Python利用Selenium模拟浏览器自动操作

概述

在进行网站爬取数据的时候，会发现很多网站都进行了反爬虫的处理，如JS加密，Ajax加密，反Debug等方法，通过请求获取数据和页面展示的内容完全不同，这时候就用到Selenium技术，来模拟浏览器的操作，然后获取数据。本文以一个简单的小例子，简述Python搭配Tkinter和Selenium进行浏览器的模拟操作，仅供学习分享使用，如有不足之处，还请指正。

什么是Selenium?

Selenium 是一个用于Web应用程序测试的工具，Selenium测试直接运行在浏览器中，就像真正的用户在操作一样。支持的浏览器包括IE（7, 8, 9, 10, 11），Mozilla Firefox，Safari，Google Chrome，Opera等。Selenium支持多种操作系统，如Windows、Linux、IOS等，如果需要支持Android，则需要特殊的selenium，本文主要以IE11浏览器为例。

安装Selenium

 

通过pip install selenium 进行安装即可，如果速度慢，则可以使用国内的镜像进行安装。

涉及知识点

程序虽小，除了需要掌握的Html ，JavaScript，CSS等基础知识外，本例涉及的Python相关知识点还是蛮多的，具体如下：

  • Selenium相关：
    • Selenium进行元素定位，主要有ID，Name，ClassName，Css Selector，Partial LinkText，LinkText，XPath，TagName等8种方式。
    • Selenium获取单一元素（如：find_element_by_xpath）和获取元素数组（如：find_elements_by_xpath）两种方式。
    • Selenium元素定位后，可以给元素进行赋值和取值，或者进行相应的事件操作（如：click）。
  • 线程（Thread）相关：
    • 为了防止前台页面卡主，本文用到了线程进行后台操作，如果要定义一个新的线程，只需要定义一个类并继承threading.Thread，然后重写run方法即可。
    • 在使用线程的过程中，为了保证线程的同步，本例用到了线程锁，如：threading.Lock()。
  • 队列（queue）相关：
    • 本例将Selenium执行的过程信息，保存到对列中，并通过线程输出到页面显示。queue默认先进先出方式。
    • 对列通过put进行压栈，通过get进行出栈。通过qsize()用于获取当前对列元素个数。
  • 日志（logging.Logger）相关：
    • 为了保存Selenium执行过程中的日志，本例用到了日志模块，为Pyhton自带的模块，不需要额外安装。
    • Python的日志共六种级别，分别是：NOTSET，DEBUG，INFO，WARN，ERROR，FATAL，CRITICAL。

