爬虫请求库——selenium
selenium模块
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 的缺点是效率会变得很慢。
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
from selenium import webdriver
browser=webdriver.Chrome()
browser=webdriver.Firefox()
browser=webdriver.PhantomJS()
browser=webdriver.Safari()
browser=webdriver.Edge()
一、安装
安装:
pip3 install selenium
要自动启动浏览器需要安装相应的驱动,selenium3 默认支持的 webdriver 是 Firfox,而 Firefox 需要安装 geckodriver
火狐浏览器安装 driver
下载链接:https://github.com/mozilla/geckodriver/releases
- Linux 下载后将 geckodriver 移动到 /usr/local/bin/ 目录下(或者软连接到 /usr/bin/chromdriver)
- Windows下载后将 geckodriver.exe 加入环境变量,或者将 geckodriver.exe 移动到脚本同级目录
谷歌浏览器安装 driver:
- windows:下载 chromdriver.exe 放到python安装路径的 scripts 目录中即可,注意最新版本是2.xx,并非2.9
- Linux:下载 chromdriver.zip,解压缩后将 chromdriver 文件复制到 /usr/bin 文件夹下(或者软连接到 /usr/bin/chromdriver)
国内镜像网站地址:http://npm.taobao.org/mirrors/chromedriver/
最新的版本去官网找:https://sites.google.com/a/chromium.org/chromedriver/downloads
from selenium import webdriver
# 弹出 chrome 浏览器
driver=webdriver.Chrome()
driver.get('https://www.baidu.com')
driver.page_source
#能自动弹出浏览器并访问百度,就说明成功了 # 弹出 firefox浏览器
brow=webdriver.Firefox()
brow.get('https://www.baidu.com')
#安装:selenium+phantomjs
pip3 install selenium
下载phantomjs,解压后把phantomjs.exe所在的bin目录放到环境变量
下载链接:http://phantomjs.org/download.html #验证安装
C:\Users\Administrator>phantomjs
phantomjs> console.log('egon gaga')
egon gaga
undefined
phantomjs> ^C
C:\Users\Administrator>python3
Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from selenium import webdriver
>>> driver=webdriver.PhantomJS() #无界面浏览器
>>> driver.get('https://www.baidu.com')
>>> driver.page_source
无界面浏览器
二、等待元素被加载
selenium 是自动运行浏览器的一种行为,而浏览器的加载是需要时间的,我们在进行操作之前肯定必须要等到被操作的元素加载出来后才行,所以我们就需要用到等待的操作、
等待的方式分两种
#2、等待的方式分两种:
隐式等待:在browser.get('xxx')前就设置,针对所有元素有效
显式等待:在browser.get('xxx')之后设置,只针对某个元素有效
示例:
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 browser=webdriver.Chrome()#启动浏览器
"""
方式一
隐式等待:在查找所有元素时,如果尚未被加载,则等10秒,在最前面设置
"""
browser.implicitly_wait(10) browser.get('https://www.baidu.com') input_tag=browser.find_element_by_id('kw')
input_tag.send_keys('美女')
input_tag.send_keys(Keys.ENTER) """
方式二
显式等待:显式地等待某个指定元素被加载
这两条效果与上面一条相同
"""
#wait=WebDriverWait(browser,10)
#wait.until(EC.presence_of_element_located((By.ID,'content_left'))) #查找内容
contents=browser.find_element_by_id('content_left') #没有进行等待操作就直接查找的话,找不到就会报错
print(contents) browser.close()
三、选择器
选择器就是用来做对象爬取的内容进行定位用的,选择器有很多,每种的功能都不同
基本选择器
#官网链接:http://selenium-python.readthedocs.io/locating-elements.html
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
import time driver=webdriver.Chrome()
driver.get('https://www.baidu.com')
wait=WebDriverWait(driver,10) try:
#===============所有方法===================
# 1、find_element_by_id
# 2、find_element_by_link_text
# 3、find_element_by_partial_link_text #模糊匹配
# 4、find_element_by_tag_name
# 5、find_element_by_class_name
# 6、find_element_by_name
# 7、find_element_by_css_selector
# 8、find_element_by_xpath #后续详解
# 强调:
# 1、上述均可以改写成find_element(By.ID,'kw')的形式
# 2、find_elements_by_xxx的形式是查找到多个元素,结果为列表 #===============示范用法===================
# 1、find_element_by_id
print(driver.find_element_by_id('kw')) # 2、find_element_by_link_text
