Selenium获取浏览器Network数据包 |
您所在的位置:网站首页 › selenium监听 › Selenium获取浏览器Network数据包 |
我的博客:acsec.xyz 微信公众号: Ac sec 一.概述我们有时候在爬取jsp动态网站时,发现爬取的数据是不完整的。这时候我们就要获取浏览器F12里面的Network数据包,这样才能得到完整的数据。下面我们用python的Selenium模块配合Browsermob-Proxy抓取Network数据包。 二.环境1.python3.10 2.pycharm2021.1 3.Browsermob-Proxy2.1.4 下载地址: https://github.com/lightbody/browsermob-proxy/releases/tag/browsermob-proxy-2.1.44.Chrome和对应版本的chromedriver.exe 三.爬取1.使用百度搜索python,查看network包 2.我们一般是要拿url和response部分 3.我们上代码。 import time import json import re import requests from browsermobproxy import Server from selenium import webdriver from selenium.webdriver.chrome.options import Options def main(): # 开启代理 BMPserver = Server(r'.\browsermob-proxy-2.1.4\bin\browsermob-proxy.bat') BMPserver.start() BMPproxy = BMPserver.create_proxy() # 配置代理启动webdriver chrome_options = Options() chrome_options.add_argument('--ignore-certificate-errors') chrome_options.add_argument('--proxy-server={}'.format(BMPproxy.proxy)) # 隐藏窗口 # chrome_options.add_argument("--headless") # chrome_options.add_argument( # '--user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36') # chrome_options.add_argument('--no-sandbox') # chrome_options.add_argument('--disable-gpu') # chrome_options.add_argument('--disable-dev-shm-usage') brosver = webdriver.Chrome(options=chrome_options) # 获取返回内容 url = "https://www.baidu.com/" BMPproxy.new_har("video",options={'captureContent': True,'captureContent': True}) # 模拟浏览器 brosver.get(url) brosver.find_element_by_xpath('//*[@id="kw"]').send_keys("python") brosver.find_element_by_xpath('//*[@id="su"]').click() json_data = BMPproxy.har #将json数据存储到本地 #result_json = json.dumps(json_data,indent=4) #with open("baidu.json", "w", errors="igone") as f: #f.write(result_json) for entry in json_data['log']['entries']: # 根据URL找到数据接口 entry_url = entry['request']['url'] # 获取接口返回内容 print(entry_url) main() 这里是通过browsermob-proxy进行代理,抓取network数据包,工作原理和fiddler差不多。抓到的数据会以json格式输出,然后通过循环把需要的内容(url、response)打印出来 4.json文件格式 5.上面代码输出结果 6.同理,改变参数可以获取其他数据。在这里我们会发现response部分进行了编码,但是不影响,当你用python打印出来的时候,它会自动解码。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |