selenium高阶用法搞定反爬虫

您所在的位置：网站首页 › selenium反爬js java › selenium高阶用法搞定反爬虫

selenium高阶用法搞定反爬虫

2024-07-16 14:56| 来源: 网络整理| 查看: 265

selenium的其它使用方法

知识点：掌握 selenium控制标签页的切换掌握 selenium控制iframe的切换掌握利用selenium获取cookie的方法掌握手动实现页面等待掌握 selenium控制浏览器执行js代码的方法掌握 selenium开启无界面模式了解 selenium使用代理ip了解 selenium替换user-agent1. selenium标签页的切换

当selenium控制浏览器打开多个标签页时，如何控制浏览器在不同的标签页中进行切换呢？需要我们做以下两步：

获取所有标签页的窗口句柄

利用窗口句柄字切换到句柄指向的标签页

这里的窗口句柄是指：指向标签页对象的标识关于句柄请课后了解更多，本小节不做展开

具体的方法

代码语言：javascript复制# 1. 获取当前所有的标签页的句柄构成的列表 current_windows = driver.window_handles # 2. 根据标签页句柄列表索引下标进行切换 driver.switch_to.window(current_windows[0])

参考代码示例：

代码语言：javascript复制import time from selenium import webdriver driver = webdriver.Chrome() driver.get("https://www.baidu.com/") time.sleep(1) driver.find_element_by_id('kw').send_keys('python') time.sleep(1) driver.find_element_by_id('su').click() time.sleep(1) # 通过执行js来新开一个标签页 js = 'window.open("https://www.sogou.com");' driver.execute_script(js) time.sleep(1) # 1. 获取当前所有的窗口 windows = driver.window_handles time.sleep(2) # 2. 根据窗口索引进行切换 driver.switch_to.window(windows[0]) time.sleep(2) driver.switch_to.window(windows[1]) time.sleep(6) driver.quit()知识点：掌握 selenium控制标签页的切换2. switch_to切换frame标签

iframe是html中常用的一种技术，即一个页面中嵌套了另一个网页，selenium默认是访问不了frame中的内容的，对应的解决思路是driver.switch_to.frame(frame_element)。接下来我们通过qq邮箱模拟登陆来学习这个知识点

参考代码：

代码语言：javascript复制import time from selenium import webdriver driver = webdriver.Chrome() url = 'https://mail.qq.com/cgi-bin/loginpage' driver.get(url) time.sleep(2) login_frame = driver.find_element_by_id('login_frame') # 根据id定位 frame元素 driver.switch_to.frame(login_frame) # 转向到该frame中 driver.find_element_by_xpath('//*[@id="u"]').send_keys('[email protected]') time.sleep(2) driver.find_element_by_xpath('//*[@id="p"]').send_keys('hahamimashicuode') time.sleep(2) driver.find_element_by_xpath('//*[@id="login_button"]').click() time.sleep(2) """操作frame外边的元素需要切换出去""" windows = driver.window_handles driver.switch_to.window(windows[0]) content = driver.find_element_by_class_name('login_pictures_title').text print(content) driver.quit()

总结：

切换到定位的frame标签嵌套的页面中

driver.switch_to.frame(通过find_element_by函数定位的frame、iframe标签对象)

利用切换标签页的方式切出frame标签

代码语言：javascript复制windows = driver.window_handles driver.switch_to.window(windows[0])知识点：掌握 selenium控制frame标签的切换3. selenium对cookie的处理

selenium能够帮助我们处理页面中的cookie，比如获取、删除，接下来我们就学习这部分知识

3.1 获取cookie

driver.get_cookies()返回列表，其中包含的是完整的cookie信息！不光有name、value，还有domain等cookie其他维度的信息。所以如果想要把获取的cookie信息和requests模块配合使用的话，需要转换为name、value作为键值对的cookie字典

代码语言：javascript复制# 获取当前标签页的全部cookie信息 print(driver.get_cookies()) # 把cookie转化为字典 cookies_dict = {cookie[‘name’]: cookie[‘value’] for cookie in driver.get_cookies()}3.2 删除cookie代码语言：javascript复制#删除一条cookie driver.delete_cookie("CookieName") # 删除所有的cookie driver.delete_all_cookies()知识点：掌握利用selenium获取cookie的方法4. selenium控制浏览器执行js代码

selenium可以让浏览器执行我们规定的js代码，运行下列代码查看运行效果

代码语言：javascript复制import time from selenium import webdriver driver = webdriver.Chrome() driver.get("http://www.itcast.cn/") time.sleep(1) js = 'window.scrollTo(0,document.body.scrollHeight)' # js语句 driver.execute_script(js) # 执行js的方法 time.sleep(5) driver.quit()执行js的方法：driver.execute_script(js)知识点：掌握 selenium控制浏览器执行js代码的方法5. 页面等待

页面在加载的过程中需要花费时间等待网站服务器的响应，在这个过程中标签元素有可能还没有加载出来，是不可见的，如何处理这种情况呢？

页面等待分类强制等待介绍显式等待介绍隐式等待介绍手动实现页面等待5.1 页面等待的分类

首先我们就来了解以下selenium页面等待的分类

强制等待隐式等待显式等待5.2 强制等待（了解）其实就是time.sleep()缺点时不智能，设置的时间太短，元素还没有加载出来；设置的时间太长，则会浪费时间5.3 隐式等待