# login=driver.find_element_by_link_text('登录')
# login.click() # 3、find_element_by_partial_link_text
login=driver.find_elements_by_partial_link_text('录')[0]
login.click() # 4、find_element_by_tag_name
print(driver.find_element_by_tag_name('a')) # 5、find_element_by_class_name
button=wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'tang-pass-footerBarULogin')))
button.click() # 6、find_element_by_name
input_user=wait.until(EC.presence_of_element_located((By.NAME,'userName')))
input_pwd=wait.until(EC.presence_of_element_located((By.NAME,'password')))
commit=wait.until(EC.element_to_be_clickable((By.ID,'TANGRAM__PSP_10__submit'))) input_user.send_keys('')
input_pwd.send_keys('lhf@094573')
commit.click() # 7、find_element_by_css_selector
driver.find_element_by_css_selector('#kw') # 8、find_element_by_xpath time.sleep(5) finally:
driver.close()
基本选择器
xpath
#官网链接:http://selenium-python.readthedocs.io/locating-elements.html
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
import time driver=webdriver.PhantomJS()
driver.get('https://doc.scrapy.org/en/latest/_static/selectors-sample1.html')
# wait=WebDriverWait(driver,3)
driver.implicitly_wait(3) #使用隐式等待 try:
# find_element_by_xpath
#//与/的不同
# driver.find_element_by_xpath('//body/a') # 开头的//代表从整篇文档中寻找,body之后的/代表body的儿子,这一行找不到就会报错了 driver.find_element_by_xpath('//body//a') # 开头的//代表从整篇文档中寻找,body之后的//代表body的子子孙孙
driver.find_element_by_css_selector('body a') #取第n个
res1=driver.find_elements_by_xpath('//body//a[1]') #取第一个a标签,这里的索引是从1开始
print(res1[0].text) #按照属性查找,下述三者查找效果一样
res1=driver.find_element_by_xpath('//a[5]')
res2=driver.find_element_by_xpath('//a[@href="image5.html"]')
res3=driver.find_element_by_xpath('//a[contains(@href,"image5")]') #模糊查找
print('==>', res1.text)
print('==>',res2.text)
print('==>',res3.text) #其他
res1=driver.find_element_by_xpath('/html/body/div/a')
print(res1.text) res2=driver.find_element_by_xpath('//a[img/@src="data:image3_thumb.jpg"]') #找到子标签img的src属性为image3_thumb.jpg的a标签
print(res2.tag_name,res2.text) res3 = driver.find_element_by_xpath("//input[@name='continue'][@type='button']") #查看属性name为continue且属性type为button的input标签
res4 = driver.find_element_by_xpath("//*[@name='continue'][@type='button']") #查看属性name为continue且属性type为button的所有标签 time.sleep(5) finally:
driver.close()
xpath
获取标签属性
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 browser=webdriver.Chrome() browser.get('https://www.amazon.cn/') wait=WebDriverWait(browser,10)
wait.until(EC.presence_of_element_located((By.ID,'cc-lm-tcgShowImgContainer'))) tag=browser.find_element(By.CSS_SELECTOR,'#cc-lm-tcgShowImgContainer img') #获取标签属性,
print(tag.get_attribute('src')) #获取标签ID,位置,名称,大小(了解)
print(tag.id)
print(tag.location)
print(tag.tag_name)
print(tag.size) browser.close()
获取标签的属性
四、元素交互操作
交互操作就是指模拟人在网页中进行输入或点击鼠标的操作,主要针对的是 input 框和链接。交互操作中可以自己植入 js 代码
模拟天猫搜索:
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
import time driver=webdriver.Chrome()
driver.get('https://www.tmall.com/')
