PhantomJS
PhantomJS是一個基于Webkit的“無界面”(headless)瀏覽器，它會把網站加載到內存并執行頁面上的 JavaScript，因為不會展示圖形界面，所以運行起來比完整的瀏覽器要高效。
如果我們把 Selenium 和 PhantomJS 結合在一起，就可以運行一個非常強大的網絡爬蟲了，這個爬蟲可以處理 JavaScrip、Cookie、headers，以及任何我們真實用戶需要做的事情。
注意：PhantomJS 只能從它的官方網站http://phantomjs.org/download.html)下載。 因為 PhantomJS 是一個功能完善(雖然無界面)的瀏覽器而非一個 Python 庫，所以它不需要像 Python 的其他庫一樣安裝，但我們可以通過Selenium調用PhantomJS來直接使用。
PhantomJS 官方參考文檔：http://phantomjs.org/documentation
快速入門
Selenium 庫里有個叫 WebDriver 的 API。WebDriver 有點兒像可以加載網站的瀏覽器，但是它也可以像 BeautifulSoup 或者其他 Selector 對象一樣用來查找頁面元素，與頁面上的元素進行交互 (發送文本、點擊等)，以及執行其他動作來運行網絡爬蟲。
# IPython2 測試代碼# 導入 webdriver
from ?selenium ?import ? webdriver# 要想調用鍵盤按鍵操作需要引入keys包
from selenium.webdriver.common.keys import Keys
# 調用環境變量指定的PhantomJS瀏覽器創建瀏覽器對象
driver = webdriver.PhantomJS()
# 如果沒有在環境變量指定PhantomJS位置
# driver = webdriver.PhantomJS(executable_path="./phantomjs"))
# get方法會一直等到頁面被完全加載，然后才會繼續程序，通常測試會在這里選擇 time.sleep(2)driver.get("http://www.baidu.com/")
# 獲取頁面名為 wrapper的id標簽的文本內容
data = driver.find_element_by_id("wrapper").text
# 打印數據內容printdata# 打印頁面標題 "百度一下，你就知道"printdriver.title
# 生成當前頁面快照并保存driver.save_screenshot("baidu.png")
# id="kw"是百度搜索輸入框，輸入字符串"長城"driver.find_element_by_id("kw").send_keys(u"長城")# id="su"是百度搜索按鈕，click() 是模擬點擊driver.find_element_by_id("su").click()
# 獲取新的頁面快照driver.save_screenshot("長城.png")
# 打印網頁渲染后的源代碼printdriver.page_source# 獲取當前頁面Cookieprintdriver.get_cookies()# ctrl+a 全選輸入框內容driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'a')
# ctrl+x 剪切輸入框內容driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'x')
# 輸入框重新輸入內容driver.find_element_by_id("kw").send_keys("itcast")
# 模擬Enter回車鍵driver.find_element_by_id("su").send_keys(Keys.RETURN)
# 清除輸入框內容driver.find_element_by_id("kw").clear()
# 生成新的頁面快照driver.save_screenshot("itcast.png")
# 獲取當前urlprintdriver.current_url
# 關閉當前頁面，如果只有一個頁面，會關閉瀏覽器
# driver.close()
# 關閉瀏覽器driver.quit()
頁面操作
Selenium 的 WebDriver提供了各種方法來尋找元素，假設下面有一個表單輸入框：
那么：
# 獲取id標簽值element = driver.find_element_by_id("passwd-id")
# 獲取name標簽值element = driver.find_element_by_name("user-name")
# 獲取標簽名值element = driver.find_elements_by_tag_name("input")
# 也可以通過XPath來匹配element = driver.find_element_by_xpath("http://input[@id='passwd-id']")
定位UI元素 (WebElements)
關于元素的選取，有如下的API 單個元素選取
find_element_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
By ID
...
實現
element = driver.find_element_by_id("coolestWidgetEvah")
------------------------or-------------------------
from ?selenium.webdriver.common.by ?import ?By
element = driver.find_element(by=By.ID, value="coolestWidgetEvah")
By Class Name
Cheddar
Gouda
實現
cheeses = driver.find_elements_by_class_name("cheese")
------------------------or-------------------------
from ? selenium.webdriver.common.by ?import ?By ?
cheeses = driver.find_elements(By.CLASS_NAME,"cheese")
By Tag Name
實現
frame = driver.find_element_by_tag_name("iframe")
-----------------------or-------------------------
from ?selenium.webdriver.common.by ?import ?By
frame = driver.find_element(By.TAG_NAME,"iframe")
By Name
實現
cheese = driver.find_element_by_name("cheese")
------------------------or-------------------------
from ?selenium.webdriver.common.by ?import ?By ?
cheese = driver.find_element(By.NAME,"cheese")
By Link Text
實現
cheese = driver.find_element_by_link_text("cheese")
------------------------or-------------------------
from ? selenium.webdriver.common.by ?import By?
