DAY 90 爬虫04
1 selenium模拟人的行为
find_elements_by_xx
find_elements_by_css_select('css选择器')
send_keys
click
clear
2 无界面浏览器
-配置
3 其他使用
-标签位置,标签大小,标签属性
-模拟浏览器前进后台
-tab切换
-获取cookie
-driver.get_cookies()--->列表
4 代理池和cookie池的使用
5 抽屉自动点赞
-使用selenium登录,使用requests发请求
9 爬取京东商品信息
-img懒加载
-点击下一页
1 动作链和切换frame(了解)
# 切换frame
driver.switch_to.frame('id')
#动作链
ActionChains(driver).drag_and_drop(sourse,target).perform()
ActionChains(driver).drag_and_drop_by_offset(sourse,10,0).perform()
# 鼠标点住,移动,松开鼠标
ActionChains(driver).click_and_hold(sourse).perform()
ActionChains(driver).move_by_offset(xoffset=20,yoffset=0).perform()
ActionChains(driver).release().perform()
2 打码平台的使用
1 别的平台帮助我们失败验证码,我们只需要花点钱
2 云打码,超级鹰
3 注册用户---》充钱
4 看一下价格体系---》识别不同验证码价格不一样
5 下载demo,测试demo
#!/usr/bin/env python
# coding:utf-8
import requests
from hashlib import md5
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()
if __name__ == '__main__':
chaojiying = Chaojiying_Client('', '', '903641') # 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, 1004)) # 1902 验证码类型 官方网站>>价格体系 3.4+版 print 后要加()
3 xpath的使用
1 一门在html中查找数据的语言
2 记住的语法:
/ 取当前路径下的xx
// 取所有路径下的xx
. 当前路径
.. 上一层
@ 取属性
4 lxml解析模块提供的xpath
doc='''
<html>
<head>
<base href='http://example.com/' />
<title>Example website</title>
</head>
<body>
<div id='images'>
<a href='image1.html' name='sss'>Name: My image 1 <br /><img src='image1_thumb.jpg' /></a>
<a href='image2.html' name='lqz'>Name: My image 2 <br /><img src='image2_thumb.jpg' /></a>
<a href='image3.html'>Name: My image 3 <br /><img src='image3_thumb.jpg' /></a>
<a href='image4.html' class='li'>Name: My image 4 <br /><img src='image4_thumb.jpg' /></a>
<a href='image5.html' class='li li-item' name='items'>Name: My image 5 <br /><img src='image5_thumb.jpg' /></a>
<a href='image6.html' name='items'><span><h5>test</h5></span>Name: My image 6 <br /><img src='image6_thumb.jpg' /></a>
</div>
</body>
</html>
'''
from lxml import etree
# 传入要解析的内容
html=etree.HTML(doc)
