Python | Scrapy + Selenium模拟登录CSDN

简介: Python | Scrapy + Selenium模拟登录CSDN

废话

本文旨在记录selenium的一些操作实例,没啥技术含量,也没有太多概念的内容。

安装selenium

pip install selenium

下载驱动(chromedriver)

下载前需要确认适配自己的浏览器版本

https://chromedriver.storage.googleapis.com/index.html

selenium的基本用法

基本用法看官方文档,讲述的很清楚了,推荐

https://selenium-python.readthedocs.io/installation.html

常用的实例

设置浏览器不加载图片
from selenium import webdriver
# 设置不加载图片
chrome_opt = webdriver.ChromeOptions()
prefs = {
    "profile.managed_default_content_settings.images": 2
}
chrome_opt.add_experimental_option("prefs", prefs)
driver = webdriver.Chrome(chrome_options=chrome_opt)
driver.get("https://www.taobao.com")
点击弹窗与点击下拉列表
from selenium import webdriver
from selenium.webdriver.support.select import Select
driver = webdriver.Chrome()
# 点击接受弹窗
driver.switch_to.alert.accept()
# 点击下拉列表
sel = driver.find_element_by_id("nr")
Select(sel).select_by_index(2)
切换窗口
from selenium import webdriver
driver = webdriver.Chrome()
first_win = driver.current_window_handle
all_win = driver.current_window_handle
for win in all_win:
    if win != first_win:
        driver.switch_to.window(win)
自动下拉列表(以开源中国的博客栏目为例)

很多页面是下拉加载更多信息,我们如何模拟这个下拉操作:

from selenium import webdriver
import time
driver = webdriver.Chrome()
driver.get('https://www.oschina.net/blog')
time.sleep(5)
# 实现自动下拉刷新 下拉三页
for i in range(3):
    driver.execute_script('window.scrollTo(0,document.body.scrollHeight); var lenOfPage=document.body.scrollHeight; return lenOfPage;')
    time.sleep(3)
如何模拟手机访问?
from selenium import webdriver
# 模拟手机
mobilesetting = {"deviceName":"iPhone 6 Plus"}
options = webdriver.ChromeOptions()
options.add_experimental_option("mobileEmulation", mobilesetting)
driver = webdriver.Chrome(chrome_options=options)
# 设置大小
driver.set_window_size(400, 800)
# driver.maximize_window()
driver.get("https://www.taobao.com")
# 后退
driver.back()
# 前进
driver.forward()
# 刷新
driver.refresh()
如何为selenium设置代理?(连接无用户名密码认证的代理)
# 设置代理
from selenium import webdriver
options = webdriver.ChromeOptions()
options.add_argument("--proxy-server=http://ip:port")
driver = webdriver.Chrome(chrome_options=options)
driver.get("http://httpbin.org/ip")
print(driver.page_source)
如何为selenium设置代理?(有用户名和密码的连接)

推荐几篇文章:

https://www.cnblogs.com/roystime/p/6935543.html

https://stackoverflow.com/questions/29983106/how-can-i-set-proxy-with-authentication-in-selenium-chrome-web-driver-using-pyth#answer-30953780

https://cuiqingcai.com/4880.html

scrapy + selenium 模拟登录csdn

其实,没啥技术含量。只是简单运用,敲一遍加深印象。

关于selenium的基础用法强烈建议用的时候看下文档就好,技术含量不高,无需过多费心。

spider.py

# -*- coding: utf-8 -*-
import scrapy
from selenium import webdriver
class CsdnSpider(scrapy.Spider):
    name = 'csdn'
    allowed_domains = ['csdn.net']
    start_urls = ['https://passport.csdn.net/account/login','https://i.csdn.net/#/account/index']
    def __init__(self):
        # mobilsetting = {"deviceName":"iPhone 6 Plus"}
        # options = webdriver.ChromeOptions()
        # options.add_experimental_option("mobileEmulation", mobilsetting)
        self.browser = None
        self.cookies = None
        # self.browser.set_window_size(400,800)
        super(CsdnSpider, self).__init__()
    def spider_closed(self, response):
        print("spider close")
        self.brower.close()
    def parse(self, response):
        print(response.url)
        print(response.body.decode("utf-8","ignore"))