driver.implicitly_wait(3) try:
input_tag=driver.find_element_by_id('mq')#搜索框
input_tag.send_keys('NIKE')#写入搜索条件
input_tag.send_keys(Keys.ENTER)#回车 time.sleep(3)
input_tag=driver.find_element_by_id('mq')
input_tag.clear()#清空搜索框
input_tag.send_keys('科比战靴')
input_tag.send_keys(Keys.ENTER) time.sleep(5)
finally:
driver.close()
模拟滑动验证码操作(网页很low逼):
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
import time driver=webdriver.Chrome()
driver.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
#driver.get('http://www.baidu.com')
driver.implicitly_wait(3) try:
driver.switch_to.frame('iframeResult')#已被弃用的html标签,作用是html下套html
driver.switch_to.parent_frame()#返回父级html标签 source=driver.find_element_by_id('draggable')#源滑块
target=driver.find_element_by_id('droppable')#目标
print(source,target) #方式一:
# actions=ActionChains(driver)
# actions.drag_and_drop(source,target)
# actions.perform() #方式二:
distance=target.location['x']-source.location['x']#距离
ActionChains(driver).click_and_hold(source).perform()#模拟按住鼠标不放手 print(distance)
s=0
while s < distance:
print(s)
ActionChains(driver).move_by_offset(xoffset=2,yoffset=0).perform()#每次移动2像素
s+=2
ActionChains(driver).release().perform()#释放鼠标 driver.execute_script('alert("xxxxxxxxx")')#可自写js代码,会执行
time.sleep(6)
finally:
driver.close()
补充:frame的切换
#frame相当于一个单独的网页,在父frame里是无法直接查看到子frame的元素的,必须switch_to_frame切到该frame下,才能进一步查找 from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素 try:
browser=webdriver.Chrome()
browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable') browser.switch_to.frame('iframeResult') #切换到id为iframeResult的frame tag1=browser.find_element_by_id('droppable')
print(tag1) # tag2=browser.find_element_by_id('textareaCode') #报错,在子frame里无法查看到父frame的元素
browser.switch_to.parent_frame() #切回父frame,就可以查找到了
tag2=browser.find_element_by_id('textareaCode')
print(tag2) finally:
browser.close()
补充:frame的切换
模拟浏览器的前进后退
#模拟浏览器的前进后退
import time
from selenium import webdriver browser=webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.get('https://www.taobao.com')
browser.get('http://www.sina.com.cn/') browser.back()#后腿
time.sleep(10)
browser.forward()#前进
browser.close()
模拟浏览器的前进后退
#cookies
from selenium import webdriver browser=webdriver.Chrome()
browser.get('https://www.zhihu.com/explore')
print(browser.get_cookies())
browser.add_cookie({'k1':'xxx','k2':'yyy'})
print(browser.get_cookies()) # browser.delete_all_cookies()
设置和得到cookies
选项卡管理
#选项卡管理:切换选项卡,有js的方式windows.open,有windows快捷键:ctrl+t等,最通用的就是js的方式
import time
from selenium import webdriver browser=webdriver.Chrome()
browser.get('https://www.baidu.com')
browser.execute_script('window.open()') print(browser.window_handles) #获取所有的选项卡
browser.switch_to_window(browser.window_handles[1])
browser.get('https://www.taobao.com')
time.sleep(10)
browser.switch_to_window(browser.window_handles[0])
browser.get('https://www.sina.com.cn')
browser.close()
选项卡管理
异常处理
from selenium import webdriver
from selenium.common.exceptions import TimeoutException,NoSuchElementException,NoSuchFrameException try:
browser=webdriver.Chrome()
browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')
browser.switch_to.frame('iframssseResult') except TimeoutException as e:
print(e)
except NoSuchFrameException as e:
print(e)
finally:
browser.close()
异常处理
小项目扩展
#注意:网站都策略都是在不断变化的,精髓在于学习流程。下述代码生效与2017-11-7,不能保证永久有效
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait browser=webdriver.Chrome() try:
browser.get('http://mail.163.com/') wait=WebDriverWait(browser,5) frame=wait.until(EC.presence_of_element_located((By.ID,'x-URS-iframe')))
browser.switch_to.frame(frame) wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'.m-container'))) inp_user=browser.find_element_by_name('email')
inp_pwd=browser.find_element_by_name('password')
button=browser.find_element_by_id('dologin')
inp_user.send_keys('')
inp_pwd.send_keys('xxxx')
button.click() #如果遇到验证码,可以把下面一小段打开注释
# import time
# time.sleep(10)
# button = browser.find_element_by_id('dologin')
# button.click() wait.until(EC.presence_of_element_located((By.ID,'dvNavTop')))
write_msg=browser.find_elements_by_css_selector('#dvNavTop li')[1] #获取第二个li标签就是“写信”了
write_msg.click() wait.until(EC.presence_of_element_located((By.CLASS_NAME,'tH0')))
recv_man=browser.find_element_by_class_name('nui-editableAddr-ipt')
title=browser.find_element_by_css_selector('.dG0 .nui-ipt-input')
recv_man.send_keys('378533872@qq.com')
title.send_keys('圣旨')
print(title.tag_name) frame=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'APP-editor-iframe')))
browser.switch_to.frame(frame)
body=browser.find_element(By.CSS_SELECTOR,'body')
body.send_keys('egon很帅,可以加工资了') browser.switch_to.parent_frame() #切回他爹
send_button=browser.find_element_by_class_name('nui-toolbar-item')
send_button.click() #可以睡时间久一点别让浏览器关掉,看看发送成功没有
import time
time.sleep(10000) except Exception as e:
print(e)
finally:
browser.close()
自动登录163邮箱并发送邮件
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
import time def get_goods(driver):
try:
goods=driver.find_elements_by_class_name('gl-item') for good in goods:
detail_url=good.find_element_by_tag_name('a').get_attribute('href') p_name=good.find_element_by_css_selector('.p-name em').text.replace('\n','')
price=good.find_element_by_css_selector('.p-price i').text
p_commit=good.find_element_by_css_selector('.p-commit a').text msg = '''
商品 : %s
链接 : %s
价钱 :%s
评论 :%s
''' % (p_name,detail_url,price,p_commit) print(msg,end='\n\n') button=driver.find_element_by_partial_link_text('下一页')
button.click()
time.sleep(1)
get_goods(driver)
except Exception:
pass def spider(url,keyword):
driver = webdriver.Chrome()
driver.get(url)
driver.implicitly_wait(3) # 使用隐式等待
try:
input_tag=driver.find_element_by_id('key')
input_tag.send_keys(keyword)
input_tag.send_keys(Keys.ENTER)
get_goods(driver)
finally:
driver.close() if __name__ == '__main__':
spider('https://www.jd.com/',keyword='科比战靴')
自动爬取京东商品
#首先要安装Pillow pip3 install pillow
#Pillow:基于PIL,处理python 3.x的图形图像库.因为PIL只能处理到python 2.x,而这个模块能处理Python3.x,目前用它做图形的很多. ###########思路整理########## from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
from PIL import Image #pip3 install pillow import time def get_snap(driver):
