python3 + selenium + (chrome and firefox)使用
瞎扯一句
最近在做一个关于 selenium 相关的项目，在选择浏览器方面，一般有3种方案：
- chrome
- phantomJs
- firefox(推荐)
网上有很多教程是关于PhantomJS的，可是，在2018.3.4日，git开源项目上，ariya宣布暂停更新，具体时间另行通知，截止到2019.3.8日，还没消息。。。
chrome浏览器的教程也是很多的，但是，经过这几天的使用，体验并不是很好，对selenium超时的支持不够好，坑了我很久！
在这里隆重推荐firefox浏览器
简介
利用selenium的强大之处在于，可以像人打开浏览器一样，这样可以避免js的各种加密，动态加载之类的，可见即可爬。但是，selenium控制的chrome会暴露出许多参数，是可以通过这些参数来识别selenium的，现在针对selenium的反爬网站其实很多了。听说可以使用pyppeteer(puppeteer的py版),以后要学。
今天发现一个好用的方法driver.set_page_load_timeout(self.timeout), 让我不得不仔细学习几种超时的用法了
- driver.implicitly_wait(1)
- driver.set_page_load_timeout(15)
- driver.set_script_timeout(15)
-
1.implicitly_wait
官方注释：
Sets a sticky timeout to implicitly wait for an element to be found,
or a command to complete. This method only needs to be called one
time per session. To set the timeout for calls to
execute_async_script, see set_script_timeout.
当你在调用find_element_by...方法时，会用到此方法，并且它是driver全局的，只要设置1次，所以当你想查找某元素，找不到马上放弃时，要设置得比较小才行
2.set_page_load_timeout
官方注释：
Set the amount of time to wait for a page load to complete
before throwing an error.
当你在调用driver.get()方法打开某网站时，其实某网站已经差不多加载完成了，但比如某图片，某异步请求没完成，一直转圈圈，get方法是不会结束的，set_page_load_timeout就是来设置这个的，示例：
driver = webdriver.Chrome()
driver.set_page_load_timeout(15) # 设定页面加载限制时间
try:
driver.get('https://www.toutiao.com')
except TimeoutException:
driver.execute_script('window.stop()') # 停止加载
print(driver.page_resource)
driver.quit()
但是！！！chrome浏览器不支持这个非常重要的配置，一旦TimeoutException，driver的所有操作都会报TimeoutException异常，不能进行下去了。所以我推荐firefox浏览器
3.set_script_timeout
官方注释：
Set the amount of time that the script should wait during an
execute_async_script call before throwing an error.
这是控制异步脚本执行时间，超时抛TimeoutException异常
4.WebDriverWait Class
示例：
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
wait = WebDriverWait(driver, 15, 0.5)
wait.until(EC.presence_of_element_located((By.XPATH, 'express')))
我喜欢使用的找元素的等待类，15秒超时，每0.5秒根据要求找元素，找到了就结束until，15后没找到会抛TimeoutException异常
最后放模板
1.set_page_load_timeout模板
from selenium.common.exceptions import TimeoutException
t0 = time.time()
print("cur time is: %s" % (time.time() - t0))
driver = webdriver.Chrome()
driver.set_page_load_timeout(5) # 设定页面加载限制时间
driver.maximize_window()
try:
print("cur time is: %s" % (time.time() - t0))
driver.get('http://www.autohome.com.cn/')
except TimeoutException:
print("cur time is: %s" % (time.time() - t0))
try:
driver.execute_script('window.stop()') # 当页面加载时间超过设定时间，通过执行Javascript来stop加载，即可执行后续动作
except:
pass
print("cur time is: %s" % (time.time() - t0))
2.selenium + chrome 模板
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
chrome_options = webdriver.ChromeOptions()
chrome_options.add_argument('disable-infobars') # 去掉提示
# 一定要注意，=两边不能有空格，不能是这样"--proxy-server = http://202.20.16.82:10152"
# chrome_options.add_argument("--proxy-server=http://192.168.60.15:808") # 设置代理
# chrome_options.add_argument('start-fullscreen') # 启动就全屏 F11那种
# chrome_options.add_argument('-lang=zh-CN') # 中文，貌似没用
# 语言，设为中文
# prefs = {'intl.accept_languages': 'zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3'}
# chrome_options.add_experimental_option('prefs', prefs)
# chrome_options.add_argument('blink-settings=imagesEnabled=false') # 不加载图片, 提升速度
# chrome_options.add_argument('--headless') # 浏览器不提供可视化页面. linux下如果系统不支持可视化不加这条会启动失败
# chrome_options.add_argument('window-size=1920x3000') # 指定浏览器分辨率
# chrome_options.add_argument('--disable-gpu') # 谷歌文档提到需要加上这个属性来规避bug
# chrome_options.add_argument('--hide-scrollbars') # 隐藏滚动条, 应对一些特殊页面
# chrome_options.binary_location = r"C:\Program Files (x86)\Google\Chrome\Application\chrome.exe" #手动指定使用的浏览器位置
TIMEOUT = 15
class Display(object):
def __init__(self):
self.driver = webdriver.Chrome(options=chrome_options) # 配置好了环境变量可以不用写executable_path
# self.driver.set_page_load_timeout(TIMEOUT)
self.wait = WebDriverWait(self.driver, TIMEOUT, 0.5)
def __del__(self):
if self.driver:
self.driver.close()
def fetch(self, url):
self.driver.maximize_window() # 放大
self.driver.get(url) # 发请求
# self.driver.execute_script('window.location.reload();') # 刷新
self.wait.until(EC.presence_of_element_located((By.ID, 'kw')))
self.driver.find_element_by_id('kw').send_keys('selenium')
self.driver.find_element_by_id('su').click()
self.wait.until(EC.presence_of_element_located((By.ID, '1')))
return self.driver.page_source
d = Display()
print(d.fetch('https://www.baidu.com'))
3selenium + firefox 模板
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
TIMEOUT = 15
class Display(object):
def __init__(self):
# 无界模式
options = webdriver.FirefoxOptions()
options.headless = True
profile = webdriver.FirefoxProfile()
# 禁用图片
profile.set_preference('permissions.default.image', 2)
self.driver = webdriver.Firefox(desired_capabilities=DESIRED_CAP, profile=profile,
options=options)
self.driver.set_page_load_timeout(TIMEOUT)
self.wait = WebDriverWait(self.driver, TIMEOUT, 0.5)
def __del__(self):
if self.driver:
self.driver.close()
def fetch(self, url):
self.driver.maximize_window() # 放大
self.driver.get(url) # 发请求
# self.driver.execute_script('window.location.reload();') # 刷新
self.wait.until(EC.presence_of_element_located((By.ID, 'kw')))
self.driver.find_element_by_id('kw').send_keys('selenium')
self.driver.find_element_by_id('su').click()
self.wait.until(EC.presence_of_element_located((By.ID, '1')))
return self.driver.page_source
