Selenium的使用

分手后的思念是犯贱 2021-07-05 02:50 460阅读 0赞

`Selenium` 是一个自动化测试工具，利用它可以驱动浏览器执行特定的动作，如点击、下拉等操作，同时还可以获取浏览器当前呈现的页面的源代码，做到可见即可爬。对于一些 JavaScript 动态渲染的页面来说，此种抓取方式非常有效。本节中，就让我们来感受一下它的强大之处吧。

### 1. 准备工作 ###

本节以 Chrome 为例来讲解 `Selenium` 的用法。在开始之前，请确保已经正确安装好了 Chrome 浏览器并配置好了 `ChromeDriver`。另外，还需要正确安装好 `Python` 的 `Selenium` 库，详细的安装和配置过程可以参考第 1 章。

### 2. 基本使用 ###

准备工作做好之后，首先来大体看一下 Selenium 有一些怎样的功能。示例如下：

from selenium import webdriver
    from selenium.webdriver.common.by import By
    from selenium.webdriver.common.keys import Keys
    from selenium.webdriver.support import expected_conditions as EC
    from selenium.webdriver.support.wait import WebDriverWait
    browser = webdriver.Chrome()
    try:
        browser.get('https://www.baidu.com')
        input = browser.find_element_by_id('kw')
        input.send_keys('Python')
        input.send_keys(Keys.ENTER)
        wait = WebDriverWait(browser, 10)
        wait.until(EC.presence_of_element_located((By.ID, 'content_left')))
        print(browser.current_url)
        print(browser.get_cookies())
        print(browser.page_source)
    finally:
        browser.close()

运行代码后发现，会自动弹出一个 Chrome 浏览器。浏览器首先会跳转到百度，然后在搜索框中输入 Python，接着跳转到搜索结果页，如图 7-1 所示。

![在这里插入图片描述][20201005113901366.png]  
图 7-1 运行结果

此时在控制台的输出结果如下：

https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=0&rsv_idx=1&tn=baidu&wd=Python&rsv_pq=c94d0df9000a72d0&rsv_t=07099xvun1ZmC0bf6eQvygJ43IUTTUOl5FCJVPgwG2YREs70GplJjH2F%2BCQ&rqlang=cn&rsv_enter=1&rsv_sug3=6&rsv_sug2=0&inputT=87&rsv_sug4=87
    [{'secure': False, 'value': 'B490B5EBF6F3CD402E515D22BCDA1598', 'domain': '.baidu.com', 'path': '/', 'httpOnly': False, 'name': 'BDORZ', 'expiry': 1491688071.707553}, {'secure': False, 'value': '22473_1441_21084_17001', 'domain': '.baidu.com', 'path': '/', 'httpOnly': False, 'name': 'H_PS_PSSID'}, {'secure': False, 'value': '12883875381399993259_00_0_I_R_2_0303_C02F_N_I_I_0', 'domain': '.www.baidu.com', 'path': '/', 'httpOnly': False, 'name': '__bsi', 'expiry': 1491601676.69722}]
    <!DOCTYPE html>...</html>

源代码过长，在此省略。可以看到，我们得到的当前 `URL、Cookies` 和源代码都是浏览器中的真实内容。

所以说，如果用 `Selenium` 来驱动浏览器加载网页的话，就可以直接拿到 `JavaScript` 渲染的结果了，不用担心使用的是什么加密系统。

下面来详细了解一下 `Selenium` 的用法。

### 3. 声明浏览器对象 ###

Selenium 支持非常多的浏览器，如 Chrome、Firefox、Edge 等，还有 Android、BlackBerry 等手机端的浏览器。另外，也支持无界面浏览器 PhantomJS。

此外，我们可以用如下方式初始化：

from selenium import webdriver
    browser = webdriver.Chrome()
    browser = webdriver.Firefox()
    browser = webdriver.Edge()
    browser = webdriver.PhantomJS()
    browser = webdriver.Safari()