driver.save_screenshot('snap.png')#截图
snap_obj=Image.open('snap.png')#保存
return snap_obj def get_image(driver):
img=driver.find_element_by_class_name('geetest_canvas_img')
time.sleep(2) #等待图片加载完毕
size=img.size
location=img.location
#获取图片位置
left=location['x']
top=location['y']
right=left+size['width']
bottom=top+size['height'] snap_obj=get_snap(driver)
image_obj=snap_obj.crop((left,top,right,bottom))#截图操作
# image_obj.show()
return image_obj def get_distance(image1,image2):
start_x=58#滑块最左侧
threhold=60#去除伪影响
# print(image1.size)
# print(image2.size)
for x in range(start_x,image1.size[0]):
for y in range(image1.size[1]):
rgb1=image1.load()[x,y]
rgb2=image2.load()[x,y]
res1=abs(rgb1[0]-rgb2[0])
res2=abs(rgb1[1]-rgb2[1])
res3=abs(rgb1[2]-rgb2[2])
if not (res1 < threhold and res2 < threhold and res3 < threhold):
return x-7#误差范围 def get_tracks(distance):
distance+=20#故意划过头20像素
#v=v0+a*t
#s=v*t+0.5*a*(t**2) v0=0
s=0
t=0.2
mid=distance*3/5
forward_tracks=[] while s < distance:
if s < mid:
a=2
else:
a=-3 v=v0
track=v*t+0.5*a*(t**2)
track=round(track)#取整数
v0=v+a*t
s+=track
forward_tracks.append(track)
back_tracks=[-1,-1,-1,-2,-2,-2,-3,-3,-2,-2,-1] #
return {"forward_tracks":forward_tracks,'back_tracks':back_tracks} try:
driver = webdriver.Chrome()#谷歌浏览器
driver.get('https://passport.cnblogs.com/user/signin')#博客园
driver.implicitly_wait(10)#隐形等待10秒 #1、输入账号、密码,然后点击登陆
input_user=driver.find_element_by_id('input1')
input_pwd=driver.find_element_by_id('input2')
login_button=driver.find_element_by_id('signin') input_user.send_keys('wall-a')#输入账号
input_pwd.send_keys('lg19950726..')#输入密码
login_button.click()#点击登录按钮 #2、点击验证人机按钮,弹出没有缺口的图
button=driver.find_element_by_class_name('geetest_radar_tip_content')
button.click() #3、针对没有缺口的图片进行截图
image1=get_image(driver) #4、点击滑动按钮,弹出有缺口的图
slider_button=driver.find_element_by_class_name('geetest_slider_button')
slider_button.click() #5、针对有缺口的图片进行截图
image2=get_image(driver) #6、对比两张图片,找出缺口,即滑动的位移
distance=get_distance(image1,image2)
# print(distance) #7、按照人的行为行为习惯,把总位移切成一段段小的位移
traks_dic=get_tracks(distance) #8、按照位移移动
slider_button=driver.find_element_by_class_name('geetest_slider_button')
ActionChains(driver).click_and_hold(slider_button).perform()#按住不放手
#先向前移动
forward_tracks=traks_dic["forward_tracks"]
back_tracks=traks_dic["back_tracks"]
for forward_track in forward_tracks:
ActionChains(driver).move_by_offset(xoffset=forward_track,yoffset=0).perform() #短暂停顿,发现傻逼,移过了
time.sleep(0.2) # 先向后移动
for back_track in back_tracks:
ActionChains(driver).move_by_offset(xoffset=back_track,yoffset=0).perform()
# 抖一抖
ActionChains(driver).move_by_offset(xoffset=-4,yoffset=0).perform()
ActionChains(driver).move_by_offset(xoffset=3,yoffset=0).perform()
time.sleep(0.1)
ActionChains(driver).move_by_offset(xoffset=-2,yoffset=0).perform()
ActionChains(driver).move_by_offset(xoffset=3,yoffset=0).perform()
time.sleep(0.3)
ActionChains(driver).release().perform()#松开鼠标 time.sleep(10)
finally:
driver.close() ###############优化后的代码(将功能封装成函数调用)#######
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By #按照什么方式查找,By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys #键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait #等待页面加载某些元素
from PIL import Image #pip3 install pillow import time def get_snap(driver):
driver.save_screenshot('snap.png')#截图
snap_obj=Image.open('snap.png')#保存
return snap_obj def get_image(driver):
img=driver.find_element_by_class_name('geetest_canvas_img')
time.sleep(2) #等待图片加载完毕
size=img.size
location=img.location
#获取图片位置
left=location['x']
top=location['y']
right=left+size['width']
bottom=top+size['height'] snap_obj=get_snap(driver)
image_obj=snap_obj.crop((left,top,right,bottom))#截图操作
# image_obj.show()
return image_obj def get_distance(image1,image2):
start_x=58#滑块最左侧
threhold=60#去除伪影响
# print(image1.size)
# print(image2.size)
for x in range(start_x,image1.size[0]):
for y in range(image1.size[1]):
rgb1=image1.load()[x,y]
rgb2=image2.load()[x,y]
res1=abs(rgb1[0]-rgb2[0])
res2=abs(rgb1[1]-rgb2[1])
res3=abs(rgb1[2]-rgb2[2])
if not (res1 < threhold and res2 < threhold and res3 < threhold):
return x-7#误差范围 def get_tracks(distance):
distance+=20#故意划过头20像素
#v=v0+a*t
#s=v*t+0.5*a*(t**2) v0=0
s=0
t=0.2
mid=distance*3/5
forward_tracks=[] while s < distance:
if s < mid:
a=2
else:
a=-3 v=v0
track=v*t+0.5*a*(t**2)
track=round(track)#取整数
v0=v+a*t
s+=track
forward_tracks.append(track)
back_tracks=[-1,-1,-1,-2,-2,-2,-3,-3,-2,-2,-1] #
return {"forward_tracks":forward_tracks,'back_tracks':back_tracks} def crack(driver):#封装滑动的函数
# 2、点击验证人机按钮,弹出没有缺口的图
button = driver.find_element_by_class_name('geetest_radar_tip_content')
button.click() # 3、针对没有缺口的图片进行截图
image1 = get_image(driver) # 4、点击滑动按钮,弹出有缺口的图
slider_button = driver.find_element_by_class_name('geetest_slider_button')
slider_button.click() # 5、针对有缺口的图片进行截图
image2 = get_image(driver) # 6、对比两张图片,找出缺口,即滑动的位移
distance = get_distance(image1, image2)
# print(distance) # 7、按照人的行为行为习惯,把总位移切成一段段小的位移
traks_dic = get_tracks(distance) # 8、按照位移移动
slider_button = driver.find_element_by_class_name('geetest_slider_button')
ActionChains(driver).click_and_hold(slider_button).perform() # 按住不放手
# 先向前移动
forward_tracks = traks_dic["forward_tracks"]
back_tracks = traks_dic["back_tracks"]
for forward_track in forward_tracks:
ActionChains(driver).move_by_offset(xoffset=forward_track, yoffset=0).perform() # 短暂停顿,发现傻逼,移过了
time.sleep(0.2) # 先向后移动
for back_track in back_tracks:
ActionChains(driver).move_by_offset(xoffset=back_track, yoffset=0).perform()
# 抖一抖
ActionChains(driver).move_by_offset(xoffset=-4, yoffset=0).perform()
ActionChains(driver).move_by_offset(xoffset=3, yoffset=0).perform()
time.sleep(0.1)
ActionChains(driver).move_by_offset(xoffset=-2, yoffset=0).perform()
ActionChains(driver).move_by_offset(xoffset=3, yoffset=0).perform()
time.sleep(0.3)
ActionChains(driver).release().perform() # 松开鼠标 def login_cnblogs(username,pwd):
driver = webdriver.Chrome() # 谷歌浏览器driver = webdriver.Chrome()#谷歌浏览器
try: driver.get('https://passport.cnblogs.com/user/signin')#博客园
driver.implicitly_wait(10)#隐形等待10秒 #1、输入账号、密码,然后点击登陆
input_user=driver.find_element_by_id('input1')
