[492]selenium保存静态网页

最新推荐文章于 2024-06-23 19:49:19 发布

周小董

最新推荐文章于 2024-06-23 19:49:19 发布

阅读量5.5k

点赞数

分类专栏： # 爬虫精选

本文链接：https://blog.csdn.net/xc_zhou/article/details/86247557

版权

爬虫精选专栏收录该内容

83 篇文章 25 订阅

订阅专栏

用到的工具有chromedriver，pywin32和selenium。chromedriver安装配置过程自行百度，需要注意的是chromedriver和chrome的版本号需要一一对应，否则会出现不必要的报错。

1、以新浪的一条新闻网址为例

news_url = "http://news.youth.cn/sz/201812/t20181218_11817816.htm"
driver.get(news_url)

2、需要明确的是，我们现在要保存的是一个完整的网页，不是单独的html文档，还要包括JavaScript和CSS等内容，换句话说，也就是离线网页，断网之后还可以正常打开。经过多次采坑之后发现chrome可以直接保存为一个单独的mhtml文档，但是chrome是默认关闭状态，这时候我们就需要在webdriver中打开这个设置。

options = webdriver.ChromeOptions()
options.add_argument('--save-page-as-mhtml')
driver = webdriver.Chrome(chrome_options=options)

3、接下来就要开始保存网页了，通常保存一个网页我们需要进行Ctrl+A，Ctrl+S，然后Enter三步操作，这些操作我们可以通过Actionchains来做，踩坑现场发现这个selenium的键盘操作是直接发送到webdriver的界面，而不是控制弹出浮动窗口（右键窗口）。多次尝试之后，发现pywin32的键盘模拟控制可以实现。

win32api.keybd_event(17, 0, 0, 0)           # 按下ctrl
win32api.keybd_event(65, 0, 0, 0)           # 按下a
win32api.keybd_event(65, 0, win32con.KEYEVENTF_KEYUP, 0)    # 释放a
win32api.keybd_event(83, 0, 0, 0)           # 按下s
win32api.keybd_event(83, 0, win32con.KEYEVENTF_KEYUP, 0)    # 释放s
win32api.keybd_event(17, 0, win32con.KEYEVENTF_KEYUP, 0)    # 释放ctrl
time.sleep(2)
win32api.keybd_event(13, 0, 0, 0)           # 按下enter
win32api.keybd_event(13, 0, win32con.KEYEVENTF_KEYUP, 0)    # 释放enter

code

# -*- coding: utf-8 -*-
from selenium import webdriver
import time,win32con,win32api
from ctypes import *
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.common.by import By

from pykeyboard import PyKeyboard
from pymouse import *


# 测试网址
# news_url = "http://news.youth.cn/sz/201812/t20181218_11817816.htm"
news_url = 'https://blog.csdn.net/xc_zhou/article/details/82224908'

options = webdriver.ChromeOptions()
prefs = {
    "download.prompt_for_download": False,
    'download.default_directory': 'C:/Users/Administrator/Desktop/1/',#下载目录
    "plugins.always_open_pdf_externally": True,
    'profile.default_content_settings.popups': 0,#设置为0，禁止弹出窗口
    # 'profile.default_content_setting_values.images': 2,#禁止图片加载
}
options.add_experimental_option('prefs', prefs)

#chrome可以直接保存为一个单独的mhtml文档，但是chrome是默认关闭状态
# 打开另存为mhtml功能
options.add_argument('--save-page-as-mhtml')

executable_path = "../source/chromedriver_win2.43/chromedriver.exe"
driver = webdriver.Chrome(executable_path=executable_path, chrome_options=options)
driver.get(news_url)
#拉动下拉滚动条，下拉800,csdn网页阅读更多按钮要在当前屏幕显示，不然下边点击操作会报错
driver.execute_script("window.scroll(0, 800);")
time.sleep(1)
driver.find_element_by_xpath('//main//a[@id="btn-readmore"]').click()
#--------------------------方法1-------------------------------------
##有些网站需要点击一下页面，才能进行保存，比如csdn
# #鼠标移动到某一位置，左键点击一下
# windll.user32.SetCursorPos(100, 100)#坐标值
# time.sleep(0.05)
# win32api.mouse_event(win32con.MOUSEEVENTF_LEFTDOWN, 0, 0, 0, 0)
# win32api.mouse_event(win32con.MOUSEEVENTF_LEFTUP, 0, 0, 0, 0)
# # # 模拟键盘操作
# win32api.keybd_event(17, 0, 0, 0)           # 按下ctrl
# win32api.keybd_event(65, 0, 0, 0)           # 按下a
# win32api.keybd_event(65, 0, win32con.KEYEVENTF_KEYUP, 0)    # 释放a
# win32api.keybd_event(83, 0, 0, 0)           # 按下s
# win32api.keybd_event(83, 0, win32con.KEYEVENTF_KEYUP, 0)    # 释放s
# win32api.keybd_event(17, 0, win32con.KEYEVENTF_KEYUP, 0)    # 释放ctrl
# #加上休眠时间等待弹框的出现
# time.sleep(2)
# win32api.keybd_event(13, 0, 0, 0)           # 按下enter
# win32api.keybd_event(13, 0, win32con.KEYEVENTF_KEYUP, 0)    # 释放enter
# #如果文件已存在，会在弹出一个提示框，提示是否要替换，默认是否选项，
# #按下键盘小箭头左移，选择是，然后再次按下enter，
# time.sleep(2)#加上休眠时间等待弹框的出现
# win32api.keybd_event(37, 0, 0, 0)           # 按下小箭头左移
# win32api.keybd_event(37, 0, win32con.KEYEVENTF_KEYUP, 0)    # 释放小箭头左移
# time.sleep(0.5)
# win32api.keybd_event(13, 0, 0, 0)           # 按下enter
# win32api.keybd_event(13, 0, win32con.KEYEVENTF_KEYUP, 0)    # 释放enter

#--------------------------方法2-------------------------------------
#鼠标操作
m = PyMouse()
'''
m.click(x,y,button,n) –鼠标点击
x,y –是坐标位置
buttong -1表示左键，2表示点击右键
n –点击次数，默认是1次，2表示双击
'''
#有些网站需要点击一下页面，才能进行保存，比如csdn
m.click(100,100,1,1)
# #键盘操作
k = PyKeyboard()
k.press_key(k.control_key)#按下ctrl键
# k.press_key('a') #按下a键
# k.release_key('a')#释放a键
k.press_key('s')
k.release_key('s')
k.release_key(k.control_key)
#加上休眠时间等待弹框的出现
time.sleep(2)
k.press_key(k.enter_key)
k.release_key(k.enter_key)
#如果文件已存在，再次按下enter，默认是否选项，即不重复下载
time.sleep(2)
# k.tap_key(k.numpad_keys[5],3) #–点击小键盘5,3次
k.tap_key(k.left_key)# 点击小箭头左移
time.sleep(1)
k.press_key(k.enter_key)
k.release_key(k.enter_key)

# 预估下载时间，后期根据实际网速调整
time.sleep(5)
# 关闭webdriver
driver.close()