python 网页爬虫抓取自动化测试之phantomjs使用详解

PhantomJS俗称为：无界面的浏览器。PhantomJS是一个基于webkit的JavaScript API。它使用QtWebKit作为它核心浏览器的功能，使用webkit来编译解释执行JavaScript代码。任何你可以在基于webkit浏览器做的事情

PhantomJS俗称为：无界面的浏览器

Selenium：可以根据我们的指令，让浏览器自动加载页面，获取需要的数据，甚至页面截屏，或者判断网站上某些动作是否发生。Selenium 自己不带浏览器，不支持浏览器的功能，它需要与第三方浏览器结合在一起才能使用。但是我们有时候需要让它内嵌在代码中运行，所以我们可以用一个叫 PhantomJS 的工具代替真实的浏览器。

PhantomJS是一个基于webkit的JavaScript API。它使用QtWebKit作为它核心浏览器的功能，使用webkit来编译解释执行JavaScript代码。任何你可以在基于webkit浏览器做的事情，它都能做到。它不仅是个隐形的浏览器，提供了诸如CSS选择器、支持Web标准、DOM操作、JSON、HTML5、Canvas、SVG等，同时也提供了处理文件I/O的操作，从而使你可以向操作系统读写文件等。PhantomJS的用处可谓非常广泛，诸如网络监测、网页截屏、无需浏览器的 Web 测试、页面访问自动化等。

1.下载phantomjs

下载地址：https://npm.taobao.org/mirrors/phantomjs

这里面分别提供了Windows、Mac、以及Linux 的安装包，根据自己的需要下载即可。下载完成后，将其解压到容易找到的文件夹中，打开并找到bin文件夹里的 phantomjs.exe，复制文件路径

2. phantomjs的使用

#引入selenium
from selenium import webdriver# 使用webkit无界面浏览器
# 如果路径为 exe 启动程序的路径，那么该路径需要加一个 r
driver =webdriver.PhantomJS(executable_path=r'D:/python/phantomjs-2.1.1-windows/bin/phantomjs.exe')
# 获取指定网页的数据  start_urls
driver.get('http://news.sohu.com/scroll/')print(driver.find_element_by_class_name('title').text)

网上很多教程说要把phantomjs添加到环境变量里，其实我使用下来发现压根不需要那么麻烦。使用的时候加一个 executable_path 路径，指向本地文件所在地址即可

3.phantomjs常用操作

# 导入 webdriver
from selenium import webdriver# 要想调用键盘按键操作需要引入keys包
from selenium.webdriver.common.keys
import Keys
# 调用环境变量指定的PhantomJS浏览器创建浏览器对象
driver = webdriver.PhantomJS()
# 如果没有在环境变量指定PhantomJS位置# driver = webdriver.PhantomJS(executable_path="./phantomjs"))
# get方法会一直等到页面被完全加载，然后才会继续程序，通常测试会在这里选择 time.sleep(2)
driver.get("http://www.baidu.com/")
# 获取页面名为 wrapper的id标签的文本内容
data = driver.find_element_by_id("wrapper").text
# 打印数据内容
print data
# 打印页面标题 "百度一下，你就知道
"print driver.title
# 生成当前页面快照并保存
driver.save_screenshot("baidu.png")
# id="kw"是百度搜索输入框，输入字符串"长城"
driver.find_element_by_id("kw").send_keys("长城")
# id="su"是百度搜索按钮，click() 是模拟点击
driver.find_element_by_id("su").click()
# 获取新的页面快照
driver.save_screenshot("长城.png")
# 打印网页渲染后的源代码
print driver.page_source
# 获取当前页面Cookie
print driver.get_cookies()
# ctrl+a 全选输入框内容
driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'a')
# ctrl+x 剪切输入框内容
driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'x')
# 输入框重新输入内容
driver.find_element_by_id("kw").send_keys("atguigu")
# 模拟Enter回车键
driver.find_element_by_id("su").send_keys(Keys.RETURN)
# 清除输入框内容
driver.find_element_by_id("kw").clear()
# 生成新的页面快照
driver.save_screenshot("atguigu.png")
# 获取当前url
print driver.current_url
# 关闭当前页面，如果只有一个页面，会关闭浏览器# driver.close()
# 关闭浏览器
driver.quit()

