1. 前言
selenium 原本是一款自动化测试工具，因其出色的页面数据解析和用户行为模拟能力而常用于爬虫程序中，致使爬虫程序的爬取过程更简单、快捷。
爬虫程序与其它类型程序相比较，本质一样，为数据提供处理逻辑，只是爬虫程序的数据来源于 HTML 代码片段中。
怎样准确查找到页面中数据所在的标签（或叫节点、元素、组件）就成了爬虫程序的关键，只有这一步成立，后续的数据提取、清洗、汇总才有可能。
相比较于 Beaufulsoup 模块， selenium 底层依靠的是强大的浏览器引擎，在页面解析能力上颇有王者的从容和决绝。
本文将使用 selenium 自动模拟用户的搜索行为，获取不同商城上同类型商品的价格信息，最终生成商品在不同商城上的价格差对比表。本文通过实现程序流程讲解 selenium，只会讲解程序中涉及到的 selenium 功能。不会深究其它 selenium API 的细节。所以你在阅读本文时，请确定你对 selenium 有所一点点的了解。
2、程序设计流程
2.1 需求分析：
本程序实现了用户不打开浏览器、只需要输入一个商品关键字，便能全自动化的实现在不同商城中查找商品价格，并汇总出价格一些差异信息。
- 程序运行时，提示使用者输入需要搜索的商品关键字。 本程序仅为探研 selenium 的奇妙之处，感受其王者风范，没有在程序结构和界面上费心力。
- 使用 selenium 摸拟用户打开京东和苏宁易购首页。 为什么选择京东和苏宁易，而不选择淘宝? 因为这 2 个网站使用搜索功能时没有登录验证需要，可简化本程序代码。
- 使用 selenium 在首页的文本搜索框中自动输入商品关键字，然后自动触发搜索按钮的点击事件，进入商品列表页面。
- 使用 selenium 分析、爬取不同商城中商品列表页面中的商品名称和价格数据。
- 对商品的价格数据做简单分析后，使用 CSV 模块以文件方式保存。 主要分析商品在不同商城上的平均价格、最低价格、最高体系的差异。 当然，如果有需要，可以借助其它的模块或分析逻辑，得到更多的数据分析结论。
2.2 认识 selenium
虽然本文不深究 selenium API 的细节，但是，既然要用它，其使用流程还是要面面俱到的。
- 安装： selenium 是 python 第三库，使用前要安装，安装细节就没必要在此多费笔墨。
pip3 install selenium
除了安装 selenium 模块，还需要为它下载一个浏览器驱动程序，否则它无法工作。
什么是浏览器驱动程序？为什么需要它？
解释这个问题，需要从 selenium 的工作原理说起。
- 浅淡 selenium 的工作原理：
Beautiful soup 使用特定的解析器程序解析 HTML 页面。selenium 更干脆、直接借助浏览器的解析能力。通过调用浏览器的底层 API 完成页面数据查找，也是跪服了，不仅爬取，还可以向浏览器模拟用户行为发送操作指令。
有没有感觉浏览器就是 selenium 手中的牵线木偶（玩弄浏览器于股掌之中）。selenium 的工作就是驱动浏览器，向浏览器发送指令或接收浏览的反馈，此过程中，浏览器驱动程序（webdriver）就起到了上传下达的作用。
典型的组件开发模式。
很显然，因不同浏览器的内核存在差异性，驱动程序必然也不相同，所以，下载驱动程序之前，请确定你使用的浏览器类型和版本。
本文使用谷歌浏览器，需要下载与谷歌浏览器对应的 webdriver 驱动程序。
- 进入 https://www.selenium.dev/downloads/ 网站，选择 python 语言，选择最新稳定版本。
- 请选择与正使用的浏览版本一致的驱动程序。
- 下载完毕后，指定一个驱动程序的存放目录，本文存放在 D:chromedriverchromedriver.exe 。也可存放在浏览器的安装目录。
2.3 功能函数设计
准备工作就绪后，开始编码：
- 导入程序所需要的模块，定义程序所需要的变量。
from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.common.by import By
import csv
import time
import math
# 浏览器对象
chrome_browser = None
# 商品关键字
search_keyword = None
# 保存在京东商城搜索到的商品数据，格式{商品名：价格}
jd_data = {}
# 保存在苏宁商城搜索到的商品数据，格式{商品名：价格}
sn_data = {}
- webdriver： 用来构建浏览器对象，从底层设计角度讲，是 selenium 和浏览器之间的接口层。selenium 向上为用户提供高级应用接口，向下通过 webdriver 和浏览器无障碍沟通。
- Service： webdriver 构建浏览器对象时的参数类型。
- By：** 封装了查找页面组件的各种方式。selenium** 向开者提供了很多高级方法用来查询 HTML 页面组件，如通过元素 ID、样式、样式选择器、XPATH……By 封装了这些方案。 诸如：find_element_by_class_name( )、 find_element_by_id()、find_element_by_()、find_element_by_tag_name()、find_element_by_class_name()、find_element_by_xpath()、find_element_by_css_selector() 以上方法已经被标注为过时，请使用 find_element( ) 方法，配合 By 对象切换方式。
- csv：用来把获取到的数据以 csv 格式保存。
- time：时间模块，用来模拟网络延迟。
- math： 数学模块，辅助数据分析。
- 初始化函数：初始化浏览器对象和用户输入数据。
'''
初始浏览器对象
'''
def init_data():
# 驱动程序存放路径
webdriver_path = r"D:chromedriverchromedriver.exe"
service = Service(webdriver_path)
# 构建浏览器对象
browser = webdriver.Chrome(service=service)
# 等待浏览器就绪
browser.implicitly_wait(10)
return browser
'''
初始用户输入的商品名称关键字
'''
def input_search_key():
info = input("请输入商品关键字:")
return info
- 查询京东商品信息。在京东商城查询商品，分两个步骤，在首页输入商品关键字，点击搜索后，在结果页面查询价格信息。完整代码如下：
'''
进入京东商城查询商品信息
'''
def search_jd():
global jd_data
products_names = []
products_prices = []
# 京东首页
jd_index_url = r"https://www.jd.com/"
# 打开京东首面
try:
if chrome_browser is None:
raise Exception()
else:
# 打开京东首页
chrome_browser.get(jd_index_url)
# 摸拟网络延迟
chrome_browser.implicitly_wait(10)
# 找到文本输入组件
search_input = chrome_browser.find_element(By.ID, "key")
# 在文本框中输入商品关键字
search_input.send_keys(search_keyword)
chrome_browser.implicitly_wait(5)
# 找到搜索按钮 这里使用 CSS 选择器方案
search_button = chrome_browser.find_element(By.CSS_SELECTOR, "#search > div > div.form > button")
# 触发按钮事件
search_button.click()
chrome_browser.implicitly_wait(5)
# 获取所有打开的窗口（当点击按钮后应该有 2 个）
windows = chrome_browser.window_handles
# 切换新打开的窗口,使用负索引找到最后打开的窗口
chrome_browser.switch_to.window(windows[-1])
chrome_browser.implicitly_wait(5)
# 获取商品价格
product_price_divs = chrome_browser.find_elements(By.CLASS_NAME, "p-price")
for i in range(5):
div = product_price_divs[i]
if len(div.text) != 0:
# 删除价格前面的美元符号
products_prices.append(float(div.text[1:]))
# 获取商品名称
product_name_divs = chrome_browser.find_elements(By.CLASS_NAME, "p-name")
chrome_browser.implicitly_wait(10)
for i in range(5):
div = product_name_divs[i]
if len(div.text) != 0:
products_names.append(div.text)
jd_data = dict(zip(products_names, products_prices))
jd_data["平均价格"] = sum(products_prices) / len(products_prices)
jd_data["最低价格"] = min(products_prices)
jd_data["最高价格"] = max(products_prices)
# 使用 CSV 模块写入文档
csv_save("京东商城", jd_data)
except Exception as e:
print(e)
chrome_browser： 由 webdriver 构建出来的对浏览器映射的对象，selenium 通过此对象控制对浏览器的所有操作。
