博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Python3+Selenium3+webdriver学习笔记14(等待判断 鼠标事件 )
阅读量:2243 次
发布时间:2019-05-09

本文共 3573 字,大约阅读时间需要 11 分钟。

!/usr/bin/env python  -*- coding:utf-8 -*- ''' Selenium3+webdriver学习笔记14(等待判断 鼠标事件 ) ''' from selenium import webdriver from selenium.webdriver.common.action_chains import ActionChains from selenium.webdriver.common.by import By from selenium.webdriver.common.keys import Keys from selenium.webdriver.support.select import Select from selenium.webdriver.support.ui import WebDriverWait import time,os # about:addons 火狐浏览器安装组件,访问的地址 #  #id keys="设置" delay=5 url="https://www.baidu.com/" driver=webdriver.Firefox() driver.get(url) #让弹窗页面不显示 # js='document.getElementById("id名字").style.display="none";' #通过脚本方式操作 id name tagname classname css # document.getElementById("") # document.getElementsByName("") # document.getElementsByTagName("") # document.getElementsByClassName("") # document.querySelectorAll("") #文件下载-待调试 # fp = webdriver.FirefoxProfile() # fp.set_preference("browser.download.folderList",2) # fp.set_preference("browser.download.manager.showWhenStarting",False) # fp.set_preference("browser.download.dir", os.getcwd()) # fp.set_preference("browser.helperApps.neverAsk.saveToDisk", #                   "application/octet-stream") # # driver = webdriver.Firefox(firefox_profile=fp) # driver.get("https://pypi.org/project/selenium/#files") # driver.find_element_by_partial_link_text("selenium-3.141.0.tar.gz").click() # #确定下载 # t=driver.switch_to.alert # t.accept() #等待使用 # 强制等待 time.sleep(delay) #隐形等待 driver.implicitly_wait(delay) #显示等待 input_str=WebDriverWait(driver,10).until(lambda driver:driver.find_element(By.ID,"kw"),message="error!") input_str.send_keys(keys) kk = WebDriverWait(driver,10).until(lambda driver:driver.find_element_by_id("kw"),message="worry!") kk.send_keys("测试") """参考https://www.cnblogs.com/lvzb86/p/9321929.html click(on_element=None) ——单击鼠标左键 click_and_hold(on_element=None) ——点击鼠标左键,不松开 context_click(on_element=None) ——点击鼠标右键 double_click(on_element=None) ——双击鼠标左键 drag_and_drop(source, target) ——拖拽到某个元素然后松开 drag_and_drop_by_offset(source, xoffset, yoffset) ——拖拽到某个坐标然后松开 key_down(value, element=None) ——按下某个键盘上的键 key_up(value, element=None) ——松开某个键 move_by_offset(xoffset, yoffset) ——鼠标从当前位置移动到某个坐标 move_to_element(to_element) ——鼠标移动到某个元素 move_to_element_with_offset(to_element, xoffset, yoffset) ——移动到距某个元素(左上角坐标)多少距离的位置 perform() ——执行链中的所有动作 release(on_element=None) ——在某个元素位置松开鼠标左键 send_keys(*keys_to_send) ——发送某个键到当前焦点的元素 send_keys_to_element(element, *keys_to_send) ——发送某个键到指定元素 """ """参考https://www.cnblogs.com/lvzb86/p/9492097.html title_is:判断当前页面的title是否等于预期 title_contains:判断当前页面的title是否包含预期字符串 presence_of_element_located:判断某个元素是否被加到了dom树里,并不代表该元素一定可见 visibility_of_element_located:判断某个元素是否可见. 可见代表元素非隐藏,并且元素的宽和高都不等于0 visibility_of:跟上面的方法做一样的事情,只是上面的方法要传入locator,这个方法直接传定位到的element就好了 presence_of_all_elements_located:判断是否至少有1个元素存在于dom树中。举个例子,如果页面上有n个元素的class都是'column-md-3',那么只要有1个元素存在,这个方法就返回True text_to_be_present_in_element:判断某个元素中的text是否 包含 了预期的字符串 text_to_be_present_in_element_value:判断某个元素中的value属性是否包含了预期的字符串 frame_to_be_available_and_switch_to_it:判断该frame是否可以switch进去,如果可以的话,返回True并且switch进去,否则返回False invisibility_of_element_located:判断某个元素中是否不存在于dom树或不可见 element_to_be_clickable - it is Displayed and Enabled:判断某个元素中是否可见并且是enable的,这样的话才叫clickable staleness_of:等某个元素从dom树中移除,注意,这个方法也是返回True或False element_to_be_selected:判断某个元素是否被选中了,一般用在下拉列表 element_located_to_be_selected element_selection_state_to_be:判断某个元素的选中状态是否符合预期 element_located_selection_state_to_be:跟上面的方法作用一样,只是上面的方法传入定位到的element,而这个方法传入locator alert_is_present:判断页面上是否存在alert """ driver.quit()

转载于:https://www.cnblogs.com/NiceTime/p/10068432.html

你可能感兴趣的文章
【LEETCODE】27-Remove Element
查看>>
【LEETCODE】66-Plus One
查看>>
【LEETCODE】26-Remove Duplicates from Sorted Array
查看>>
【LEETCODE】118-Pascal's Triangle
查看>>
【LEETCODE】119-Pascal's Triangle II
查看>>
word2vec 模型思想和代码实现
查看>>
怎样做情感分析
查看>>
用深度神经网络处理NER命名实体识别问题
查看>>
用 RNN 训练语言模型生成文本
查看>>
RNN与机器翻译
查看>>
用 Recursive Neural Networks 得到分析树
查看>>
RNN的高级应用
查看>>
TensorFlow-7-TensorBoard Embedding可视化
查看>>
轻松看懂机器学习十大常用算法
查看>>
一个框架解决几乎所有机器学习问题
查看>>
特征工程怎么做
查看>>
机器学习算法应用中常用技巧-1
查看>>
决策树的python实现
查看>>
了解 Sklearn 的数据集
查看>>
如何选择优化器 optimizer
查看>>