1 selenium模块的基本使用
1.1简介
- selenium最初是一个自动化测试工具,而爬虫中使用它主要是为了解决requests无法直接执行JavaScript代码的问题 selenium本质是通过驱动浏览器,完全模拟浏览器的操作,比如跳转、输入、点击、下拉等,来拿到网页渲染之后的结果,可支持多种浏览器
1.2 环境安装
- 下载安装selenium:pip install selenium
- 下载浏览器驱动程序:http://chromedriver.storage.googleapis.com/index.html
- 查看驱动和浏览器版本的映射关系:http://blog.csdn.net/huilan_same/article/details/51896672
1.3 简单案例
1 .数据爬取
#2020-11-12
#爬取药监总局化妆品公司名称
from selenium import webdriver
from time import sleep
from lxml import etree
#创建一个浏览器对象 会自动打开浏览器
bro = webdriver.Chrome(executable_path ='chromedriver.exe')
#发送一个url请求
bro.get('http://scxk.nmpa.gov.cn:81/xk/')
#获取请求数据页面
page_text = bro.page_source
tree = etree.HTML(page_text)
li_list = tree.xpath('//*[@id="gzlist"]/li')
for li in li_list:
name = li.xpath('./dl/@title')[0]
print(name)
sleep(5)
bro.quit() #过5秒浏览器退出
2 senlenium 自动化操作
```python
rom selenium import webdriver
from lxml import etree
from time import sleep
bro = webdriver.Chrome(executable_path='./chromedriver.exe')
url = 'https://www.taobao.com/'
bro.get(url=url)
#定位搜索框
ser_imput = bro.find_element_by_xpath('//*[@id="q"]')
#ser_imput = bro.find_element_by_id('q')
#搜索框输入值
ser_imput.send_keys('华为')
#执行一组js程序 滚动滚轮一屏
bro.execute_script('window.scrollTo(0,document.body.scrollHeight)')
sleep(2)
#定位搜索按钮
ser_btn = bro.find_element_by_xpath('//*[@id="J_TSearchForm"]/div[1]/button')
#点击搜索按钮发送请求
ser_btn.click()
bro.get('https://www.baidu.com/')
sleep(2)
#回退
bro.back()
#前进
bro.forward()
sleep(5)
bro.quit()
1.4 动作链和iframe
在上面的实例中,一些交互动作都是针对某个节点执行的。比如,对于输入框,我们就调用它的输入文字和清空文字方法;对于按钮,就调用它的点击方法。其实,还有另外一些操作,它们没有特定的执行对象,比如鼠标拖曳、键盘按键等,这些动作用另一种方式来执行,那就是动作链。
比如,现在实现一个节点的拖曳操作,将某个节点从一处拖曳到另外一处,可以这样实现:
from selenium import webdriver
from lxml import etree
from time import sleep
from selenium.webdriver import ActionChains
bro = webdriver.Chrome(executable_path='./chromedriver.exe')
bro.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
#若果定位标签是存在于ifname标签中 那么必须通过如下操作进行标签定位
bro.switch_to.frame('iframeResult') #切换浏览器标签定位的作用域
#定位标签
div = bro.find_element_by_xpath('//*[@id="draggable"]')
#对div进行一系列的动作操作 动作链
#创建一个动作连对象、
action = ActionChains(bro)
#点击长按指定的div
action.click_and_hold(div)
sleep(3) #等待三秒开始向右移动div
for i in range(5):
#17表示水平方向 0表示垂直方向 perform()表示立即执行动作链
action.move_by_offset(17,0).perform()
sleep(0.3) #每移动一次停顿0.3秒
action.release() #关闭动作连
sleep(5)
bro.quit()
1.5 谷歌无可视化界面+反检测
在使用selenium时会自动打开浏览器进行一系列的自动化操作 以及会显示浏览器正在受到自动化的控制 如何进行无界面操作和反检测?
