Python攻破超强防火墙，处理超强反爬并对CSS图片背景偏移定位。

with open(‘stealth.min.js’) as f:

js = f.read()

browser.execute_cdp_cmd(‘Page.addScriptToEvaluateOnNewDocument’, {

‘source’: js

})

url = ‘http://hotels.huazhu.com/inthotel/detail/9005308’

browser.get(url)

​

这回页面总算是出来了：​​​

然而价格有时并不显示，只能多刷新几下页面：

​​​

多次访问之后，数据总算能看到了。

下面让模拟器模拟点击查看全部价格：

from selenium.webdriver.common.by import By

from selenium.webdriver.support.ui import WebDriverWait

from selenium.webdriver.support import expected_conditions as EC

wait = WebDriverWait(browser, 10)

table = wait.until(EC.element_to_be_clickable(

(By.CSS_SELECTOR, ‘#Pdetail_part2 table’)))

table.location_once_scrolled_into_view

{‘x’: 0, ‘y’: 0}

more_click = wait.until(EC.element_to_be_clickable(

(By.CSS_SELECTOR, ‘#Pdetail_part2 a[class=“viewallprice”]’)))

more_click.click()

这样7条价格数据，我们就全部能够看到了。

下面我们开始抓取我们需要的数据：

截图获取需要的数据

from io import BytesIO

import base64

from PIL import Image

for tr in table.find_elements_by_css_selector(“table tr[class^=‘room first’]”):

print(tr.find_element_by_tag_name(“h3”).text)

price = tr.find_element_by_css_selector(

“div>a[class^=‘totalprice’]”)

img_data = base64.b64decode(price.screenshot_as_base64)

img = Image.open(BytesIO(img_data))

display(img)

​​​

​​​

调整鼠标滑动的位置后再来一次：

​​​

说明截图有时截的并不准确，想要精准截图也非常困难，因为无法通过程序准确滚动到应该的位置。

光截图就能搞定，那就太简单了。

本文的主要目前还是为了演示解析CSS，咱们继续采用解析法来获取数据：

解析CSS获取图片数据

首先我们解析出我们需要的数据：

img_url = None

for tr in table.find_elements_by_css_selector(“table tr[class^=‘room first’]”):

name = tr.find_element_by_tag_name(“h3”).text

print(name)

price = tr.find_element_by_css_selector(“div>a[class^=‘totalprice’]”)

for var in price.find_elements_by_tag_name(“var”):

if img_url is None:

img_url = var.value_of_css_property(“background-image”)[5:-2]

print(img_url)

position = var.value_of_css_property(“background-position”)

w, h = map(lambda x: int(x[1:-2]), position.split())

print(w, h)

高级大床房

http://hotels.huazhu.com/Blur/Pic?b=81efc0b8e3094942a81d01e311864270

170 2

188 2

126 2

豪华大床房

170 2

33 2

56 2

豪华双床房

145 2

2 2

188 2

观景豪华大床房

145 2

170 2

111 2

行政大床房

33 2

56 2

56 2

行政双床房

201 2

2 2

145 2

行政套房

2 2

2 2

33 2

188 2

尝试下载CSS背景图片：

browser.get(img_url)

结果又是被腾讯T-Sec Web应用防火墙(WAF)拦截的页面，说明直接用selenium下载图片行不通。

用request下载呢？经尝试也老是被拦截。

最终，写出了如下代码（还能较为顺利的获取图片数据）：

import requests

from io import BytesIO

import base64

from PIL import Image

def download_img(img_url):

cookies = {o[‘name’]: o[‘value’] for o in browser.get_cookies()}

headers = {

“Accept”: “text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,/;q=0.8,application/signed-exchange;v=b3;q=0.9”,

“Accept-Encoding”: “gzip, deflate”,

“Accept-Language”: “zh-CN,zh;q=0.9”,

“Cache-Control”: “max-age=0”,

“Connection”: “keep-alive”,

“Host”: “hotels.huazhu.com”,

“Upgrade-Insecure-Requests”: “1”,

“User-Agent”: “Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36”

}

for _ in range(10):

r = requests.get(img_url, headers=headers, cookies=cookies)

if r.status_code == 200:

break

else:

return None

img = Image.open(BytesIO(r.content))

return img

img = download_img(img_url)

img

​​​

有了图片，我们就可以裁剪出相应的数字图片并进行拼接了。

对最后一条数据进行测试：​​​

可以看到解析和拼接的效果非常不错。

然后测试批量的数据提取：

img_url = None

for tr in table.find_elements_by_css_selector(“table tr[class^=‘room first’]”):

name = tr.find_element_by_tag_name(“h3”).text

print(name)

price = tr.find_element_by_css_selector(“div>a[class^=‘totalprice’]”)

var_el_s = price.find_elements_by_tag_name(“var”)

n = len(var_el_s)

target = Image.new(‘RGB’, (10 * n, 17), color=(255, 255, 255))

for i, var in enumerate(var_el_s):

if img_url is None:

img_url = var.value_of_css_property(“background-image”)[5:-2]

最后

🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！