mirror of
https://gitee.com/g1879/DrissionPage.git
synced 2024-12-10 04:00:23 +08:00
270 lines
10 KiB
Markdown
270 lines
10 KiB
Markdown
本节讲解 DrissionPage 的一些基本概念。了解它大概的构成。
|
||
|
||
如果您觉得有点懵，可直接跳过本节。
|
||
|
||
# ✔️ 网页自动化
|
||
|
||
网页自动化的形式通常有两种，它们各有优劣：
|
||
|
||
- 直接向服务器发送数据包，获取需要的数据
|
||
- 控制浏览器跟网页进行交互
|
||
|
||
前者轻量级，速度快，便于多线程、分布式部署，如 requests 库。但当数据包构成复杂，甚至加入加密技术时，开发过程烧脑程度直线上升。
|
||
|
||
鉴于此，DrissionPage 以页面为单位将两者整合，对 Chromium 协议 和 requests 进行了重新封装，实现两种模式的互通，并加入常用的页面和元素控制功能，可大幅降低开发难度和代码量。
|
||
用于操作浏览器的对象叫 Driver，requests 用于管理连接的对象叫 Session，Drission 就是它们两者的合体。Page 表示以 POM 模式封装。
|
||
在旧版本，本库是通过对 selenium 和 requests 的重新封装实现的。
|
||
从 3.0 版开始，作者另起炉灶，用 chromium 协议自行实现了 selenium 全部功能，从而摆脱了对 selenium 的依赖，功能更多更强，运行效率更高，开发更灵活。
|
||
|
||
如果您想了解旧版，请查阅“旧版使用方法”章节。
|
||
|
||
---
|
||
|
||
# ✔️ 主要对象
|
||
|
||
无论是控制浏览器，还是收发数据包，其操作逻辑是一致的，即先创建页面对象，通过页面对象控制浏览器或收发数据包，再从浏览器或返回的数据中获取元素对象，从而实现数据的获取或页面的控制。因此，最主要的对象就是两种：页面对象，及其生成的元素对象。
|
||
|
||
常用的页面对象有 3 种：
|
||
|
||
- `ChromiumPage`：单纯用于操作浏览器的页面对象
|
||
|
||
- `SessionPage`：单纯用于收发数据包的页面对象
|
||
|
||
- `WebPage`：整合浏览器控制和收发数据包于一体的页面对象
|
||
|
||
## 📍 `ChromiumPage`
|
||
|
||
`ChromiumPage`是用于操作浏览器的页面对象，它仅用于操作浏览器，而不能收发数据包。支持 Chroium 内核浏览器，如 Chrome、Edge 等。创建页面对象时，程序会自动启动浏览器，如果指定端口已存在浏览器，就接管该浏览器。
|
||
|
||
!>**注意：**<br>尝试以下代码前，请先关闭已经打开的 Chrome 浏览器。<br>如果启动失败，请查看“入门指南”里“准备工作”一节配置浏览器路径。
|
||
|
||
```python
|
||
from DrissionPage import ChromiumPage
|
||
|
||
# 创建页面对象
|
||
page = ChromiumPage()
|
||
# 控制浏览器访问百度
|
||
page.get('https://www.baidu.com') # 使用页面对象访问
|
||
# 定位输入框并输入关键字
|
||
page.ele('#kw').input('DrissionPage')
|
||
# 点击“百度一下”按钮
|
||
page.ele('@value=百度一下').click()
|
||
```
|
||
|
||
---
|
||
|
||
## 📍 `ChromiumElement`
|
||
|
||
`ChromiumElemnet`对象是浏览器页面元素对象，可对浏览器中的元素进行点击、文本输入、拖拽、运行 js 脚本等操作，也可以基于这个元素查找其下级或周围的元素。
|
||
|
||
```python
|
||
# 获取id为'kw'的元素对象
|
||
ele = page('#kw')
|
||
# 点击元素
|
||
ele.click()
|
||
# 输入文本
|
||
ele.input('some text')
|
||
# 获取 class 属性
|
||
attr = ele.attr('class')
|
||
# 设置 style 属性
|
||
ele.set_attr('style', 'display:none;')
|
||
# 获取其子元素中所有 a 元素
|
||
links = ele.eles('tag:a')
|
||
```
|
||
|
||
