selenium在使用时一直提醒换掉phantomjs 改用 chrome的headless模式,主要是因为phantomjs的维护已经很少了,而chrome的headless模式越来越完善。 本来只是自己研究研究,踩了几个坑,想不到昨天线上截图服务器出了问题,初步判断是淘宝搞事,用js获取当前浏览器类型,直接不去请求数据了。 只好马上开始换用chrome,踩了很多坑,留下了悲伤的泪水。 以下步骤可以先在windows尝试。都兼容的
首先是chromedriver的下载,https://sites.google.com/a/chromium.org/chromedriver/ 去官网选最新版就好 下好后,服务器上要添加执行权限
chmod +x chromedriver
然后安装chromium-browser,windows本来就有chrome桌面版就可以了 这里有个坑,服务器安装完chrome直接截图的话,中文会表现为方块,所以要安装字体包
sudo apt-get install ttf-wqy-zenhei
在windows下可以直接启动了
browser = webdriver.Chrome(chrome_driver_path)
browser.get('https://www.jianshu.com')
chrome.save_screenshot(img_name)
browser.quit()
但是服务器并没有屏幕。很多教程比较老。都是用虚拟屏幕的,现在完全不需要了,headless模式登场
chrome_option = webdriver.ChromeOptions()
chrome_option.add_argument('--headless')
browser = webdriver.Chrome(chrome_driver_path)
browser.get('https://www.jianshu.com')
browser.quit()
如果这时候还是报未知错误。可能是沙盒模式启动错误,添加这个关闭沙盒模式
chrome_option.add_argument('no-sandbox')
接下来是代理设置,普通的http代理很简单,proxy为'http://ip:port'这样的形式
chrome_option.add_argument('--proxy-server={}'.format(proxy))
可是https就有问题了。需要关闭chrome的证书认证,找了很久,终于找到了解决方案,原来之前headless模式一直没有实现这个功能,直到半个月前才有消息 围观大佬 https://bugs.chromium.org/p/chromium/issues/detail?id=721739#c60 于是有了解决方案,= = 找了好久啊,注意这里的版本是有限制的 chroem >= 65 chromedriver>2.35 反正最新版就对了
capabilities = DesiredCapabilities.CHROME.copy()
capabilities['acceptSslCerts'] = True
capabilities['acceptInsecureCerts'] = True
browser = webdriver.Chrome(desired_capabilities=capabilities)
还有一个坑,chrome直接设置超时会使浏览器崩溃,导致无法进行下去,像我的需求,载入了一段时间后还是想停止载入并截图的 所以可以用一个非常神奇的方式。临时写个插件给浏览器加载,让浏览器在100秒后停止运行js
chrome_option.add_argument('--load-extension=' + os.getcwd() + '/workers/timeout')
manifest.json
{
"manifest_version": 2,
"name": "Amir's Extension",
"version": "1.0.0",
"content_scripts": [
{
"all_frames": true,
"matches": ["*://*/*"],
"js": ["content.js"],
"run_at": "document_start"
}
]
}
content.js
setTimeout(function(){
window.stop()
setInterval(function () {window.stop()}, 1000);
}, 100000);
其实有插件的权限又可以搞很多事了。这里就不介绍了
最后是完整代码
class get_chroem:
def __init__(self, *args, **kwargs):
self.browser = None
self.args = args
self.kwargs = kwargs
self.window_size = None
def _get_chrome(self, type, use_proxy):
chrome_option = webdriver.ChromeOptions()
user_agent = 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36'
self.window_size = ('1440', '900')
chrome_option.add_argument('--proxy-server={}'.format(proxy))
chrome_option.add_argument('no-sandbox')
chrome_option.add_argument('--headless')
# 超时设置
chrome_option.add_argument('--load-extension=' + os.getcwd() + '/workers/timeout')
# 配置忽略ssl错误
capabilities = DesiredCapabilities.CHROME.copy()
capabilities['acceptSslCerts'] = True
capabilities['acceptInsecureCerts'] = True
browser = webdriver.Chrome(
chrome_driver_path,
chrome_options=chrome_option,
# service_log_path='/opt/logs/chrome.log',
desired_capabilities=capabilities)
if self.window_size is not None:
browser.set_window_size(*self.window_size)
return browser
def __enter__(self):
"""
:rtype: selenium.webdriver.chrome.webdriver.WebDriver
:return:
"""
self.browser = self._get_chrome(*self.args, **self.kwargs)
return self.browser
def __exit__(self, exc_type, exc_value, traceback):
if self.browser is None:
return
try:
self.browser.quit()
except:
pass
用with语法调用口味更佳
chrome.save_screenshot(img_name)