此对象有一个 find_element( ) 核心方法，用来查找（定位）HTML 页面元素。查找时，可以通过 By 对象指定查找的方式（这里使用了工厂设计模式）， By 的取值可以是 ID、CSS_SELECTOR、XPATH、CLASS_NAME、CSS_SELECTOR、TAG_NAME、LINK_TEX、PARTIAL_LINK_TEXT。
打开京东首页后，先定位定位文本搜索框和搜索按钮。
使用浏览器的开发者工具，检查到文本框的源代码是一段 input html 片段，为了精确地定位到此组件，一般先试着分析此组件有没有独有的属性或特征值，id 是一个不错的选择。html 语法规范 id 值应该是一个唯一值。
代码语言：javascript复制search_input = chrome_browser.find_element(By.ID, "key")
找到组件后，可以对此组件进行一系列操作，常用的操作：
- text 属性： 获取组件的文本内容。
- send_keys( ) 方法：为此组件赋值。
- get_attribute( ) 方法：获取组件的属性值。
这里使用 send_keys 给文本组件赋予用户输入商品关键字。
代码语言：javascript复制search_input.send_keys(search_keyword)
再查找搜索按钮组件：
按钮组件是一段 button html 代码，没有过于显著的特性属性值，为了找到这个唯一组件，可以使用 XPATH 或 CSS 选择器方式。右击此代码片段，在弹出的快捷菜单中找到“复制”命令，再找到此组件的 CSS选择器值。
search_button = chrome_browser.find_element(By.CSS_SELECTOR, "#search > div > div.form > button")
调用按钮组件的 click() 方法，模拟用户点击操作，此操作会打开新窗口，并以列表方式显示搜索出来的商品数据。
代码语言：javascript复制search_button.click()
selenium 接收到浏览器打开新窗后的反馈后，可以使用 window_handles 属性获取浏览器中已经打开的所有窗口，并以列表的方式存储每一个窗口的操作引用。
代码语言：javascript复制windows = chrome_browser.window_handles
对页面元素进行定位查找时，有一个当前窗口（当前可以、正在操作的窗口）的概念。刚开始是在首页窗口操作，现在要在搜索结果窗口中进行操作，所以要切换到刚打开的新窗口。使用负索引得到刚打开的窗口（刚打开的窗口一定是最后一个窗口）。
代码语言：javascript复制chrome_browser.switch_to.window(windows[-1])
注意，这时切换到了搜索结果窗口，便可以在这个窗口中搜索所需要组件。
在这个页面中，只需要获取前 5 名的商品具体信息，包括商品名、商品价格。至于具体要获取什么数据，可以根据自己的需要定夺。本程序只需要商品的价格和名称，则检查页面，找到对应的 html 片段。
商品名信息存放在一个 div 片段中，此 div 有一个值为 p-name 的 class 属性。可以使用 CSS-NAME 方式获取，因为所有的商品采用相同片段模板，这里使用 find_elements( ) 方法即可。
代码语言：javascript复制product_name_divs = chrome_browser.find_elements(By.CLASS_NAME, "p-name")
find_elements 方法返回具有相同 CSS-NAME 的组件列表，编写代码迭代出每一个组件，并获取数据，然后存储在商品名称列表中。
代码语言：javascript复制for i in range(5):
div = product_name_divs[i]
if len(div.text) != 0:
products_names.append(div.text)
以同样的方式，获取到价格数据。再把商品名称和价格数据制成字典，并对价格数据做简单分析。
代码语言：javascript复制 jd_data = dict(zip(products_names, products_prices))
jd_data["平均价格"] = sum(products_prices) / len(products_prices)
jd_data["最低价格"] = min(products_prices)
jd_data["最高价格"] = max(products_prices)
csv_save("京东商城", jd_data)
- 存储数据：数据被压制到字典后，可把字典中的数据以 CSV 格式保存在文档中，以便用户查阅、决策。
def csv_save(sc_name, dic):
with open("d:/" sc_name ".csv", "w", newline='') as f:
csv_writer = csv.writer(f)
csv_writer.writerow([sc_name, search_keyword "价格分析表"])
for key, val in dic.items():
