python获取浏览器network_selenium结合Browsermob-Proxy获取浏览器Network请求和响应

有些时候使用 Selenium 有一些不足，比如现在很多网站数据都是通过json结构的接口来交互，通过分析报文的方式直接发包可以直接拿到json数据，数据不但全而且还很好解析，这比解析html网页容易多了。另一个非常重要的问题就是，很多时候一些接口返回的关键信息是不在html网页上显示的，通过 Selenium 拿到的 page_source 便没有这些字段。

那么如何解决这些问题呢？我们在做爬虫开发的时候经常用到浏览器的开发者工具，分析网页元素，查看资源加载(Network)等。Selenium + Webdriver 虽然能够定位DOM元素、操作页面、获取网页等。但是 Selenium 终归只能处理“结果”，它无法得知浏览器请求的数据接口信息。如果我们能像浏览器Network那样获取到所有接口的请求和返回信息，那么问题不都解决了么。

Web测试的时候，我们经常用到浏览器的开发者工具，分析网页元素，样式(Elements)，查看资源加载性能(Network)，查看控制台信息(Console)甚至client端源码(Sources)等。

Selenium Webdriver能够定位DOM元素，与之交互，读取样式以进行验证等。但是Selenium只处理“结果”，它无法得知浏览器的网络控制台的信息。如果浏览器在渲染出页面之前，从某个站点加载大量资源信息，Selenium无法知道。

解决方案是，可以使webdriver通过proxy访问网络，再收集proxy端的HAR内容，以分析web应用的行为。

Browsermob-Proxy

Browsermob-Proxy是一个开源的Java编写的基于LittleProxy的代理服务。Browsermob-Proxy的具体流程有点类似与Flidder或Charles。即开启一个端口并作为一个标准代理存在，当HTTP客户端(浏览器等)设置了这个代理，则可以抓取所有的请求细节并获取返回内容。

Browsermob-Proxy安装

直接到项目的github上下载打好的压缩包即可：

https://github.com/lightbody/browsermob-proxy/releases

支持Linux和Windows。

安装对应的python包:

pip install browsermob-proxy

启停Proxy

from browsermobproxy import Server

base_url='https://www.baidu.com/'

server = Server(r'\browsermob-proxy-2.1.4\bin\browsermob-proxy.bat')

server.start()

proxy = server.create_proxy()

配置并启动Selenium webdriver

from selenium import webdriver

from selenium.webdriver.chrome.options import Options

chrome_options = Options()

chrome_options.add_argument('--ignore-certificate-errors')

chrome_options.add_argument('--proxy-server={0}'.format(proxy.proxy))

chrome_options.add_argument('--disable-gpu')

chrome_driver = r'\chromedriver.exe'

driver = webdriver.Chrome(executable_path=chrome_driver, chrome_options = chrome_options)

以目标URL配置一个新的HAR并获取HAR内容

proxy.new_har(base_url)

driver.get(base_url)

分析HAR内容

result = proxy.har

for entry in result['log']['entries']:

print(entry['request']['url'])

server.stop()

driver.quit()

例子：这里以抓取抖音用户视频为例，目标url：https://www.iesdouyin.com/share/user/63174596206 ，使用Selenium + Webdriver + Browsermob-Proxy 获取接口返回的数据。

通过har就能获取浏览器所有的请求，然后过滤出数据接口就OK，而且拿到的结构和在浏览器开发者模式Network中看到的是一样的。

from selenium import webdriver

from browsermobproxy import Server

from selenium.webdriver.chrome.options import Options

server = Server(r'Browsermob-Proxy下载包解压路径\browsermob-proxy-2.1.4\bin\browsermob-proxy.bat')

server.start()

proxy = server.create_proxy()

chrome_options = Options()

chrome_options.add_argument('--proxy-server={0}'.format(proxy.proxy))

driver = webdriver.Chrome(chrome_options=chrome_options)

base_url = "https://www.iesdouyin.com/share/user/63174596206"

proxy.new_har("douyin", options={'captureHeaders': True, 'captureContent': True})

driver.get(base_url)

result = proxy.har

for entry in result['log']['entries']:

_url = entry['request']['url']

# 根据URL找到数据接口

if "/api/v2/aweme/post" in _url:

_response = entry['response']

_content = _response['content']['text']

# 获取接口返回内容

print(_content)

server.stop()

driver.quit()