这样就完成了浏览器对象的初始化并将其赋值为 `browser` 对象。接下来，我们要做的就是调用 `browser` 对象，让其执行各个动作以模拟浏览器操作。

### 4. 访问页面 ###

我们可以用 `get()` 方法来请求网页，参数传入链接 URL 即可。比如，这里用 `get()` 方法访问淘宝，然后打印出源代码，代码如下：

from selenium import webdriver
    browser = webdriver.Chrome()
    browser.get('https://www.taobao.com')
    print(browser.page_source)
    browser.close()

运行后发现，弹出了 `Chrome` 浏览器并且自动访问了淘宝，然后控制台输出了淘宝页面的源代码，随后浏览器关闭。

通过这几行简单的代码，我们可以实现浏览器的驱动并获取网页源码，非常便捷。

### 4. 查找节点 ###

`Selenium` 可以驱动浏览器完成各种操作，比如填充表单、模拟点击等。比如，我们想要完成向某个输入框输入文字的操作，总需要知道这个输入框在哪里吧？而 `Selenium` 提供了一系列查找节点的方法，我们可以用这些方法来获取想要的节点，以便下一步执行一些动作或者提取信息。

#### 单个节点 ####

比如，想要从淘宝页面中提取搜索框这个节点，首先要观察它的源代码，如图 7-2 所示。  
![在这里插入图片描述][20201005222425242.png]  
图 7-2 源代码

可以发现，它的 `id` 是 `q`，`name` 也是 `q`。此外，还有许多其他属性，此时我们就可以用多种方式获取它了。比如，`find_element_by_name()` 是根据 `name` 值获取，`find_element_by_id()` 是根据 `id` 获取。另外，还有根据 `XPath、CSS` 选择器等获取的方式。

我们用代码实现一下：

from selenium import webdriver
    browser = webdriver.Chrome()
    browser.get('https://www.taobao.com')
    input_first = browser.find_element_by_id('q')
    input_second = browser.find_element_by_css_selector('#q')
    input_third = browser.find_element_by_xpath('//*[@id="q"]')
    print(input_first, input_second, input_third)
    browser.close()

这里我们使用 3 种方式获取输入框，分别是根据 `ID、CSS` 选择器和 `XPath` 获取，它们返回的结果完全一致。运行结果如下：

<selenium.webdriver.remote.webelement.WebElement (session="5e53d9e1c8646e44c14c1c2880d424af", element="0.5649563096161541-1")> 
    <selenium.webdriver.remote.webelement.WebElement (session="5e53d9e1c8646e44c14c1c2880d424af", element="0.5649563096161541-1")> 
    <selenium.webdriver.remote.webelement.WebElement (session="5e53d9e1c8646e44c14c1c2880d424af", element="0.5649563096161541-1")>

可以看到，这 3 个节点都是 `WebElement` 类型，是完全一致的。

这里列出所有获取单个节点的方法：

find_element_by_id
    find_element_by_name
    find_element_by_xpath
    find_element_by_link_text
    find_element_by_partial_link_text
    find_element_by_tag_name
    find_element_by_class_name
    find_element_by_css_selector

另外，`Selenium` 还提供了通用方法 `find_element()`，它需要传入两个参数：查找方式 `By` 和值。实际上，它就是 `find_element_by_id()` 这种方法的通用函数版本，比如 `find_element_by_id(id)` 就等价于 `find_element(By.ID, id)`，二者得到的结果完全一致。我们用代码实现一下：

from selenium import webdriver
    from selenium.webdriver.common.by import By
    browser = webdriver.Chrome()
    browser.get('https://www.taobao.com')
    input_first = browser.find_element(By.ID, 'q')
    print(input_first)
    browser.close()

实际上，这种查找方式的功能和上面列举的查找函数完全一致，不过参数更加灵活。

#### 多个节点 ####

如果查找的目标在网页中只有一个，那么完全可以用 `find_element()` 方法。但如果有多个节点，再用 `find_element()` 方法查找，就只能得到第一个节点了。如果要查找所有满足条件的节点，需要用 `find_elements()` 这样的方法。注意，在这个方法的名称中，`element` 多了一个 `s`，注意区分。