from selenium import webdriver
from lxml import etree
from time import sleep
from selenium.webdriver import ActionChains
from selenium.webdriver import Chrome
#实现无可视化
from selenium.webdriver.chrome.options import Options
#实现检测规避
# from selenium.webdriver import ChromeOptions
#创建五可视化对象
chrome_options = Options()
chrome_options.add_argument('--headless')
chrome_options.add_argument('--disable-gpu')
#创建反检测对象
option = ChromeOptions()
option.add_experimental_option('excludeSwitches', ['enable-automation'])
driver = Chrome(options=option)
url = 'https://qzone.qq.com/'
bro = webdriver.Chrome(executable_path='./chromedriver.exe',chrome_options=chrome_options,options=option)
bro.get(url=url)
print(bro.page_source)
sleep(3)
bro.quit()
1.6 基于selenium的案列
1 selenium模拟登录QQ空间
# 2020-11-12 selenium模拟登录QQ空间
from selenium import webdriver
from lxml import etree
from time import sleep
from selenium.webdriver import ActionChains
from selenium.webdriver import Chrome
#实现无可视化界面
from selenium.webdriver.chrome.options import Options
#实现检测规避
from selenium.webdriver import ChromeOptions
url = 'https://qzone.qq.com/'
bro = webdriver.Chrome(executable_path='./chromedriver.exe')
bro.get(url=url)
#定位点击账号免密登录
bro.switch_to.frame('login_frame') #切换浏览器标签定位的作用域
click_btn = bro.find_element_by_id('switcher_plogin')
click_btn.click()
#定位账号标签
user_input = bro.find_element_by_id('u')
user_input.send_keys('12313')
sleep(2)
#定位密码标签
pwd_input = bro.find_element_by_id('p')
pwd_input.send_keys('12313')
sleep(2)
#定位登录按钮
login_btn = bro.find_element_by_id('login_button')
login_btn.click()
#iframe = bro.find_element_by_xpath('//*[@id="tcaptcha_iframe"]') # 找到“嵌套”的iframe
bro.switch_to.frame('tcaptcha_iframe') # 切换到iframe
# #定位滑块
# div = bro.find_element_by_xpath('//*[@id="tcaptcha_drag_thumb"]')
div = bro.find_element_by_id('tcaptcha_drag_thumb')
#创建一个动作对象
div_action = ActionChains()
#点击长安指定的div
div_action.click_and_hold(div)
#移动div
for i in range(10):
div_action.move_by_offset(160,0).perform()
sleep(0.3)
action.release() #关闭动作连
2 selenium模拟登录12306
# 2020-11-14
# @09
from selenium import webdriver
from time import sleep
from PIL import Image
from selenium.webdriver import ActionChains
from selenium.webdriver.support import expected_conditions as EC, wait
import requests
from hashlib import md5
#反检测
from selenium.webdriver import ChromeOptions
class Chaojiying_Client(object):
def __init__(self, username, password, soft_id):
self.username = username
password = password.encode('utf8')
self.password = md5(password).hexdigest()
self.soft_id = soft_id
self.base_params = {
'user': self.username,
'pass2': self.password,
'softid': self.soft_id,
}
self.headers = {
'Connection': 'Keep-Alive',
'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',
}
def PostPic(self, im, codetype):
"""
im: 图片字节
codetype: 题目类型 参考 http://www.chaojiying.com/price.html
"""
params = {
'codetype': codetype,
}
params.update(self.base_params)
files = {'userfile': ('ccc.jpg', im)}
r = requests.post('http://upload.chaojiying.net/Upload/Processing.php', data=params, files=files, headers=self.headers)
return r.json()
def ReportError(self, im_id):
"""
im_id:报错题目的图片ID
"""
params = {
'id': im_id,
}
params.update(self.base_params)
r = requests.post('http://upload.chaojiying.net/Upload/ReportError.php', data=params, headers=self.headers)
return r.json()