middlewares.py

from scrapy import signals
from selenium import webdriver
from scrapy.http import HtmlResponse
import time
import requests
class LoginMiddleware(object):
    def process_request(self, request, spider):
        if spider.name == "csdn":
            if request.url.find("login") != -1:
                spider.browser = webdriver.Chrome()
                spider.browser.get(request.url)
                switch = spider.browser.find_element_by_xpath('//a[@class="login-code__open js_login_trigger login-user__active"]')
                if switch.text == '账号登录':
                    switch.click()
                time.sleep(3)
                username = spider.browser.find_element_by_id('username')
                password = spider.browser.find_element_by_id('password')
                time.sleep(2)
                username.send_keys("")
                time.sleep(1)
                password.send_keys("")
                time.sleep(2)
                click = spider.browser.find_element_by_class_name("logging")
                time.sleep(2)
                click.click()
                time.sleep(8)
                spider.cookies = spider.browser.get_cookies()
                return HtmlResponse(
                    url=spider.browser.current_url,
                    body=spider.browser.page_source,
                    encoding="utf-8"
                )
            else:
                req = requests.session()
                for cookie in spider.cookies:
                    req.cookies.set(cookie['name'], cookie['value'])
                req.headers.clear()
                newpage = req.get(request.url)
                print(request.url)
                print(newpage.text)
                return HtmlResponse(
                    url=request.url,
                    body=newpage.text,
                    encoding="utf-8"
                )
相关文章
|
8月前
|
Web App开发 存储 前端开发
Python+Selenium自动化爬取携程动态加载游记
Python+Selenium自动化爬取携程动态加载游记
|
6月前
|
SQL 测试技术 数据库
healenium+python+selenium
上次介绍了如何利用healenium+java+selenium来实现selenium的自愈,这次介绍如何healenium+python+selenium。关于healenium+python+selenium网上资料更少,并且甚至是错误的。在著名的书籍《软件测试权威指南中》也是有一定问题的。现在介绍如下
379 4
|
10月前
|
数据采集 Web App开发 JavaScript
基于Selenium的Python爬虫抓取动态App图片
基于Selenium的Python爬虫抓取动态App图片
761 68
|
数据采集 存储 JSON
Python网络爬虫:Scrapy框架的实战应用与技巧分享
【10月更文挑战第27天】本文介绍了Python网络爬虫Scrapy框架的实战应用与技巧。首先讲解了如何创建Scrapy项目、定义爬虫、处理JSON响应、设置User-Agent和代理,以及存储爬取的数据。通过具体示例,帮助读者掌握Scrapy的核心功能和使用方法,提升数据采集效率。
631 6
|
Web App开发 前端开发 JavaScript
探索Python科学计算的边界:利用Selenium进行Web应用性能测试与优化
【10月更文挑战第6天】随着互联网技术的发展,Web应用程序已经成为人们日常生活和工作中不可或缺的一部分。这些应用不仅需要提供丰富的功能,还必须具备良好的性能表现以保证用户体验。性能测试是确保Web应用能够快速响应用户请求并处理大量并发访问的关键步骤之一。本文将探讨如何使用Python结合Selenium来进行Web应用的性能测试,并通过实际代码示例展示如何识别瓶颈及优化应用。
699 5
|
10月前
|
数据采集 Web App开发 前端开发
Python+Selenium爬虫:豆瓣登录反反爬策略解析
Python+Selenium爬虫:豆瓣登录反反爬策略解析
|
数据安全/隐私保护 Python
python之自动化进入CSDN
python之自动化进入CSDN
171 0
|
数据采集 Web App开发 存储
打造高效的Web Scraper:Python与Selenium的完美结合
本文介绍如何使用Python结合Selenium,通过代理IP、设置Cookie和User-Agent抓取BOSS直聘的招聘信息,包括公司名称、岗位、要求和薪资。这些数据可用于行业趋势、人才需求、企业动态及区域经济分析,为求职者、企业和分析师提供宝贵信息。文中详细说明了环境准备、代理配置、登录操作及数据抓取步骤,并提醒注意反爬虫机制和验证码处理等问题。
412 1
打造高效的Web Scraper:Python与Selenium的完美结合
|
Web App开发 数据采集 数据安全/隐私保护
Selenium库详解:Python实现模拟登录与反爬限制的进阶指南
Selenium库详解:Python实现模拟登录与反爬限制的进阶指南
|
数据采集 Web App开发 前端开发
Python爬虫进阶:Selenium在动态网页抓取中的实战
【10月更文挑战第26天】动态网页抓取是网络爬虫的难点,因为数据通常通过JavaScript异步加载。Selenium通过模拟浏览器行为,可以加载和执行JavaScript,从而获取动态网页的完整内容。本文通过实战案例,介绍如何使用Selenium在Python中抓取动态网页。首先安装Selenium库和浏览器驱动,然后通过示例代码展示如何抓取英国国家美术馆的图片信息。
914 6

推荐镜像

更多