比如，要查找淘宝左侧导航条的所有条目，如图 7-3 所示。

图 7-3 导航栏

就可以这样来实现：

from selenium import webdriver
    browser = webdriver.Chrome()
    browser.get('https://www.taobao.com')
    lis = browser.find_elements_by_css_selector('.service-bd li')
    print(lis)
    browser.close()

运行结果如下：

[<selenium.webdriver.remote.webelement.WebElement (session="c26290835d4457ebf7d96bfab3740d19", element="0.09221044033125603-1")>, <selenium.webdriver.remote.webelement.WebElement (session="c26290835d4457ebf7d96bfab3740d19", element="0.09221044033125603-2")>, <selenium.webdriver.remote.webelement.WebElement (session="c26290835d4457ebf7d96bfab3740d19", element="0.09221044033125603-3")>...<selenium.webdriver.remote.webelement.WebElement (session="c26290835d4457ebf7d96bfab3740d19", element="0.09221044033125603-16")>]

这里简化了输出结果，中间部分省略。

可以看到，得到的内容变成了列表类型，列表中的每个节点都是 `WebElement` 类型。

也就是说，如果我们用 `find_element()` 方法，只能获取匹配的第一个节点，结果是 `WebElement` 类型。如果用 `find_elements()` 方法，则结果是列表类型，列表中的每个节点是 `WebElement` 类型。

这里列出所有获取多个节点的方法：

find_elements_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

当然，我们也可以直接用 `find_elements()` 方法来选择，这时可以这样写：

lis = browser.find_elements(By.CSS_SELECTOR, '.service-bd li')

结果是完全一致的。

### 6. 节点交互 ###

`Selenium` 可以驱动浏览器来执行一些操作，也就是说可以让浏览器模拟执行一些动作。比较常见的用法有：输入文字时用 `send_keys` 方法，清空文字时用 `clear` 方法，点击按钮时用 `click` 方法。示例如下：

from selenium import webdriver
    import time
    browser = webdriver.Chrome()
    browser.get('https://www.taobao.com')
    input = browser.find_element_by_id('q')
    input.send_keys('iPhone')
    time.sleep(1)
    input.clear()
    input.send_keys('iPad')
    button = browser.find_element_by_class_name('btn-search')
    button.click()

这里首先驱动浏览器打开淘宝，然后用 `find_element_by_id()` 方法获取输入框，然后用 `send_keys()` 方法输入 iPhone 文字，等待一秒后用 `clear()` 方法清空输入框，再次调用 `send_keys()` 方法输入 iPad 文字，之后再用 `find_element_by_class_name()` 方法获取搜索按钮，最后调用 `click()` 方法完成搜索动作。

通过上面的方法，我们就完成了一些常见节点的动作操作，更多的操作可以参见官方文档的交互动作介绍  
：[http://selenium-python.readthedocs.io/api.html\#module-selenium.webdriver.remote.webelement][http_selenium-python.readthedocs.io_api.html_module-selenium.webdriver.remote.webelement]。

### 7. 动作链 ###

在上面的实例中，一些交互动作都是针对某个节点执行的。比如，对于输入框，我们就调用它的输入文字和清空文字方法；对于按钮，就调用它的点击方法。其实，还有另外一些操作，它们没有特定的执行对象，比如鼠标拖曳、键盘按键等，这些动作用另一种方式来执行，那就是动作链。

比如，现在实现一个节点的拖曳操作，将某个节点从一处拖曳到另外一处，可以这样实现：

from selenium import webdriver
    from selenium.webdriver import ActionChains
    browser = webdriver.Chrome()
    url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'
    browser.get(url)
    browser.switch_to.frame('iframeResult')
    source = browser.find_element_by_css_selector('#draggable')
    target = browser.find_element_by_css_selector('#droppable')
    actions = ActionChains(browser)
    actions.drag_and_drop(source, target)
    actions.perform()