示例效果图

本例主要针对某一配置好的商品ID进行轮询，监控是否有货，有货则加入购物车，无货则继续轮询，如下图所示：

核心代码

本例最核心的代码，就是利用Selenium进行网站的模拟操作，如下所示：

  1 class Smoking:
  2     """定义Smoking类"""
  3 
  4     # 浏览器驱动
  5     __driver: webdriver = None
  6     # 配置帮助类
  7     __cfg_info: dict = {}
  8     # 日志帮助类
  9     __log_helper: LogHelper = None
 10     # 主程序目录
 11     __work_path: str = ''
 12     # 是否正在运行
 13     __running: bool = False
 14     # 无货
 15     __no_stock = 'Currently Out of Stock'
 16     # 线程等待秒数
 17     __wait_sec = 2
 18 
 19     def __init__(self, work_path, cfg_info, log_helper: LogHelper):
 20         """初始化"""
 21         self.__cfg_info = cfg_info
 22         self.__log_helper = log_helper
 23         self.__work_path = work_path
 24         self.__wait_sec = int(cfg_info['wait_sec'])
 25         # 如果小于2，则等于2
 26         self.__wait_sec = (2 if self.__wait_sec < 2 else self.__wait_sec)
 27 
 28     def checkIsExistsById(self, id):
 29         """通过ID判断是否存在"""
 30         try:
 31             i = 0
 32             while self.__running and i < 3:
 33                 if len(self.__driver.find_elements_by_id(id)) > 0:
 34                     break
 35                 else:
 36                     time.sleep(self.__wait_sec)
 37                     i = i + 1
 38             return len(self.__driver.find_elements_by_id(id)) > 0
 39         except BaseException as e:
 40             return False
 41 
 42     def checkIsExistsByName(self, name):
 43         """通过名称判断是否存在"""
 44         try:
 45             i = 0
 46             while self.__running and i < 3:
 47                 if len(self.__driver.find_elements_by_name(name)) > 0:
 48                     break
 49                 else:
 50                     time.sleep(self.__wait_sec)
 51                     i = i + 1
 52             return len(self.__driver.find_elements_by_name(name)) > 0
 53         except BaseException as e:
 54             return False
 55 
 56     def checkIsExistsByPath(self, path):
 57         """通过xpath判断是否存在"""
 58         try:
 59             i = 0
 60             while self.__running and i < 3:
 61                 if len(self.__driver.find_elements_by_xpath(path)) > 0:
 62                     break
 63                 else:
 64                     time.sleep(self.__wait_sec)
 65                     i = i + 1
 66             return len(self.__driver.find_elements_by_xpath(path)) > 0
 67         except BaseException as e:
 68             return False
 69 
 70     def checkIsExistsByClass(self, cls):
 71         """通过class名称判断是否存在"""
 72         try:
 73             i = 0
 74             while self.__running and i < 3:
 75                 if len(self.__driver.find_elements_by_class_name(cls)) > 0:
 76                     break
 77                 else:
 78                     time.sleep(self.__wait_sec)
 79                     i = i + 1
 80             return len(self.__driver.find_elements_by_class_name(cls)) > 0
 81         except BaseException as e:
 82             return False
 83 
 84     def checkIsExistsByLinkText(self, link_text):
 85         """判断LinkText是否存在"""
 86         try:
 87             i = 0
 88             while self.__running and i < 3:
 89                 if len(self.__driver.find_elements_by_link_text(link_text)) > 0:
 90                     break
 91                 else:
 92                     time.sleep(self.__wait_sec)
 93                     i = i + 1
 94             return len(self.__driver.find_elements_by_link_text(link_text)) > 0
 95         except BaseException as e:
 96             return False
 97 
 98     def checkIsExistsByPartialLinkText(self, link_text):
 99         """判断包含LinkText是否存在"""
100         try:
101             i = 0
102             while self.__running and i < 3:
103                 if len(self.__driver.find_elements_by_partial_link_text(link_text)) > 0:
104                     break
105                 else:
106                     time.sleep(self.__wait_sec)
107                     i = i + 1
108             return len(self.__driver.find_elements_by_partial_link_text(link_text)) > 0
109         except BaseException as e:
110             return False
111 
112     # def waiting(self, *locator):
113     #     """等待完成"""
114     #     # self.__driver.switch_to.window(self.__driver.window_handles[1])
115     #     Wait(self.__driver, 60).until(EC.visibility_of_element_located(locator))
116 
117     def login(self, username, password):
118         """登录"""
119         # 5. 点击链接跳转到登录页面
120         self.__driver.find_element_by_link_text('账户登录').click()
121         # 6. 输入账号密码
122         # 判断是否加载完成
123         # self.waiting((By.ID, "email"))
124         if self.checkIsExistsById('email'):
125             self.__driver.find_element_by_id('email').send_keys(username)
126             self.__driver.find_element_by_id('password').send_keys(password)
127             # 7. 点击登录按钮
128             self.__driver.find_element_by_id('sign-in').click()
129 
130     def working(self, item_id):
131         """工作状态"""
132         while self.__running:
133             try:
134                 # 正常获取信息
135                 if self.checkIsExistsById('string'):
136                     self.__driver.find_element_by_id('string').clear()
137                     self.__driver.find_element_by_id('string').send_keys(item_id)
138                     self.__driver.find_element_by_id('string').send_keys(Keys.ENTER)
139                 # 判断是否查询到商品
140                 xpath = "//div[@class='specialty-header search']/div[@class='specialty-description']/div[" \
