options=options)
• 参考代码如下：

from selenium import webdriver

options = webdriver.ChromeOptions() # 创建一个配置对象
options.add_argument('--user-agent=Mozilla/5.0 HAHA') # 替换User-Agent

driver = webdriver.Chrome('./chromedriver', chrome_options=options)

driver.get('http://www.itcast.cn')
print(driver.title)
driver.quit()
1
2
3
4
5
6
7
8
9
10