首先，打开网页中的一个拖曳实例，然后依次选中要拖曳的节点和拖曳到的目标节点，接着声明 `ActionChains` 对象并将其赋值为 `actions` 变量，然后通过调用 `actions` 变量的 `drag_and_drop()` 方法，再调用 `perform()` 方法执行动作，此时就完成了拖曳操作，如图 7-4 和 7-5 所示：  
![在这里插入图片描述][20201005232755868.png]图 7-4 拖曳前页面

![在这里插入图片描述][20201005232843648.png]  
图 7-5 拖曳后页面

以上两图分别为在拖曳前和拖曳后的结果。

更多的动作链操作可以参考官方文档的动作链介绍：[http://selenium-python.readthedocs.io/api.html\#module-selenium.webdriver.common.action\_chains][http_selenium-python.readthedocs.io_api.html_module-selenium.webdriver.common.action_chains]。

### 8. 执行 JavaScript ###

对于某些操作，`Selenium API` 并没有提供。比如，下拉进度条，它可以直接模拟运行 `JavaScript`，此时使用 `execute_script()` 方法即可实现，代码如下：

from selenium import webdriver
    browser = webdriver.Chrome()
    browser.get('https://www.zhihu.com/explore')
    browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')
    browser.execute_script('alert("To Bottom")')

这里就利用 `execute_script()` 方法将进度条下拉到最底部，然后弹出 `alert` 提示框。

所以说有了这个方法，基本上 API 没有提供的所有功能都可以用执行 `JavaScript` 的方式来实现了。

### 9. 获取节点信息 ###

前面说过，通过 `page_source` 属性可以获取网页的源代码，接着就可以使用解析库（如正则表达式、`Beautiful Soup、pyquery` 等）来提取信息了。

不过，既然 `Selenium` 已经提供了选择节点的方法，返回的是 `WebElement` 类型，那么它也有相关的方法和属性来直接提取节点信息，如属性、文本等。这样的话，我们就可以不用通过解析源代码来提取信息了，非常方便。

接下来，就看看通过怎样的方式来获取节点信息吧。

#### 获取属性 ####

我们可以使用 `get_attribute()` 方法来获取节点的属性，但是其前提是先选中这个节点，示例如下：

from selenium import webdriver
    from selenium.webdriver import ActionChains
    browser = webdriver.Chrome()
    url = 'https://www.zhihu.com/explore'
    browser.get(url)
    logo = browser.find_element_by_id('zh-top-link-logo')
    print(logo)
    print(logo.get_attribute('class'))

运行之后，程序便会驱动浏览器打开知乎页面，然后获取知乎的 `logo` 节点，最后打印出它的 `class`。

控制台的输出结果如下：

<selenium.webdriver.remote.webelement.WebElement (session="e08c0f28d7f44d75ccd50df6bb676104", element="0.7236390660048155-1")>
    zu-top-link-logo

通过 `get_attribute()` 方法，然后传入想要获取的属性名，就可以得到它的值了。

#### 获取文本值 ####

每个 `WebElement` 节点都有 `text` 属性，直接调用这个属性就可以得到节点内部的文本信息，这相当于 `Beautiful Soup` 的 `get_text()` 方法、`pyquery` 的 `text()` 方法，示例如下：

from selenium import webdriver
    browser = webdriver.Chrome()
    url = 'https://www.zhihu.com/explore'
    browser.get(url)
    input = browser.find_element_by_class_name('zu-top-add-question')
    print(input.text)

这里依然先打开知乎页面，然后获取 “提问” 按钮这个节点，再将其文本值打印出来。

控制台的输出结果如下：

提问

#### 获取 ID、位置、标签名、大小 ####

另外，`WebElement` 节点还有一些其他属性，比如 `id` 属性可以获取节点 `id，location` 属性可以获取该节点在页面中的相对位置，`tag_name` 属性可以获取标签名称，`size` 属性可以获取节点的大小，也就是宽高，这些属性有时候还是很有用的。示例如下：