#创建反检测对象
option = ChromeOptions()
option.add_experimental_option('excludeSwitches', ['enable-automation'])
# driver = Chrome(options=option)
bro = webdriver.Chrome('./chromedriver.exe',options=option)
bro.maximize_window()
sleep(1)
url = 'https://kyfw.12306.cn/otn/resources/login.html'
bro.get(url=url)
# #反爬措施 解决总是要刷新的问题
script = 'Object.defineProperty(navigator,"webdriver",{get:()=>undefined,});'
bro.execute_script(script)
print(bro.get_window_size())
#定位账号登陆
user_login = bro.find_element_by_xpath('/html/body/div[2]/div[2]/ul/li[2]/a')
user_login.click()
sleep(1)
#save_screenshot就是将当前页面进行截图且保存
bro.save_screenshot('aa.png')
#确定验证码图片对应的左上角和右下角的坐标(裁剪的区域就确定)
code_img_ele = bro.find_element_by_xpath('//*[@id="J-loginImg"]')
location = code_img_ele.location # 验证码图片左上角的坐标 x,y
print('location:',location)
size = code_img_ele.size #验证码标签对应的长和宽
print('size:',size)
#左上角和右下角坐标
rangle = (
int(location['x']), int(location['y']), int(location['x'] + size['width']), int(location['y'] + size['height']))
#至此验证码图片区域就确定下来了
i = Image.open('./aa.png')
code_img_name = './code.png'
#crop根据指定区域进行图片裁剪
frame = i.crop(rangle)
frame.save(code_img_name)
#超级鹰
chaojiying = Chaojiying_Client('xxxx', 'xxxxx', '90936') #用户中心>>软件ID 生成一个替换 96001
im = open('code.png', 'rb').read() #本地图片文件路径 来替换 a.jpg 有时WIN系统须要//
print (chaojiying.PostPic(im, 9004)['pic_str']) #1902 验证码类型 官方网站>>价格体系 3.4+版 print 后要加()
result = chaojiying.PostPic(im, 9004)['pic_str']
all_list = [] #要存储即将被点击的点的坐标 [[x1,y1],[x2,y2]]
if '|' in result:
list_1 = result.split('|')
print(list_1)
count_1 = len(list_1)
for i in range(count_1):
xy_list = []
x = int(list_1[i].split(',')[0])
y = int(list_1[i].split(',')[1])
xy_list.append(x)
xy_list.append(y)
all_list.append(xy_list)
else:
x = int(float(result.split(',')[0]))
y = int(float(result.split(',')[1]))
xy_list = []
xy_list.append(x)
xy_list.append(y)
all_list.append(xy_list)
#遍历列表,使用动作链对每一个列表元素对应的x,y指定的位置进行点击操作
for l in all_list:
x = l[0]
y = l[1]
ActionChains(bro).move_to_element_with_offset(code_img_ele, x, y).click().perform()
sleep(0.5)
#输入用户名
bro.find_element_by_id('J-userName').send_keys('xxxxxxxx')
sleep(1)
#输入密码
bro.find_element_by_id('J-password').send_keys('xxxxxxxx')
sleep(1)
#点击登录按钮
bro.find_element_by_id('J-login').click()
sleep(3)
#滑块验证
div=bro.find_element_by_id('nc_1_n1z')
# 处理提示框
span = bro.find_element_by_xpath('//*[@id="nc_1_n1z"]')
#创建动作连对象
action = ActionChains(bro)
# 点击长按指定的标签
action.click_and_hold(span)
# sleep(3)
# for i in range(5):
# action.move_by_offset(20,0).perform() #偏移x20像素,y0像素
# sleep(0.1)
sleep(5)
while True:
try:
info = bro.find_element_by_xpath('//*[@id="J-slide-passcode"]/div/span').text
print(info)
if info == '哎呀,出错了,点击刷新再来一次':
bro.find_element_by_xpath('//*[@id="J-slide-passcode"]/div/span/a').click()
sleep(0.2)
span = bro.find_element_by_xpath('//*[@id="nc_1_n1z"]')
action = ActionChains(bro)
# 点击长按指定的标签
action.click_and_hold(span).perform()
action.drag_and_drop_by_offset(span, 400, 0).perform()
sleep(7)
except:
print('ok!')
break
释放动作链
action.release()
模拟12306遇到的问题
- 1 裁剪验证码图片位置不对 试了好多办法网上说的最多的最大化 bro.maximize_window()也不行 最后是显示与缩放的问题
将125%改成100%就Ok了 - 2 验证码解析问题来 各种尝试还是不行 最后发现超级鹰需要充值了 我…!
- 3 滑块问题 也是刚开始死活不通过 总是让刷新 加上这两句代码就OK了 是一种反爬机制
script =‘Object.defineProperty(navigator,“webdriver”,{get:()=>undefined,});’
bro.execute_script(script) - 4 还有就是需要进行反检测