4.页面元素查找的方法

# 定位UI元素 (WebElements)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

示例：

# 获取id标签值
element = driver.find_element_by_id("passwd-id")
# 获取name标签值
element = driver.find_element_by_name("user-name")
# 获取标签名值
element = driver.find_elements_by_tag_name("input")
# 也可以通过XPath来匹配
element = driver.find_element_by_xpath("//input[@id='passwd-id']")

5.phantomjs鼠标动作链

# 导入 webdriver#导入 ActionChains 类
from selenium.webdriver import ActionChains
# 鼠标移动到 ac 位置
ac = driver.find_element_by_xpath('element')
ActionChains(driver).move_to_element(ac).perform()# 在 ac 位置单击
ac = driver.find_element_by_xpath("elementA")
ActionChains(driver).move_to_element(ac).click(ac).perform()
# 在 ac 位置双击
ac = driver.find_element_by_xpath("elementB")
ActionChains(driver).move_to_element(ac).double_click(ac).perform()
# 在 ac 位置右击
ac = driver.find_element_by_xpath("elementC")
ActionChains(driver).move_to_element(ac).context_click(ac).perform()
# 在 ac 位置左键单击hold住
ac = driver.find_element_by_xpath('elementF')
ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()
# 将 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()

6.phantomjs下拉菜单的操作(导入select类)

# 导入 Select 类
from selenium import webdriver
from selenium.webdriver.support.ui import Select
driver = webdriver.Chrome()
driver.get("http://127.0.0.1:8080")
# 找到 name 的选项卡
select = Select(driver.find_element_by_name('status'))
#根据位置下标
# select.select_by_index(1)
#根据值找到对应的选择
# select.select_by_value("3")
#根据显示值找到对应的选择
select.select_by_visible_text("审核不通过")

7.phantomjs页面切换

driver.switch_to.window("window name")

8.phantomjs操作页面的前进和后退

driver.forward()     #前进
driver.back()        # 后退

9.页面等待

显式等待是等待特定的时间，隐式等待是指定某一条件直到这个条件成立时继续执行。

隐式等待比较简单，就是简单地设置一个等待时间，单位为秒

from selenium import webdriver
driver = webdriver.Chrome()
driver.implicitly_wait(10) # seconds
driver.get("http://www.xxxxx.com/loading")

显式等待指定某个条件，然后设置最长等待时间。如果在这个时间还没有找到元素，那么便会抛出异常了

from selenium import webdriver
from selenium.webdriver.common.by import By# WebDriverWait 库，负责循环等待
from selenium.webdriver.support.ui import WebDriverWait# expected_conditions 类，负责条件出发
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Chrome()
driver.get("http://www.xxxxx.com/loading")
try:# 页面一直循环，直到 id="myElement" 出现element = WebDriverWait(driver, 10).until(EC.presence_of_element_located((By.ID, "myElement")))
finally:driver.quit()

10.phantomjs执行JavaScript代码

import timedriver = webdriver.PhantomJS()driver.get("https://movie.douban.com/typerank?type_name=剧情&type=11&interval_id=100:90&action=")
# 向下滚动10000像素
js = "document.body.scrollTop=10000"
time.sleep(5)
#查看页面快照
driver.save_screenshot("douban.png")
# 执行JS语句
driver.execute_script(js)time.sleep(5)
#查看页面快照
driver.save_screenshot("newdouban.png")
#退出浏览器
driver.quit()

phantomjs使用案例

phantomjs网站模拟登录

from selenium import webdriver
import time# 创建一个浏览器客户端,并且指定配置
# 如果是PhantomJS做浏览器客户端还要设置路径
# driver = webdriver.PhantomJS(executable_path="/usr/local/bin/phantomjs")
driver = webdriver.Chrome()driver.get("https://www.douban.com/")
time.sleep(1)
driver.save_screenshot("豆瓣首页.png")#输入账号
driver.find_element_by_id("form_email").send_keys("username")
#输入密码
driver.find_element_by_name("form_password").send_keys("password")
#保存验证码的图片
driver.save_screenshot("验证码.png")
#输入验证码
check_code = input("请输入验证码:")
print(r"验证码是多少:%s" % check_code)driver.find_element_by_id("captcha_field").send_keys(check_code)#点击登录按钮
driver.find_element_by_xpath("//input[@class='bn-submit']").click()#休眠一下等待登录成功
time.sleep(3)
#保存登录成功的快照
driver.save_screenshot("登录成功.png")#保存成功登录好的html到本地
with open("douban.html","w",encoding="utf-8") as f:f.write(driver.page_source)#退出成功
driver.quit()