这里首先获得 “提问” 按钮这个节点，然后调用其 `id、location、tag_name、size` 属性来获取对应的属性值。

### 10. 切换 `Frame` ###

我们知道网页中有一种节点叫作 `iframe`，也就是子 `Frame`，相当于页面的子页面，它的结构和外部网页的结构完全一致。`Selenium` 打开页面后，它默认是在父级 `Frame` 里面操作，而此时如果页面中还有子 `Frame`，它是不能获取到子 `Frame` 里面的节点的。这时就需要使用 `switch_to.frame()` 方法来切换 `Frame`。示例如下：

import time
    from selenium import webdriver
    from selenium.common.exceptions import NoSuchElementException
    browser = webdriver.Chrome()
    url = 'http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable'
    browser.get(url)
    browser.switch_to.frame('iframeResult')
    try:
        logo = browser.find_element_by_class_name('logo')
    except NoSuchElementException:
        print('NO LOGO')
    browser.switch_to.parent_frame()
    logo = browser.find_element_by_class_name('logo')
    print(logo)
    print(logo.text)

控制台输出：

NO LOGO
    <selenium.webdriver.remote.webelement.WebElement (session="4bb8ac03ced4ecbdefef03ffdc0e4ccd", element="0.13792611320464965-2")>
    RUNOOB.COM

这里还是以前面演示动作链操作的网页为实例，首先通过 `switch_to.frame()` 方法切换到子 `Frame` 里面，然后尝试获取子 `Frame` 里的 `logo` 节点（这是不能找到的），如果找不到的话，就会抛出 `NoSuchElementException` 异常，异常被捕捉之后，就会输出 `NO LOGO`。接下来，重新切换回父级 `Frame`，然后再次重新获取节点，发现此时可以成功获取了。

所以，当页面中包含子 `Frame` 时，如果想获取子 `Frame` 中的节点，需要先调用 `switch_to.frame()` 方法切换到对应的 `Frame`，然后再进行操作。

### 11. 延时等待 ###

在 `Selenium` 中，`get()` 方法会在网页框架加载结束后结束执行，此时如果获取 `page_source`，可能并不是浏览器完全加载完成的页面，如果某些页面有额外的 `Ajax` 请求，我们在网页源代码中也不一定能成功获取到。所以，这里需要延时等待一定时间，确保节点已经加载出来。

这里等待的方式有两种：一种是隐式等待，一种是显式等待。

#### 隐式等待 ####

当使用隐式等待执行测试的时候，如果 `Selenium` 没有在 `DOM` 中找到节点，将继续等待，超出设定时间后，则抛出找不到节点的异常。换句话说，当查找节点而节点并没有立即出现的时候，隐式等待将等待一段时间再查找 `DOM`，默认的时间是 `0`。示例如下：

from selenium import webdriver
    browser = webdriver.Chrome()
    browser.implicitly_wait(10)
    browser.get('https://www.zhihu.com/explore')
    input = browser.find_element_by_class_name('zu-top-add-question')
    print(input)

在这里我们用 `implicitly_wait()` 方法实现了隐式等待。

#### 显式等待 ####

隐式等待的效果其实并没有那么好，因为我们只规定了一个固定时间，而页面的加载时间会受到网络条件的影响。

这里还有一种更合适的显式等待方法，它指定要查找的节点，然后指定一个最长等待时间。如果在规定时间内加载出来了这个节点，就返回查找的节点；如果到了规定时间依然没有加载出该节点，则抛出超时异常。示例如下：

from selenium import webdriver
    from selenium.webdriver.common.by import By
    from selenium.webdriver.support.ui import WebDriverWait
    from selenium.webdriver.support import expected_conditions as EC
    browser = webdriver.Chrome()
    browser.get('https://www.taobao.com/')
    wait = WebDriverWait(browser, 10)
    input = wait.until(EC.presence_of_element_located((By.ID, 'q')))
    button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '.btn-search')))
    print(input, button)

