Python之selenium实现网页自动化和自动爬虫

举例某购物网站，通过selenium与python，实现主页上商品的搜索，并将信息爬虫保存至本地excel表内。

一、python环境与selenium环境安装

python在官网下载并安装并且设置环境变量。

selenium通过命令行下，pip install selenium进行安装，python与selenium都建议使用3.0版本

这里使用chrome浏览器，下载chrome对应版本的webdrver驱动，将webdriver驱动放在python根目录下。

chrome浏览器的版本通过这个方法查询:帮助-关于Google Chrome(G)

二、搜索商品后点击搜索按钮提交

这里需要用到selenium库、time库（其中sleep用于等待）以及xlwt（用于保存excel表）

 1 from selenium import  webdriver
 2 from time import sleep
 3 import xlwt
 4 #打开浏览器,这里用的chrome
 5 d=webdriver.Chrome()
 6 #设置窗口最大化
 7 d.maximize_window()
 8 #设置隐式等待
 9 d.implicitly_wait(30)
10 #打开网页
11 d.get("https://www.jd.com/")
12 #使用元素定位id找到搜索框
13 d.find_element_by_id("key").send_keys("洗发水")
14 #使用xpath定位到搜索按钮
15 d.find_element_by_xpath("/html/body/div[1]/div[4]/div/div[2]/div/div[2]/button").clic

三、元素定位，找到对应信息，并保存

1 #初始化excel表

 2 excel=xlwt.Workbook(encoding="utf-8")
 3 #增加sheet页
 4 sheet=excel.add_sheet("sheet1",cell_overwrite_ok=True)
 5 #定义第1行的内容,以及初始化num,用于从第二行开始写入对应的数据
 6 sheet.write(0,0,'序号')
 7 sheet.write(0,1,'商品')
 8 sheet.write(0,2,'价格')
 9 num=1
10 #通过元素定位面找到,在页面上找到对应商品的各个元素位置
11 goods=d.find_elements_by_xpath("/html/body/div[6]/div[2]/div[2]/div[1]/div/div[2]/ul/li")
12 sleep(5)
13 for good in goods:
14     #分别找到商品与价格所在的元素,并且取其中的文本信息,并去空行
15     price=good.find_element_by_xpath("div/div[3]/strong").text.replace("\n","-")
16     goodtext=good.find_element_by_xpath("div/div[4]/a/em").text.replace("\n","-")
17     sheet.write(num,0,num)
18     sheet.write(num,1,goodtext)
19     sheet.write(num,2,price)
20     num+=1
21     #print(goodtext,"|",price)
22 #保存至excel表
23 excel.save(r"C:\Users\Mr.White\Desktop\test001\jd.xls")
24 #页面退出
25 d.quit()

四、结果预览与总结

1、网页自动化过程中最主要的难度是元素定位，后面会专门去介绍一下元素定位

2、页面可能随着前端代码的变化，会使原本可以跑通的脚本失效，有一定维护成本，如何设计合理的自动化脚本就显得比较重要。