phantomjs动态页面模拟点击（unittest -python测试模块）

import time
#导入python测试模块
import unittest#类名任意,但必须继承unittest.TestCase
class DouyuTest(unittest.TestCase):#固定写法,通常做初始化def setUp(self):print("setUp()....")self.num1 = 1self.num2 = 1def testTest(self):for i in range(1,3):print("testTest()==",i)self.num1 += 1time.sleep(1)def testTest2(self):for i in range(1,3):print("testTest2()==",i)self.num2 += 1time.sleep(1)#固定写法,但每个自定义方法接收后都会调用一次该方法def tearDown(self):print("tearDown()...")print("num1==",self.num1)print("num2==", self.num2)if __name__ == "__main__":#调用的时候只需要写上main,固定的调用方式unittest.main()

模拟最新无界面浏览器

from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
from bs4 import BeautifulSoup
from selenium.webdriver.chrome.options import Options#不加载图片,不缓存在硬盘(内存)
SERVICE_ARGS = ['--load-images=false', '--disk-cache=false']
chrome_options = Options()
chrome_options.add_argument("--headless")
# 创建浏览器, 添加参数设置为无界面浏览器
driver = webdriver.Chrome(service_args=SERVICE_ARGS, chrome_options=chrome_options)
#设置等待时间
waite = WebDriverWait(driver, 5)
driver.get('https://taobao.com/')def get_page_num():# 等待搜索框出现input = waite.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#q')))# 输入美食input.send_keys('美食')# 点击搜索driver.find_element_by_css_selector("#J_TSearchForm > div > button").click()# 共计多少页text = driver.find_element_by_css_selector('#mainsrp-pager > div > div > div > div[class="total"]').textdata = text[2:6]get_product_info()return data#得到某一个宝贝,商品的大体信息
def get_product_info():waite.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-itemlist .items .item')))# 通过BeautifulSoup取数据soup = BeautifulSoup(driver.page_source, 'lxml')#取所有的列表数据item_lists = soup.select("#mainsrp-itemlist .items .item")for item_list in item_lists:item_dict = {}image = item_list.select('.J_ItemPic.img')[0].attrs["data-src"]if not image:image = item_list.select('.J_ItemPic.img')[0].attrs["data-ks-lazyload"]# 销售地location = item_list.select(".location")[0].text# 价格price = item_list.select(".price")[0].text# 商店名称shopname = item_list.select(".shopname")[0].text.strip()# 宝贝名称title = item_list.select('a[class="J_ClickStat"]')[0].text.strip()# 链接data_link = item_list.select('a[class="J_ClickStat"]')[0].attrs["href"]item_dict["image"] = "https:" + imageitem_dict["location"] = locationitem_dict["shopname"] = shopnameitem_dict["title"] = titleitem_dict["data_link"] = "https:" + data_linkitem_dict["price"] = priceprint(item_dict)# 切换下一页
def next_page(page):print("当前正在加载第%s页的数据--------" % page)try:input = waite.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#mainsrp-pager > div > div > div > div > input')))input.clear()   # 清空输入框# 页面框添加页码input.send_keys(page)#找到确定按钮,点击确定driver.find_element_by_css_selector("#mainsrp-pager > div > div > div > div > span.btn.J_Submit").click()waite.until(EC.text_to_be_present_in_element((By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > ul.items > li.item.active"), str(page)))except Exception as e:print(e)next_page(page)# 当前切换后的页面的数据get_product_info()def main():data = get_page_num()print('总页数是=', data)for page in range(2, int(data) + 1):next_page(page)# 退出浏览器driver.quit()if __name__ == '__main__':main()