这里首先引入 `WebDriverWait` 这个对象，指定最长等待时间，然后调用它的 `until()` 方法，传入要等待条件 `expected_conditions`。比如，这里传入了 `presence_of_element_located` 这个条件，代表节点出现的意思，其参数是节点的定位元组，也就是 `ID` 为 `q` 的节点搜索框。

这样可以做到的效果就是，在 10 秒内如果 `ID` 为 `q` 的节点（即搜索框）成功加载出来，就返回该节点；如果超过 10 秒还没有加载出来，就抛出异常。

对于按钮，可以更改一下等待条件，比如改为 `element_to_be_clickable`，也就是可点击，所以查找按钮时查找 `CSS` 选择器为`.btn-search` 的按钮，如果 10 秒内它是可点击的，也就是成功加载出来了，就返回这个按钮节点；如果超过 10 秒还不可点击，也就是没有加载出来，就抛出异常。

运行代码，在网速较佳的情况下是可以成功加载出来的。

控制台的输出如下：

<selenium.webdriver.remote.webelement.WebElement (session="07dd2fbc2d5b1ce40e82b9754aba8fa8", element="0.5642646294074107-1")>
    <selenium.webdriver.remote.webelement.WebElement (session="07dd2fbc2d5b1ce40e82b9754aba8fa8", element="0.5642646294074107-2")>

可以看到，控制台成功输出了两个节点，它们都是 `WebElement` 类型。

如果网络有问题，10 秒内没有成功加载，那就抛出 `TimeoutException` 异常，此时控制台的输出如下：

TimeoutException Traceback (most recent call last)
    <ipython-input-4-f3d73973b223> in <module>()
          7 browser.get('https://www.taobao.com/')
          8 wait = WebDriverWait(browser, 10)
    ----> 9 input = wait.until(EC.presence_of_element_located((By.ID, 'q')))

关于等待条件，其实还有很多，比如判断标题内容，判断某个节点内是否出现了某文字等。表 7-1 列出了所有的等待条件。

表 7-1　等待条件及其含义

<table> 
 <thead> 
  <tr> 
   <th>等待条件</th> 
   <th>含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>title_is</td> 
   <td>标题是某内容</td> 
  </tr> 
  <tr> 
   <td>title_contains</td> 
   <td>标题包含某内容</td> 
  </tr> 
  <tr> 
   <td>presence_of_element_located</td> 
   <td>节点加载出，传入定位元组，如 (By.ID, ‘p’)</td> 
  </tr> 
  <tr> 
   <td>visibility_of_element_located</td> 
   <td>节点可见，传入定位元组</td> 
  </tr> 
  <tr> 
   <td>visibility_of</td> 
   <td>可见，传入节点对象</td> 
  </tr> 
  <tr> 
   <td>presence_of_all_elements_located</td> 
   <td>所有节点加载出</td> 
  </tr> 
  <tr> 
   <td>text_to_be_present_in_element</td> 
   <td>某个节点文本包含某文字</td> 
  </tr> 
  <tr> 
   <td>text_to_be_present_in_element_value</td> 
   <td>某个节点值包含某文字</td> 
  </tr> 
  <tr> 
   <td>frame_to_be_available_and_switch_to_it frame</td> 
   <td>加载并切换</td> 
  </tr> 
  <tr> 
   <td>invisibility_of_element_located</td> 
   <td>节点不可见</td> 
  </tr> 
  <tr> 
   <td>element_to_be_clickable</td> 
   <td>节点可点击</td> 
  </tr> 
  <tr> 
   <td>staleness_of</td> 
   <td>判断一个节点是否仍在 DOM，可判断页面是否已经刷新</td> 
  </tr> 
  <tr> 
   <td>element_to_be_selected</td> 
   <td>节点可选择，传节点对象</td> 
  </tr> 
  <tr> 
   <td>element_located_to_be_selected</td> 
   <td>节点可选择，传入定位元组</td> 
  </tr> 
  <tr> 
   <td>element_selection_state_to_be</td> 
   <td>传入节点对象以及状态，相等返回 True，否则返回 False</td> 
  </tr> 
  <tr> 
   <td>element_located_selection_state_to_be</td> 
   <td>传入定位元组以及状态，相等返回 True，否则返回 False</td> 
  </tr> 
  <tr> 
   <td>alert_is_present</td> 
   <td>是否出现 Alert</td> 
  </tr> 
 </tbody> 
</table>