141                         "@class='gt-450']/span[2] "
142                 if self.checkIsExistsByPath(xpath):
143                     count = int(self.__driver.find_element_by_xpath(xpath).text)
144                     if count < 1:
145                         time.sleep(self.__wait_sec)
146                         self.__log_helper.put('没有查询到item id =' + item_id + '对应的信息')
147                         continue
148                 else:
149                     time.sleep(self.__wait_sec)
150                     self.__log_helper.put('没有查询到item id2 =' + item_id + '对应的信息')
151                     continue
152                 # 判断当前库存是否有货
153 
154                 xpath1 = "//div[@class='product-list']/div[@class='product']/div[@class='price-and-detail']/div[" \
155                          "@class='price']/span[@class='noStock'] "
156                 if self.checkIsExistsByPath(xpath1):
157                     txt = self.__driver.find_element_by_xpath(xpath1).text
158                     if txt == self.__no_stock:
159                         # 当前无货
160                         time.sleep(self.__wait_sec)
161                         self.__log_helper.put('查询一次' + item_id + '，无货')
162                         continue
163 
164                 # 链接path1
165                 xpath2 = "//div[@class='product-list']/div[@class='product']/div[@class='imgDiv']/a"
166                 # 判断是否加载完毕
167                 # self.waiting((By.CLASS_NAME, "imgDiv"))
168                 if self.checkIsExistsByPath(xpath2):
169                     self.__driver.find_element_by_xpath(xpath2).click()
170                     time.sleep(self.__wait_sec)
171                     # 加入购物车
172                     if self.checkIsExistsByClass('add-to-cart'):
173                         self.__driver.find_element_by_class_name('add-to-cart').click()
174                         self.__log_helper.put('加入购物车成功，商品item-id:' + item_id)
175                         break
176                     else:
177                         self.__log_helper.put('未找到加入购物车按钮')
178                 else:
179                     self.__log_helper.put('没有查询到，可能是商品编码不对，或者已下架')
180             except BaseException as e:
181                 self.__log_helper.put(e)
182 
183     def startRun(self):
184         """运行起来"""
185         try:
186             self.__running = True
187             url: str = self.__cfg_info['url']
188             username = self.__cfg_info['username']
189             password = self.__cfg_info['password']
190             item_id = self.__cfg_info['item_id']
191             if url is None or len(url) == 0 or username is None or len(username) == 0 or password is None or len(
192                     password) == 0 or item_id is None or len(item_id) == 0:
193                 self.__log_helper.put('配置信息不全，请检查config.cfg文件是否为空，然后再重启')
194                 return
195             if self.__driver is None:
196                 options = webdriver.IeOptions()
197                 options.add_argument('encoding=UTF-8')
198                 options.add_argument('Accept= text / css, * / *')
199                 options.add_argument('Accept - Language= zh - Hans - CN, zh - Hans;q = 0.5')
200                 options.add_argument('Accept - Encoding= gzip, deflate')
201                 options.add_argument('user-agent=Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko')
202                 # 2. 定义浏览器驱动对象
203                 self.__driver = webdriver.Ie(executable_path=self.__work_path + r'\IEDriverServer.exe', options=options)
204             self.run(url, username, password, item_id)
205         except BaseException as e:
206             self.__log_helper.put('运行过程中出错，请重新打开再试')
207 
208     def run(self, url, username, password, item_id):
209         """运行起来"""
210         # 3. 访问网站
211         self.__driver.get(url)
212         # 4. 最大化窗口
213         self.__driver.maximize_window()
214         if self.checkIsExistsByLinkText('账户登录'):
215             # 判断是否登录：未登录
216             self.login(username, password)
217         if self.checkIsExistsByPartialLinkText('欢迎回来'):
218             # 判断是否登录：已登录
219             self.__log_helper.put('登录成功，下一步开始工作了')
220             self.working(item_id)
221         else:
222             self.__log_helper.put('登录失败，请设置账号密码')
223 
224     def stop(self):
225         """停止"""
226         try:
227             self.__running = False
228             # 如果驱动不为空，则关闭
229             self.close_browser_nicely(self.__driver)
230             if self.__driver is not None:
231                 self.__driver.quit()
232                 # 关闭后切要为None，否则启动报错
233                 self.__driver = None
234         except BaseException as e:
235             print('Stop Failure')
236         finally:
237             self.__driver = None
238 
239     def close_browser_nicely(self, browser):
240         try:
241             browser.execute_script("window.onunload=null; window.onbeforeunload=null")
242         except Exception as err:
243             print("Fail to execute_script:'window.onunload=null; window.onbeforeunload=null'")
244 
245         socket.setdefaulttimeout(10)
246         try:
247             browser.quit()
248             print("Close browser and firefox by calling quit()")
249         except Exception as err:
250             print("Fail to quit from browser, error-type:%s, reason:%s" % (type(err), str(err)))
251         socket.setdefaulttimeout(30)
View Code

