【问题】抓取需要登陆验证的动态网页
【难点】
1.登陆验证
传统的模拟登陆实现难度比较大,需要认真分析目标网页的结构,另外可能还会遇到校验等问题
2.动态网页
传统的抓取方式抓取的往往是一个空壳网页,动态生成的内容并不能抓取到
【思路】使用脚本工具去控制浏览器,实现动态网页的抓取。可选的方案有很多,本文使用python通过selenium控制Chrome抓取网页,
【工具】selenium + Chrome + Python
【准备】
1.安装Python 2.7
2.安装selenium
pip install selenium
3.安装Chrome
4.安装chromedriver
下载 http://npm.taobao.org/mirrors/chromedriver/77.0.3865.40/chromedriver_mac64.zip
解压缩后将 chromedriver 移动到 /usr/local/bin 目录
【步骤】
1.调试模式启动Chrome
先手动使用调试模式打开浏览器,进入到所需的页面,执行一些手动任务,如输入表单、输入验证码,登陆成功后,然后再开始运行自动化脚本。
sudo /Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --remote-debugging-port=9222
2.Python获取页面
#coding:utf-8
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
chrome_options=Options()
#接管先前已打开的浏览器,而不是开启一个新的浏览器。
chrome_options.add_experimental_option("debuggerAddress", "127.0.0.1:9222")
driver=webdriver.Chrome(chrome_options=chrome_options)
driver.get("xxx")
result=driver.page_source
print result
【关键点】
先手动使用调试模式打开浏览器,进入到所需的页面,执行一些手动任务,如输入表单、输入验证码,登陆成功后,然后再由自动化脚本接管已经打开的处于调试模式的浏览器。
抓取需要登陆验证的动态网页
最新推荐文章于 2023-09-14 15:04:22 发布