摘要:是一款優秀的自動化測試工具,所以現在采用進行半自動化爬取數據,支持模擬登錄淘寶和自動處理滑動驗證碼。編寫思路由于現在大型網站對工具進行檢測,若檢測到,則判定為機器人,訪問被拒絕。以開頭的在中表示類名,以開頭的在中表示名。
簡介
模擬登錄淘寶已經不是一件新鮮的事情了,過去我曾經使用get/post方式進行爬蟲,同時也加入IP代理池進行跳過檢驗,但隨著大型網站的升級,采取該策略比較難實現了。因為你使用get/post方式進行爬取數據,會提示需要登錄,而登錄又是一大難題,需要滑動驗證碼驗證。當你想使用IP代理池進行跳過檢驗時,發現登錄時需要手機短信驗證碼驗證,由此可以知道舊的全自動爬取數據對于大型網站比較困難了。
selenium是一款優秀的WEB自動化測試工具,所以現在采用selenium進行半自動化爬取數據,支持模擬登錄淘寶和自動處理滑動驗證碼。
編寫思路由于現在大型網站對selenium工具進行檢測,若檢測到selenium,則判定為機器人,訪問被拒絕。所以第一步是要防止被檢測出為機器人,如何防止被檢測到呢?當使用selenium進行自動化操作時,在chrome瀏覽器中的consloe中輸入windows.navigator.webdriver會發現結果為Ture,而正常使用瀏覽器的時候該值為False。所以我們將windows.navigator.webdriver進行屏蔽。
在代碼中添加:
options = webdriver.ChromeOptions() # 此步驟很重要,設置為開發者模式,防止被各大網站識別出來使用了Selenium options.add_experimental_option("excludeSwitches", ["enable-automation"]) self.browser = webdriver.Chrome(executable_path=chromedriver_path, options=options)
同時,為了加快爬取速度,我們將瀏覽器模式設置為不加載圖片,在代碼中添加:
options = webdriver.ChromeOptions() # 不加載圖片,加快訪問速度 options.add_experimental_option("prefs", {"profile.managed_default_content_settings.images": 2})
至此,關鍵的步驟我們已經懂了,剩下的就是編寫代碼的事情了。在給定的例子中,需要你對html、css有一定了解。
比如存在以下代碼:
self.browser.find_element_by_xpath("http://*[@class="btn_tip"]/a/span").click() taobao_name = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, ".site-nav-bd > ul.site-nav-bd-l > li#J_SiteNavLogin > div.site-nav-menu-hd > div.site-nav-user > a.site-nav-login-info-nick "))) print(taobao_name.text)
第1行代碼指的是從根目錄(//)開始尋找任意(*)一個class名為btn_tip的元素,并找到btn_tip的子元素a標簽中的子元素span
第2行代碼指的是等待某個CSS元素出現,否則代碼停留在這里一直檢測。以.開頭的在CSS中表示類名(class),以#開頭的在CSS中表示ID名(id)。A > B,指的是A的子元素B。所以這行代碼可以理解為尋找A的子元素B的子元素C的子元素D的子元素E出現,否則一直在這里檢測。
第3行代碼指的是打印某個元素的文本內容
使用教程點擊這里下載下載chrome瀏覽器
查看chrome瀏覽器的版本號,點擊這里下載對應版本號的chromedriver驅動
pip安裝下列包
[x] pip install selenium
點擊這里登錄微博,并通過微博綁定淘寶賬號密碼
在main中填寫chromedriver的絕對路徑
在main中填寫微博賬號密碼
#改成你的chromedriver的完整路徑地址 chromedriver_path = "/Users/bird/Desktop/chromedriver.exe" #改成你的微博賬號 weibo_username = "改成你的微博賬號" #改成你的微博密碼 weibo_password = "改成你的微博密碼"演示圖片
圖片查看不了點擊這里
項目源代碼在GitHub倉庫
項目持續更新,歡迎您star本項目
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/43347.html
摘要:簡介上一個博文已經講述了如何使用跳過檢測并爬取天貓商品數據,所以在此不再詳細講,有需要思路的可以查看另外一篇博文。 簡介 上一個博文已經講述了如何使用selenium跳過webdriver檢測并爬取天貓商品數據,所以在此不再詳細講,有需要思路的可以查看另外一篇博文。 源代碼 # -*- coding: utf-8 -*- from selenium import webdr...
摘要:簡介現在爬取淘寶,天貓商品數據都是需要首先進行登錄的。把關鍵點放在如何爬取天貓商品數據上。是一款優秀的自動化測試工具,所以現在采用進行半自動化爬取數據。以開頭的在中表示類名,以開頭的在中表示名。 簡介 現在爬取淘寶,天貓商品數據都是需要首先進行登錄的。上一節我們已經完成了模擬登錄淘寶的步驟,所以在此不詳細講如何模擬登錄淘寶。把關鍵點放在如何爬取天貓商品數據上。 過去我曾經使用get/p...
摘要:截至年月日分,本文所講的方法可以用來登錄知乎。如果使用直接登錄知乎,會彈出驗證碼先使用本文的方法再登錄知乎,能夠成功偽裝成真實的瀏覽器,不會彈出驗證碼。實際上,能被識別的特征不止這一個。 有不少朋友在開發爬蟲的過程中喜歡使用Selenium + Chromedriver,以為這樣就能做到不被網站的反爬蟲機制發現。 先不說淘寶這種基于用戶行為的反爬蟲策略,僅僅是一個普通的小網站,使用一行...
摘要:截至年月日分,本文所講的方法可以用來登錄知乎。如果使用直接登錄知乎,會彈出驗證碼先使用本文的方法再登錄知乎,能夠成功偽裝成真實的瀏覽器,不會彈出驗證碼。實際上,能被識別的特征不止這一個。 有不少朋友在開發爬蟲的過程中喜歡使用Selenium + Chromedriver,以為這樣就能做到不被網站的反爬蟲機制發現。 先不說淘寶這種基于用戶行為的反爬蟲策略,僅僅是一個普通的小網站,使用一行...
摘要:自動化爬取淘寶中的訂單這是淘寶會員登錄頁。但淘寶的反爬機制很難算出,很多都是通過的計算,所以不得不學習源碼,反到最后看的頭痛。。。 自動化爬取淘寶中的訂單 這是 淘寶會員登錄頁 。因為之前做的爬蟲都是通過框架或從登錄頁取得Cookie,再注入進去實現登陸過程的。但淘寶的反爬機制很難算出Cookie,很多Cookie都是通過JS的計算,所以不得不學習源碼,反到最后看的頭痛。。。 第一次嘗...
閱讀 1582·2021-09-02 15:41
閱讀 993·2021-09-02 15:11
閱讀 1274·2021-07-28 00:15
閱讀 2296·2019-08-30 15:55
閱讀 1137·2019-08-30 15:54
閱讀 1686·2019-08-30 15:54
閱讀 2967·2019-08-30 14:02
閱讀 2518·2019-08-29 16:57