其他辅助类

日志类（LogHelper），代码如下：

 1 class LogHelper:
 2     """日志帮助类"""
 3     __queue: queue.Queue = None  # 队列
 4     __logging: logging.Logger = None  # 日志
 5     __running: bool = False  # 是否记录日志
 6 
 7     def __init__(self, log_path):
 8         """初始化类"""
 9         self.__queue = queue.Queue(1000)
10         self.init_log(log_path)
11 
12     def put(self, value):
13         """添加数据"""
14         # 记录日志
15         self.__logging.info(value)
16         # 添加到队列
17         if self.__queue.qsize() < self.__queue.maxsize:
18             self.__queue.put(value)
19 
20     def get(self):
21         """获取数据"""
22         if self.__queue.qsize() > 0:
23             try:
24                 return self.__queue.get(block=False)
25             except BaseException as e:
26                 return None
27         else:
28             return None
29 
30     def init_log(self, log_path):
31         """初始化日志"""
32         self.__logging = logging.getLogger()
33         self.__logging.setLevel(logging.INFO)
34         # 日志
35         rq = time.strftime('%Y%m%d%H%M', time.localtime(time.time()))
36         log_name = log_path + rq + '.log'
37         logfile = log_name
38         # if not os.path.exists(logfile):
39         #     # 创建空文件
40         #     open(logfile, mode='r')
41         fh = logging.FileHandler(logfile, mode='a', encoding='UTF-8')
42         fh.setLevel(logging.DEBUG)  # 输出到file的log等级的开关
43         # 第三步，定义handler的输出格式
44         formatter = logging.Formatter("%(asctime)s - %(filename)s[line:%(lineno)d] - %(levelname)s: %(message)s")
45         fh.setFormatter(formatter)
46         # 第四步，将logger添加到handler里面
47         self.__logging.addHandler(fh)
48 
49     def get_running(self):
50         # 获取当前记录日志的状态
51         return self.__running
52 
53     def set_running(self, v: bool):
54         # 设置当前记录日志的状态
55 
56         self.__running = v
View Code

配置类（ConfigHelper）

 1 class ConfigHelper:
 2     """初始化数据类"""
 3 
 4     __config_dir = None
 5     __dic_cfg = {}
 6 
 7     def __init__(self, config_dir):
 8         """初始化"""
 9         self.__config_dir = config_dir
10 
11     def ReadConfigInfo(self):
12         """得到配置项"""
13         parser = ConfigParser()
14         parser.read(self.__config_dir + r"\config.cfg")
15         section = parser.sections()[0]
16         items = parser.items(section)
17         self.__dic_cfg.clear()
18         for item in items:
19             self.__dic_cfg.__setitem__(item[0], item[1])
20 
21     def getConfigInfo(self):
22         """获取配置信息"""
23         if len(self.__dic_cfg) == 0:
24             self.ReadConfigInfo()
25         return self.__dic_cfg
View Code

线程类（MyThread）

 1 class MyThread(threading.Thread):
 2     """后台监控线程"""
 3 
 4     def __init__(self, tid, name, smoking: Smoking, log_helper: LogHelper):
 5         """线程初始化"""
 6         threading.Thread.__init__(self)
 7         self.threadID = tid
 8         self.name = name
 9         self.smoking = smoking
10         self.log_helper = log_helper
11 
12     def run(self):
13         print("开启线程： " + self.name)
14         self.log_helper.put("开启线程： " + self.name)
15         # 获取锁，用于线程同步
16         # lock = threading.Lock()
17         # lock.acquire()
18         self.smoking.startRun()
19         # 释放锁，开启下一个线程
20         # lock.release()
21         print("结束线程： " + self.name)
22         self.log_helper.put("结束线程： " + self.name)
View Code

备注

 

侠客行  [唐：李白]
赵客缦胡缨，吴钩霜雪明。银鞍照白马，飒沓如流星。
十步杀一人，千里不留行。事了拂衣去，深藏身与名。
闲过信陵饮，脱剑膝前横。将炙啖朱亥，持觞劝侯嬴。
三杯吐然诺，五岳倒为轻。眼花耳热后，意气素霓生。
救赵挥金槌，邯郸先震惊。千秋二壮士，烜赫大梁城。
纵死侠骨香，不惭世上英。谁能书阁下，白首太玄经。
posted @ 2020-09-07 23:48  老码识途呀  阅读(1501)  评论(2)  编辑  收藏  举报