更多详细的等待条件的参数及用法介绍可以参考官方文档：[http://selenium-python.readthedocs.io/api.html\#module-selenium.webdriver.support.expected\_conditions][http_selenium-python.readthedocs.io_api.html_module-selenium.webdriver.support.expected_conditions]。

### 12. 前进后退 ###

平常使用浏览器时都有前进和后退功能，`Selenium` 也可以完成这个操作，它使用 `back()` 方法后退，使用 `forward()` 方法前进。示例如下：

import time
    from selenium import webdriver
    browser = webdriver.Chrome()
    browser.get('https://www.baidu.com/')
    browser.get('https://www.taobao.com/')
    browser.get('https://www.python.org/')
    browser.back()
    time.sleep(1)
    browser.forward()
    browser.close()

这里我们连续访问 3 个页面，然后调用 `back()` 方法回到第二个页面，接下来再调用 `forward()` 方法又可以前进到第三个页面。

### 13. `Cookies` ###

使用 `Selenium`，还可以方便地对 `Cookies` 进行操作，例如获取、添加、删除 `Cookies` 等。示例如下：

from selenium import webdriver
    browser = webdriver.Chrome()
    browser.get('https://www.zhihu.com/explore')
    print(browser.get_cookies())
    browser.add_cookie({ 'name': 'name', 'domain': 'www.zhihu.com', 'value': 'germey'})
    print(browser.get_cookies())
    browser.delete_all_cookies()
    print(browser.get_cookies())

首先，我们访问了知乎。加载完成后，浏览器实际上已经生成 `Cookies` 了。接着，调用 `get_cookies()` 方法获取所有的 `Cookies`。然后，我们添加一个 `Cookie`，这里传入一个字典，有 `name、domain` 和 `value` 等内容。接下来，再次获取所有的 `Cookies`。可以发现，结果就多了这一项新加的 `Cookie`。最后，调用 `delete_all_cookies()` 方法删除所有的 `Cookies`。再重新获取，发现结果就为空了。

控制台的输出如下：

[{ 'secure': False, 'value': '"NGM0ZTM5NDAwMWEyNDQwNDk5ODlkZWY3OTkxY2I0NDY=|1491604091|236e34290a6f407bfbb517888849ea509ac366d0"', 'domain': '.zhihu.com', 'path': '/', 'httpOnly': False, 'name': 'l_cap_id', 'expiry': 1494196091.403418}]
    [{ 'secure': False, 'value': 'germey', 'domain': '.www.zhihu.com', 'path': '/', 'httpOnly': False, 'name': 'name'}, { 'secure': False, 'value': '"NGM0ZTM5NDAwMWEyNDQwNDk5ODlkZWY3OTkxY2I0NDY=|1491604091|236e34290a6f407bfbb517888849ea509ac366d0"', 'domain': '.zhihu.com', 'path': '/', 'httpOnly': False, 'name': 'l_cap_id', 'expiry': 1494196091.403418}]
    []

通过以上方法来操作 `Cookies` 还是非常方便的。

### 14. 选项卡管理 ###

在访问网页的时候，会开启一个个选项卡。在 `Selenium` 中，我们也可以对选项卡进行操作。示例如下：

import time
    from selenium import webdriver
    browser = webdriver.Chrome()
    browser.get('https://www.baidu.com')
    browser.execute_script('window.open()')
    print(browser.window_handles)
    browser.switch_to_window(browser.window_handles[1])
    browser.get('https://www.taobao.com')
    time.sleep(1)
    browser.switch_to_window(browser.window_handles[0])
    browser.get('https://python.org')