# res=html.xpath('//body')
# print(res)
# 1 所有节点
# a=html.xpath('//*')
# 2 指定节点(结果为列表)
# a=html.xpath('//head')
# 3 子节点,子孙节点
# a=html.xpath('//div/a')
# a=html.xpath('//body/a') #无数据
# a=html.xpath('//body//a')
# 4 父节点
# a=html.xpath('//body//a[@href="image1.html"]/..')
# a=html.xpath('//body//a[@href="image1.html"]')
# a=html.xpath('//body//a[1]/..')
# 也可以这样
# a=html.xpath('//body//a[1]/parent::*')
# 5 属性匹配
# a=html.xpath('//a[@href="image1.html"]')
# 6 文本获取 text()
# a=html.xpath('//body//a[@href="image1.html"]/text()')
# a=html.xpath('//a/text()')
# 7 属性获取
# a=html.xpath('//body//a/@href')
# # 注意从1 开始取(不是从0)
# a=html.xpath('//body//a[2]/@href')
# 8 属性多值匹配
# a 标签有多个class类,直接匹配就不可以了,需要用contains
# a=html.xpath('//a[@class="li"]')
# a=html.xpath('//body//a[contains(@class,"li")]')
# a=html.xpath('//body//a[contains(@class,"li")]/text()')
# 9 多属性匹配
# a=html.xpath('//body//a[contains(@class,"li") or @name="items"]')
# a=html.xpath('//body//a[contains(@class,"li") and @name="items"]/text()')
# a=html.xpath('//body//a[contains(@class,"li")]/text()')
# 10 按序选择
# a=html.xpath('//a[2]/text()')
# a=html.xpath('//a[2]/@href')
# a=html.xpath('//a[2]/@name')
# 取最后一个
# a=html.xpath('//a[last()]/@href')
# 位置小于3的
# a=html.xpath('//a[position()<3]/@href')
# 倒数第二个
# a=html.xpath('//a[last()-2]/@href')
# 11 节点轴选择
# ancestor:祖先节点
# 使用了* 获取所有祖先节点
# a=html.xpath('//a/ancestor::*')
# # 获取祖先节点中的div
# a=html.xpath('//a/ancestor::div')
# attribute:属性值
# a=html.xpath('//a[1]/attribute::*')
# child:直接子节点
# a=html.xpath('//a[1]/child::*')
# a=html.xpath('//a[1]/child::img')
# descendant:所有子孙节点
# a=html.xpath('//a[6]/descendant::*')
# following:当前节点之后所有节点
# a=html.xpath('//a[1]/following::*')
# a=html.xpath('//a[1]/following::*[1]/@href')
# following-sibling:当前节点之后同级节点
# a=html.xpath('//a[1]/following-sibling::*')
# a=html.xpath('//a[1]/following-sibling::a')
# a=html.xpath('//a[1]/following-sibling::*[2]/text()')
a=html.xpath('//a[1]/following-sibling::*[2]/@href')
print(a)
4 自动登录12306
1 打开连接:https://kyfw.12306.cn/otn/resources/login.html
2 点击账号登录
3 找出用户名,密码框,输入正确的用户名密码
4 扣除验证码
-方案一:截屏幕,取到验证码的位置和大小,pillow取大图中扣除验证码
-方案二:验证码图是base64编码,把编码转成图片
5 超级鹰验证
6 使用动作链点击坐标
7 点击登录
8 滑动验证
9 进入
from selenium import webdriver
import time
from selenium.webdriver import ActionChains
import base64
from chaojiying import Chaojiying_Client
from PIL import Image
# 不让程序检测出是用驱动控制
from selenium.webdriver.chrome.options import Options
options = Options()
options.add_argument("--disable-blink-features=AutomationControlled")
driver=webdriver.Chrome(executable_path='./chromedriver.exe',chrome_options=options)
# driver=webdriver.Chrome(executable_path='chromedriver.exe')
driver.implicitly_wait(10)
driver.get('https://kyfw.12306.cn/otn/resources/login.html')
# 把窗口设置全屏
driver.maximize_window()
try:
# user_login=driver.find_element_by_css_selector('body > div.login-panel > div.login-box > ul > li.login-hd-account > a')
user_login=driver.find_element_by_xpath('/html/body/div[2]/div[2]/ul/li[2]/a')
# user_login=driver.find_element_by_link_text('账号登录')
user_login.click()
username=driver.find_element_by_id('J-userName')
password=driver.find_element_by_id('J-password')
username.send_keys('18953675224')
password.send_keys('lqz12345')
#保存当前屏幕截图
driver.save_screenshot('main.png')
j_login_img=driver.find_element_by_id('J-loginImg')
# 方式一:使用抠图的方式
# location=j_login_img.location
# size=j_login_img.size
# print(location)
# print(size)
# #验证码的坐标
# img_tu = (int(location['x']), int(location['y']), int(location['x'] + size['width']), int(location['y'] + size['height']))
# #使用pillow打开截图
# img=Image.open('./main.png')
# #从截图中按照位置扣除验证码
# code_img=img.crop(img_tu)
# # 把扣出来的图,保存到本地
# code_img.save('./code.png')
# 方式二:使用base64转成图片
img_base64=j_login_img.get_attribute('src').split(',')[-1]
# 把base64解码
img_content=base64.b64decode(img_base64)
with open('code1.png','wb') as f:
f.write(img_content)
# 调用超级鹰识别
chaojiying = Chaojiying_Client('306334678', 'lqz123', '903641') # 用户中心>>软件ID 生成一个替换 96001
im = open('code1.png', 'rb').read() # 本地图片文件路径 来替换 a.jpg 有时WIN系统须要//
res=chaojiying.PostPic(im, 9004) # 1902 验证码类型 官方网站>>价格体系 3.4+版 print 后要加()
# 123,155|42,135
print(res)
result=res['pic_str']
all_list = []
if '|' in result:
list_1 = result.split('|')
count_1 = len(list_1)
for i in range(count_1):
xy_list = []
x = int(list_1[i].split(