除了最常用的`ChromiumElement`对象，浏览器还会产生`ChromiumFrame`、`ChromiumShadowRootElement`、`ChromiumTab`对象，详细用法见相关章节。
|
||
|
||
---
|
||
|
||
## 📍 `SessionPage`
|
||
|
||
`SessionPage`是用于收发数据包的页面对象，它仅用于收发数据包，而不能操作浏览器。
|
||
|
||
```python
|
||
from DrissionPage import SessionPage
|
||
|
||
# 创建页面对象
|
||
page = SessionPage()
|
||
# 访问百度
|
||
page.get('https://www.baidu.com')
|
||
# 获取元素对象
|
||
ele = page('#kw')
|
||
# 打印元素html
|
||
print(ele.html)
|
||
```
|
||
|
||
**输出：**
|
||
|
||
```console
|
||
<input id="kw" name="wd" class="s_ipt" value="" maxlength="255" autocomplete="off">
|
||
```
|
||
|
||
---
|
||
|
||
## 📍 `SessionElement`
|
||
|
||
`SessionElement`对象是`SessionPage`产生的元素对象，可以读取元素信息，或基于它进行下级元素查找、相对定位其它元素，但不能执行点击等操作。
|
||
这种对象解析效率非常高，当浏览器页面太复杂时，可把`ChromiumElement`元素转换为`SessionElement`进行解析，提高速度。转换的同时可以执行下级元素的查找。
|
||
|
||
```python
|
||
# 获取元素 tag 属性
|
||
tag = ele.tag
|
||
# 在元素下查找第一个 name 为 name1 的子元素
|
||
ele1 = ele.ele('@name=name1')
|
||
```
|
||
|
||
---
|
||
|
||
## 📍 `WebPage`
|
||
|
||
`WebPage`是整合了上面两者的页面对象，既可控制浏览器，又可收发数据包，并且可以在这两者之间共享登录信息。
|
||
|
||
它有两种工作模式：d 模式和 s 模式。d 模式用于控制浏览器，s 模式用于收发数据包。`WebPage`可在两种模式间切换，但同一时间只能处于其中一种模式。
|
||
|
||
在 d 模式时，`WebPage`获取的元素是`ChromiumElement`，在 s 模式时，获取到的元素是`SessionElement`。
|
||
|
||
```python
|
||
from DrissionPage import WebPage
|
||
|
||
# 创建页面对象，初始d模式
|
||
page = WebPage('d')
|
||
# 访问百度
|
||
page.get('http://www.baidu.com')
|
||
# 定位输入框并输入关键字
|
||
page.ele('#kw').input('DrissionPage')
|
||
# 点击“百度一下”按钮
|
||
page.ele('@value=百度一下').click(wait_loading=True)
|
||
# 切换到s模式
|
||
page.change_mode()
|
||
# 获取所有结果元素
|
||
results = page.eles('tag:h3')
|
||
# 遍历所有结果
|
||
for result in results:
|
||
# 打印结果文本
|
||
print(result.text)
|
||
```
|
||
|
||
**输出：**
|
||
|
||
```console
|
||
DrissionPage: 一个整合了selenium和requests_html的模块,...
|
||
g1879/DrissionPage- GitHub
|
||
python采集库DrissionPage- 腾讯云开发者社区-腾讯云
|
||
DrissionPage- Web应用开发 - 青少年人工智能资源与创新...
|
||
DrissionPage-demos: 使用DrissionPage爬取常见网站的示例。
|
||
DrissionPagev1.9.0 已经发布,WEB 自动化测试集成工具_程...
|
||
DrissionPage首页、文档和下载 - WEB 自动化测试集成工具 ...
|
||
DrissionPage—— Web 自动化测试集成工具 - OSCHINA - ...
|
||
DrissionPagev1.10.0 已经发布,WEB 自动化测试集成工具 |...