input_pwd=driver.find_element_by_id('input2')
login_button=driver.find_element_by_id('signin') input_user.send_keys(username)#输入账号
input_pwd.send_keys(pwd)#输入密码
login_button.click()#点击登录按钮
# 调用 封装滑动的函数
crack(driver) time.sleep(10)
finally:
driver.close() if __name__ == '__main__':
login_cnblogs(username='Angelababy',pwd='sonoface')
破解滑动验证码自动登录博客园
#-*- coding:utf-8 -*-
from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
import time
import datetime
import random
from threading import Thread class Driver:
def __init__(self, _webdriver, brow_name):
self.brow = _webdriver
self.name = brow_name class OP:
def __init__(self, drivers ,start_page=1, end_page=11):
self.start_page = start_page
self.end_page = end_page
self.drivers = []
for driver in drivers:
self.drivers.append(driver) def my_print(self, *args):
print(datetime.datetime.now(), args) def my_sleep(self):
time.sleep(random.randint(1, 5)) def main(self, _driver):
driver = _driver.brow() # 弹出浏览器
for i in range(self.start_page, self.end_page):
if _driver.name == 'Safari':
for j in range(0, 22 if i == 1 else 20):
# driver.implicitly_wait(10)
url = 'https://www.cnblogs.com/zhuminghui/default.html?page=' + str(i)
self.my_print(url)
driver.get(url)
self.inner(driver, i, j, _driver.name)
self.my_sleep()
else:
url = 'https://www.cnblogs.com/zhuminghui/default.html?page=' + str(i)
self.my_print(url)
driver.get(url) for j in range(0,22 if i == 1 else 20):
self.inner(driver, i, j, _driver.name) # wait = WebDriverWait(driver, 5)
# wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#homepage1_HomePageDays_ctl00_ImageLink')))
self.my_sleep()
# readmore_list = driver.find_elements_by_class_name('c_b_p_desc_readmore') driver.close() def inner(self, driver, i, j, name):
try:
postTitle2 = driver.find_elements_by_class_name('postTitle2')
if len(postTitle2) < j + 1:
self.my_print(name, j + 1, 'end')
return if 'shadowsocks' in postTitle2[j].text or '****' in postTitle2[j].text:
self.my_print('---<<< %s >>> page %s ,line %s <%s> ---' % (name, i, j + 1, postTitle2[j].text))
return postTitle2[j].click()
self.my_sleep()
wait = WebDriverWait(driver, 5)
wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#blog_post_info_block'))) driver.execute_script("arguments[0].scrollIntoView();", driver.find_element_by_id('blog_post_info_block'))
title = driver.find_element_by_class_name('postTitle2')
self.my_print('<<< %s >>>page %s ,line %s <%s>' % (name, i, j + 1, title.text))
self.my_sleep()
driver.back()
return True
except Exception as e:
self.my_print(name, 'Error:', e)
driver.back()
self.my_sleep() def start(self):
ts = []
for driver in self.drivers:
ts.append(Thread(target=self.main, args=(driver,)))
for i in ts:
i.start()
for i in ts:
i.join() if __name__ == '__main__':
chrome = Driver(webdriver.Chrome, 'Chrome')
firefox = Driver(webdriver.Firefox, 'Firefox')
safari = Driver(webdriver.Safari, 'Safari') obj = OP(drivers=[chrome, firefox], start_page=1, end_page=13)
obj.start()
自动打开竹先森的博客园并从头到尾浏览所有的博客文章
爬虫请求库——selenium的更多相关文章
- 爬虫----爬虫请求库selenium
一 介绍 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, ...