csv_writer.writerow([key, val])
以 CSV 格式存储从京东商城上爬取下来的数据。
- 获取苏宁易购上的商品数据。与从京东上获取数据的逻辑一样（两段代码可以整合到一个函数中，为了便于理解，本文分开编写）。两者的区别在于页面结构、承载数据的页面组件不一样或组件的属性设置不一样。
def search_sn():
global sn_data
# 保存商品名称
products_names = []
# 保存商品价格
products_prices = []
# 苏宁首页
sn_index_url = r"https://www.suning.com/"
try:
if chrome_browser is None:
raise Exception()
else:
# 打开首页
chrome_browser.get(sn_index_url)
# 模拟网络延迟
chrome_browser.implicitly_wait(10)
# 查找文本输入组件
search_input = chrome_browser.find_element(By.ID, "searchKeywords")
# 在文本框中输入商品关键字
search_input.send_keys(search_keyword)
time.sleep(2)
# 找到搜索按钮 这里使用 CSS 选择器方案
search_button = chrome_browser.find_element(By.ID, "searchSubmit")
# 触发按钮事件
search_button.click()
time.sleep(3)
# 获取所有打开的窗口（当点击按钮后应该有 2 个）
windows = chrome_browser.window_handles
# 切换新打开的窗口,使用负索引找到最后打开的窗口
chrome_browser.switch_to.window(windows[-1])
chrome_browser.implicitly_wait(20)
# 获取商品价格所在标签
product_price_divs = chrome_browser.find_elements(By.CLASS_NAME, "def-price")
# 仅查看前 5 个商品信息
for i in range(5):
div = product_price_divs[i]
# 删除价格前面的美元符号
if len(div.text) != 0:
products_prices.append(float(div.text[1:]))
chrome_browser.implicitly_wait(10)
# 获取商品名称
product_name_divs = chrome_browser.find_elements(By.CLASS_NAME, "title-selling-point")
for i in range(5):
products_names.append(product_name_divs[i].text)
#
sn_data = dict(zip(products_names, products_prices))
sn_data["平均价格"] = sum(products_prices) / len(products_prices)
sn_data["最低价格"] = min(products_prices)
sn_data["最高价格"] = max(products_prices)
# 使用 CSV 模块写入文档
csv_save("苏宁商城", sn_data)
except Exception as e:
print(e)
获取到苏宁易购上的商品数据后，同样以 CSV 格式存储。
- 存储最终的分析结果。这里仅分析了两个商城上同类型商品的平均价格、最低价、最高价的差异性。
def price_result():
if len(jd_data) != 0 and len(sn_data) != 0:
with open("d:/商品比较表.csv", "w", newline='') as f:
csv_writer = csv.writer(f)
jd_name = list(jd_data.keys())
jd_price = list(jd_data.values())
sn_price = list(sn_data.values())
csv_writer.writerow(["比较项", "京东价格", "苏宁价格", "价格差"])
for i in range(5, len(jd_price)):
csv_writer.writerow([jd_name[i], jd_price[i], sn_price[i], math.fabs(jd_price[i] - sn_price[i])])
保存了两个商城上商品价格的平均值、最小值、最大值以及绝对差。
3. 总结
本文主要是应用 selenium 。通过应用过程对 selenium 做一个讲解，了解 selenium 的基本使用流程。数据分析并不是本文的重点。
如果要得到更全面的分析结果，则需要提供更多维度的数据分析逻辑。