控制台输出如下：

['CDwindow-4f58e3a7-7167-4587-bedf-9cd8c867f435', 'CDwindow-6e05f076-6d77-453a-a36c-32baacc447df']

首先访问了百度，然后调用了 `execute_script()` 方法，这里传入 `window.open()` 这个 `JavaScript` 语句新开启一个选项卡。接下来，我们想切换到该选项卡。这里调用 `window_handles` 属性获取当前开启的所有选项卡，返回的是选项卡的代号列表。要想切换选项卡，只需要调用 `switch_to_window()` 方法即可，其中参数是选项卡的代号。这里我们将第二个选项卡代号传入，即跳转到第二个选项卡，接下来在第二个选项卡下打开一个新页面，然后切换回第一个选项卡重新调用 `switch_to_window()` 方法，再执行其他操作即可。

### 15. 异常处理 ###

在使用 `Selenium` 的过程中，难免会遇到一些异常，例如超时、节点未找到等错误，一旦出现此类错误，程序便不会继续运行了。这里我们可以使用 `try except` 语句来捕获各种异常。

首先，演示一下节点未找到的异常，示例如下：

from selenium import webdriver
    browser = webdriver.Chrome()
    browser.get('https://www.baidu.com')
    browser.find_element_by_id('hello')

这里首先打开百度页面，然后尝试选择一个并不存在的节点，此时就会遇到异常。

运行之后控制台的输出如下：

NoSuchElementException Traceback (most recent call last)
    <ipython-input-23-978945848a1b> in <module>()
          3 browser = webdriver.Chrome()
          4 browser.get('https://www.baidu.com')
    ----> 5 browser.find_element_by_id('hello')

可以看到，这里抛出了 `NoSuchElementException` 异常，这通常是节点未找到的异常。为了防止程序遇到异常而中断，我们需要捕获这些异常，示例如下：

from selenium import webdriver
    from selenium.common.exceptions import TimeoutException, NoSuchElementException
    browser = webdriver.Chrome()
    try:
        browser.get('https://www.baidu.com')
    except TimeoutException:
        print('Time Out')
    try:
        browser.find_element_by_id('hello')
    except NoSuchElementException:
        print('No Element')
    finally:
        browser.close()

这里我们使用 `try except` 来捕获各类异常。比如，我们对 `find_element_by_id()` 查找节点的方法捕获 `NoSuchElementException` 异常，这样一旦出现这样的错误，就进行异常处理，程序也不会中断了。

控制台的输出如下：

No Element

关于更多的异常类，可以参考官方文档：：[http://selenium-python.readthedocs.io/api.html\#module-selenium.common.exceptions][http_selenium-python.readthedocs.io_api.html_module-selenium.common.exceptions]。

现在，我们基本对 `Selenium` 的常规用法有了大体的了解。使用 `Selenium`，处理 `JavaScript` 不再是难事。

[20201005113901366.png]: /images/20210704/c61525a5736a4d0fab4d33e764623693.png
[20201005222425242.png]: /images/20210704/907fc6336c934449807bf5f733931d84.png
[http_selenium-python.readthedocs.io_api.html_module-selenium.webdriver.remote.webelement]: http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.remote.webelement
[20201005232755868.png]: /images/20210704/bc28a20058e743d5bdd44af14f96d250.png
[20201005232843648.png]: /images/20210704/23fb768a056645bba0ec540109760d5e.png
[http_selenium-python.readthedocs.io_api.html_module-selenium.webdriver.common.action_chains]: http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.common.action_chains
[http_selenium-python.readthedocs.io_api.html_module-selenium.webdriver.support.expected_conditions]: http://selenium-python.readthedocs.io/api.html#module-selenium.webdriver.support.expected_conditions
[http_selenium-python.readthedocs.io_api.html_module-selenium.common.exceptions]: http://selenium-python.readthedocs.io/api.html#module-selenium.common.exceptions