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"

                )