- 爬虫请求库——requests
请求库,即可以模仿浏览器对网站发起请求的模块(库). requests模块 使用requests可以模拟浏览器的请求,requests模块的本质是封装了urllib3模块的功能,比起之前用到的urll ...
- 关于python请求库Selenium安装所遇到的问题
今天,初次接触python,在网上买了一本关于爬虫的书,因为之前电脑上存在python,所以就对着书直接进行的请求库的安装,安装的时候,主要遇到了下边一个问题,在安装Selenium的时候,出现以下提 ...
- 爬虫 - 请求库之selenium
介绍 官方文档 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 ...
- python爬虫请求库之selenium模块
一 介绍 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 ...
- 爬虫请求库之selenium
一.介绍 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, ...
- 爬虫、请求库selenium
阅读目录 一 介绍 二 安装 三 基本使用 四 选择器 五 等待元素被加载 六 元素交互操作 七 其他 八 项目练习 一 介绍 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r ...
- 爬虫——请求库之selenium模块
阅读目录 一 介绍 二 安装 三 基本使用 四 选择器 五 等待元素被加载 六 元素交互操作 七 其他 八 项目练习 一 介绍 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 ...
- 爬虫请求库之selenium模块
一 安装 #安装:selenium+chromedriver pip3 install selenium 下载chromdriver.exe放到python安装路径的scripts目录中即可,注意最新 ...
随机推荐
- SSM框架搭建教程(从零开始,图文结合)
1.准备 IntelliJ IDEA Tomcat JDK Maven mysql spring.springmvc.mybatis 了解 现在假设如上条件你都具备,那么通过我这篇博客 你一定可以整合 ...
- [IR] Extraction-based Text Summarization
文本自动摘要 - 阅读笔记 自动文摘要解决的问题描述很简单,就是用一些精炼的话来概括整篇文章的大意,用户通过阅读文摘就可以了解到原文要表达的意思. 问题包括两种解决思路, 一种是extractive, ...
- Android打印当前所有线程及对应栈信息
Map<Thread, StackTraceElement[]> threadMap = Thread.getAllStackTraces(); Log.e("albertThr ...
- 【黑金原创教程】【FPGA那些事儿-驱动篇I 】实验五:按键模块④ — 点击,长点击,双击
实验五:按键模块④ - 点击,长点击,双击 实验二至实验四,我们一共完成如下有效按键: l 点击(按下有效) l 点击(释放有效) l 长击(长按下有效) l 双击(连续按下有效) 然而,不管哪个实验 ...
- AutoFac记录
概念 Autofac是一个轻量级的依赖注入的框架,同类型的框架还有Spring.NET,Unity,Castle等: ContainerBuilder:将组件注册成服务的创建者. 组件:Lambda表 ...
- Flask web开发之路十
首先介绍循环引用的问题: 当一个模块需要引用另一个模块的类,而另一个模块又需要引用这个模块的类时,就出现了循环引用,而没法导入类,这时候可以切断其中一条引用路径,增加一个模块 项目结构: models ...
- np.unravel_index
>>> np.unravel_index([22, 41, 37], (7,6)) (array([3, 6, 6]), array([4, 5, 1]))>>> ...
- [No0000DB]C# FtpClientHelper Ftp客户端上传下载重命名 类封装
using System; using System.Diagnostics; using System.IO; using System.Text; using Shared; namespace ...
- 开启spark日志聚集功能
spark监控应用方式: 1)在运行过程中可以通过web Ui:4040端口进行监控 2)任务运行完成想要监控spark,需要启动日志聚集功能 开启日志聚集功能方法: 编辑conf/spark-env ...
- HBase实战 | 知乎实时数仓架构演进
https://mp.weixin.qq.com/s/hx-q13QteNvtXRpNsE5Y0A 作者 | 知乎数据工程团队编辑 | VincentAI 前线导读:“数据智能” (Data Inte ...