cheese = driver.find_element(By.LINK_TEXT,"cheese")
By Partial Link Text
實現
cheese = driver.find_element_by_partial_link_text("cheese")
------------------------or-------------------------
from ?selenium.webdriver.common.by ?import ? By
cheese = driver.find_element(By.PARTIAL_LINK_TEXT,"cheese")
By CSS
milkcheese
實現
cheese = driver.find_element_by_css_selector("#food span.dairy.aged")
------------------------or-------------------------
from selenium.webdriver.common.by ?import ?By
cheese = driver.find_element(By.CSS_SELECTOR,"#food span.dairy.aged")
By XPath
實現
inputs = driver.find_elements_by_xpath("http://input")
------------------------or-------------------------
from ?selenium.webdriver.common.by import ?By
inputs = driver.find_elements(By.XPATH,"http://input")
鼠標動作鏈
有些時候，我們需要再頁面上模擬一些鼠標操作，比如雙擊、右擊、拖拽甚至按住不動等，我們可以通過導入 ActionChains 類來做到：
示例：
#導入 ActionChains 類fromselenium.webdriverimportActionChains# 鼠標移動到 ac 位置ac = driver.find_element_by_xpath('element')ActionChains(driver).move_to_element(ac).perform()# 在 ac 位置單擊ac = driver.find_element_by_xpath("elementA")ActionChains(driver).move_to_element(ac).click(ac).perform()# 在 ac 位置雙擊ac = driver.find_element_by_xpath("elementB")ActionChains(driver).move_to_element(ac).double_click(ac).perform()# 在 ac 位置右擊ac = driver.find_element_by_xpath("elementC")ActionChains(driver).move_to_element(ac).context_click(ac).perform()# 在 ac 位置左鍵單擊hold住ac = driver.find_element_by_xpath('elementF')ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()# 將 ac1 拖拽到 ac2 位置ac1 = driver.find_element_by_xpath('elementD')ac2 = driver.find_element_by_xpath('elementE')ActionChains(driver).drag_and_drop(ac1, ac2).perform()
填充表單
我們已經知道了怎樣向文本框中輸入文字，但是有時候我們會碰到 標簽的下拉框。直接點擊下拉框中的選項不一定可行。
Selenium專門提供了Select類來處理下拉框。 其實 WebDriver 中提供了一個叫 Select 的方法，可以幫助我們完成這些事情：
# 導入 Select 類
from selenium.webdriver.support.ui ?importSelect
# 找到 name 的選項卡
select = Select(driver.find_element_by_name('status'))
#?
select.select_by_index(1)
select.select_by_value("0")
select.select_by_visible_text(u"未審核")
以上是三種選擇下拉框的方式，它可以根據索引來選擇，可以根據值來選擇，可以根據文字來選擇。注意：
index 索引從 0 開始
value是option標簽的一個屬性值，并不是顯示在下拉框中的值
visible_text是在option標簽文本的值，是顯示在下拉框的值
全部取消選擇怎么辦呢？很簡單:
select.deselect_all()
彈窗處理
當你觸發了某個事件之后，頁面出現了彈窗提示，處理這個提示或者獲取提示信息方法如下：
alert = driver.switch_to_alert()
頁面切換
一個瀏覽器肯定會有很多窗口，所以我們肯定要有方法來實現窗口的切換。切換窗口的方法如下：
driver.switch_to.window("this is window name")
也可以使用 window_handles 方法來獲取每個窗口的操作對象。例如：
forhandleindriver.window_handles:? ? driver.switch_to_window(handle)
頁面前進和后退
操作頁面的前進和后退功能：
driver.forward()#前進driver.back()# 后退
Cookies
獲取頁面每個Cookies值，用法如下
forcookieindriver.get_cookies():print"%s -> %s"% (cookie['name'], cookie['value'])
刪除Cookies，用法如下
# By namedriver.delete_cookie("CookieName")# alldriver.delete_all_cookies()
頁面等待
注意：這是非常重要的一部分！！
現在的網頁越來越多采用了 Ajax 技術，這樣程序便不能確定何時某個元素完全加載出來了。如果實際頁面等待時間過長導致某個dom元素還沒出來，但是你的代碼直接使用了這個WebElement，那么就會拋出NullPointer的異常。
為了避免這種元素定位困難而且會提高產生 ElementNotVisibleException 的概率。所以 Selenium 提供了兩種等待方式，一種是隱式等待，一種是顯式等待。
隱式等待是等待特定的時間，顯式等待是指定某一條件直到這個條件成立時繼續執行。
顯式等待
顯式等待指定某個條件，然后設置最長等待時間。如果在這個時間還沒有找到元素，那么便會拋出異常了。
from selenium import ?webdriver
from ?selenium.webdriver.common.by ?import ?By
# WebDriverWait 庫，負責循環等待
from ?selenium.webdriver.support.ui import ?WebDriverWait
# expected_conditions 類，負責條件出發
from ?selenium.webdriver.support ?import ?expected_conditions ?as ?EC
driver = webdriver.Chrome()
driver.get("http://www.xxxxx.com/loading")
try:
# 頁面一直循環，直到 id="myDynamicElement" 出現
? ? ? ?element = WebDriverWait ( driver,10).until( ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
? ? ? ? ? ? ?EC.presence_of_element_located((By.ID,"myDynamicElement" ?))? ?
? ? ? ?)
finally:? ??
? ? ? ? ?driver.quit()
如果不寫參數，程序默認會 0.5s 調用一次來查看元素是否已經生成，如果本來元素就是存在的，那么會立即返回。
下面是一些內置的等待條件，你可以直接調用這些條件，而不用自己寫某些等待條件了。
title_is
title_contains
presence_of_element_located
visibility_of_element_located
visibility_of
presence_of_all_elements_located
text_to_be_present_in_element
text_to_be_present_in_element_value
frame_to_be_available_and_switch_to_it
invisibility_of_element_located
element_to_be_clickable – it is Displayed and Enabled.
staleness_of
element_to_be_selected
element_located_to_be_selected
element_selection_state_to_be
element_located_selection_state_to_be
alert_is_present
隱式等待
隱式等待比較簡單，就是簡單地設置一個等待時間，單位為秒。
from ?selenium ?import ?webdriver
driver = webdriver.Chrome()
driver.implicitly_wait(10) ? #seconds
driver.get("http://www.xxxxx.com/loading") ?
myDynamicElement = driver.find_element_by_id("myDynamicElement")
當然如果不設置，默認等待時間為0。