|
||
DrissionPagev2.2.1 发布,WEB 自动化测试集成工具
|
||
```
|
||
|
||
详细使用方法见“创建页面对象”和“操作页面”章节。
|
||
|
||
---
|
||
|
||
# ✔️ 工作模式
|
||
|
||
如上所述，`WebPage`既可控制浏览器，也可用数据包方式访问网络数据。它有两种工作方式：d 模式和 s 模式。
|
||
页面对象可以在这两种模式间切换，两种模式拥有一致的使用方法，但任一时间只能处于其中一种模式。
|
||
|
||
## 📍 d 模式
|
||
|
||
d 模式既表示 Driver，还有 Dynamic 的意思。
|
||
d 模式用于控制浏览器，不仅可以读取浏览器获取到的信息，还能对页面进行操作，如点击、填写、开关标签页、改变元素属性、执行 js 脚本等等。
|
||
d 模式功能强大，但运行速度受浏览器制约非常缓慢，而且需要占用大量内存。
|
||
|
||
---
|
||
|
||
## 📍 s 模式
|
||
|
||
s 模式既表示 Session，还有 speed、silence 的意思。
|
||
s 模式的运行速度比 d 模式快几个数量级，但只能基于数据包进行读取或发送，不能对页面进行操作，不能运行 js。
|
||
爬取数据时，如网站数据包较为简单，应首选 s 模式。
|
||
|
||
---
|
||
|
||
## 📍 模式切换
|
||
|
||
`WebPage`对象可以在 d 模式和 s 模式之间切换，这通常用于以下情况：
|
||
|
||
- 当登录验证很严格，难以解构，如有验证码的时候，用浏览器处理登录，然后转换成 s 模式爬取数据。既避免了处理烧脑的 js，又能享受 s 模式的速度。
|
||
- 页面数据由 js 产生，且页面结构极其复杂，可以用 d 模式读取页面元素，然后把元素转成 s 模式的元素进行分析。可以极大地提高 d 模式的处理速度。
|
||
|
||
上述两种情况，第一种是整个页面对象进行模式转换：
|
||
|
||
```python
|
||
page.change_mode()
|
||
```
|
||
|
||
第二种是在 d 模式时仅对部分元素进行转换，如把表格元素转换为 s 模式的元素，在解析时速度比直接解析 d 模式元素快几个数量级。甚至可以把整个页面转换为 s 模式的元素，也是可以的。
|
||
|
||
```python
|
||
# 获取页面上一个 table 元素
|
||
ele = page.ele('tag:table')
|
||
# 把该元素转换成 s 模式的元素
|
||
ele = ele.s_ele()
|
||
# 获取所有行元素
|
||
rows = ele.eles('tag:tr')
|
||
```
|
||
|
||
---
|
||
|
||
# ✔️ 结构图
|
||
|
||
`WebPage`继承自`ChromiumPage`和`SessionPage`，前者负责控制浏览器，后者负责数据包收发，因此`WebPage`既能控制浏览器，也能收发数据包，并且能在两种模式中共享登录状态。
|
||
|
||
|
||
|
||
---
|
||
|
||
# ✔️ 配置管理
|
||
|
||
无论 requests 还是浏览器，都通常须要一些配置信息才能正常工作，如长长的`user_agent`、浏览器 exe 文件路径、浏览器配置等。这些代码往往是繁琐而重复的，不利于代码的简洁。
|
||
因此，DrissionPage 使用配置文件记录常用配置信息，程序会自动读取默认配置文件里的内容。所以，在示例中，通常看不见配置信息的代码。
|
||
|
||
这个功能支持用户保存不同的配置文件，按情况调研，也可以支持直接把配置写在代码里面，屏蔽读取配置文件。
|
||
|
||
?> **Tips：** <br>当须要打包程序时，必须把配置写到代码里，或打包后手动复制配置文件到运行路径，否则会报错。详见相关章节。
|
||
|
||
---
|
||
|
||
# ✔️ 定位符
|
||
|
||
定位符用于定位页面中的元素，是本库一大特色，能够用非常简明的方式来获取元素，简洁易用。可读性和易用性高于 xpath 等其它方式，并且兼容 xpath、css selector、selenium 定位符。
|
||
|
||
以下是一组对比：
|
||
|
||
定位文本包含`'abc'`的元素：
|
||
|
||
```python
|
||
# DrissionPage
|
||
ele = page('abc')
|
||
|
||
# selenium
|
||
ele = driver.find_element(By.XPATH, '//*[contains(text(), "abc"]')
|
||
```
|
||
|
||
定位 class 为`'abc'`的元素
|
||
|
||
```python
|
||
# DrissionPage
|
||
ele = page('.abc')
|
||
|
||
# selenium
|
||
ele = driver.find_element(By.CLASS_NAME, 'abc')
|
||
```
|
||
|
||
定位 ele 元素的兄弟元素
|
||
|
||
```python
|
||
# DrissionPage
|
||
ele1 = ele.next() # 获取后一个元素
|
||
ele1 = ele.prev(index=2) # 获取前面第二个元素
|
||
|
||
# selenium
|
||
ele1 = ele.find_element(By.XPATH, './/following-sibling::*') # 获取有i一个元素
|
||
ele1 = ele.find_element(By.XPATH, './/preceding-sibling::*[2]') # 获取前面第二个元素
|
||
```
|
||
|
||
显然，本库的定位语句更简洁易懂，还有很多灵活好用的方法，详见“查找元素”章节。 |