隐式等待针对的是元素定位，隐式等待设置了一个时间，在一段时间内判断元素是否定位成功，如果完成了，就进行下一步

在设置的时间内没有定位成功，则会报超时加载

示例代码

代码语言：javascript复制from selenium import webdriver driver = webdriver.Chrome() driver.implicitly_wait(10) # 隐式等待，最长等20秒 driver.get('https://www.baidu.com') driver.find_element_by_xpath()5.4 显式等待（了解）

每经过多少秒就查看一次等待条件是否达成，如果达成就停止等待，继续执行后续代码

如果没有达成就继续等待直到超过规定的时间后，报超时异常

示例代码

代码语言：javascript复制from selenium import webdriver from selenium.webdriver.support.wait import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.common.by import By driver = webdriver.Chrome() driver.get('https://www.baidu.com') # 显式等待 WebDriverWait(driver, 20, 0.5).until( EC.presence_of_element_located((By.LINK_TEXT, '好123'))) # 参数20表示最长等待20秒 # 参数0.5表示0.5秒检查一次规定的标签是否存在 # EC.presence_of_element_located((By.LINK_TEXT, '好123')) 表示通过链接文本内容定位标签 # 每0.5秒一次检查，通过链接文本内容定位标签是否存在，如果存在就向下继续执行；如果不存在，直到20秒上限就抛出异常 print(driver.find_element_by_link_text('好123').get_attribute('href')) driver.quit() 5.5 手动实现页面等待

在了解了隐式等待和显式等待以及强制等待后，我们发现并没有一种通用的方法来解决页面等待的问题，比如“页面需要滑动才能触发ajax异步加载”的场景，那么接下来我们就以淘宝网首页为例，手动实现页面等待

原理：利用强制等待和显式等待的思路来手动实现不停的判断或有次数限制的判断某一个标签对象是否加载完毕（是否存在）实现代码如下：代码语言：javascript复制import time from selenium import webdriver driver = webdriver.Chrome('/home/worker/Desktop/driver/chromedriver') driver.get('https://www.taobao.com/') time.sleep(1) # i = 0 # while True: for i in range(10): i += 1 try: time.sleep(3) element = driver.find_element_by_xpath('//div[@class="shop-inner"]/h3[1]/a') print(element.get_attribute('href')) break except: js = 'window.scrollTo(0, {})'.format(i*500) # js语句 driver.execute_script(js) # 执行js的方法 driver.quit()知识点：掌握手动实现页面等待6. selenium开启无界面模式

绝大多数服务器是没有界面的，selenium控制谷歌浏览器也是存在无界面模式的，这一小节我们就来学习如何开启无界面模式（又称之为无头模式）

开启无界面模式的方法实例化配置对象 options = webdriver.ChromeOptions()配置对象添加开启无界面模式的命令 options.add_argument("--headless")配置对象添加禁用gpu的命令 options.add_argument("--disable-gpu")实例化带有配置对象的driver对象 driver = webdriver.Chrome(chrome_options=options)注意：macos中chrome浏览器59+版本，Linux中57+版本才能使用无界面模式！参考代码如下：代码语言：javascript复制from selenium import webdriver options = webdriver.ChromeOptions() # 创建一个配置对象 options.add_argument("--headless") # 开启无界面模式 options.add_argument("--disable-gpu") # 禁用gpu # options.set_headles() # 无界面模式的另外一种开启方式 driver = webdriver.Chrome(chrome_options=options) # 实例化带有配置的driver对象 driver.get('http://www.itcast.cn') print(driver.title) driver.quit()知识点：掌握 selenium开启无界面模式7. selenium使用代理ip

selenium控制浏览器也是可以使用代理ip的！

使用代理ip的方法

实例化配置对象 options = webdriver.ChromeOptions()配置对象添加使用代理ip的命令 options.add_argument('--proxy-server=http://202.20.16.82:9527')实例化带有配置对象的driver对象 driver = webdriver.Chrome('./chromedriver', chrome_options=options)

参考代码如下：

代码语言：javascript复制from selenium import webdriver options = webdriver.ChromeOptions() # 创建一个配置对象 options.add_argument('--proxy-server=http://202.20.16.82:9527') # 使用代理ip driver = webdriver.Chrome(chrome_options=options) # 实例化带有配置的driver对象 driver.get('http://www.itcast.cn') print(driver.title) driver.quit()知识点：了解 selenium使用代理ip8. selenium替换user-agent

selenium控制谷歌浏览器时，User-Agent默认是谷歌浏览器的，这一小节我们就来学习使用不同的User-Agent

替换user-agent的方法

实例化配置对象 options = webdriver.ChromeOptions()配置对象添加替换UA的命令 options.add_argument('--user-agent=Mozilla/5.0 HAHA')实例化带有配置对象的driver对象 driver = webdriver.Chrome('./chromedriver', chrome_options=options)

参考代码如下：

代码语言：javascript复制from selenium import webdriver options = webdriver.ChromeOptions() # 创建一个配置对象 options.add_argument('--user-agent=Mozilla/5.0 HAHA') # 替换User-Agent driver = webdriver.Chrome('./chromedriver', chrome_options=options) driver.get('http://www.itcast.cn') print(driver.title) driver.quit()知识点：了解 selenium替换user-agent

【本文地址】

selenium高阶用法搞定反爬虫

selenium高阶用法搞定反爬虫

今日新闻

推荐新闻