为了便利化使用selenium驱动浏览器进行操作,遇到一个网页,大部分内容都是通过xhr请求后再通过前端js处理显示,
带来的一个问题就是,采用显示等待无法准确的定位到需要的节点。因此,需要考虑采用判断xhr请求是否完成后再进行定
位,或者直接获取xhr请求返回内容的做法。
参考链接:
import json
from selenium import webdriver
from selenium.webdriver import DesiredCapabilities
import os,time
配置浏览器启动参数
def get_log_options():
option = webdriver.ChromeOptions()
option.add_argument('--no-sandbox')
#option.add_argument('--headless') # 设置无头浏览
option.add_argument("--disable-extensions")
option.add_argument('--disable-infobars') # 禁用浏览器正在被自动化程序控制的提示
option.add_argument("--allow-running-insecure-content")
option.add_argument("--ignore-certificate-errors")
option.add_argument("--disable-single-click-autofill")
option.add_argument("--disable-autofill-keyboard-accessory-view[8]")
option.add_argument("--disable-full-form-autofill-ios")
option.add_argument('user-agent=Mozilla/5.0 (Macintosh; Intel Mac OS X 10.14; rv:55.0) Gecko/20100101 Firefox/55.0')
option.add_experimental_option('w3c', False)
option.add_experimental_option('perfLoggingPrefs', {
'enableNetwork': True,
'enablePage': False,
})
option.add_experimental_option('prefs',{
#不弹出去请求
'profile.default_content_settings.popups':0,
#设置默认下载文件目录
'download.default_directory':save_folder,
# 禁止提示
'profile.default_content_setting_values':{
'notifications': 2
}
})
return option
def get_caps():
caps = DesiredCapabilities.CHROME
caps['loggingPrefs'] = {
'browser': 'ALL',
'performance': 'ALL',
}
caps['perfLoggingPrefs'] = {
'enableNetwork': True,
'enablePage': False,
'enableTimeline': False
}
return caps
# 获取日志中的xhr结果
def get_xhr_logs(chrome):
log_xhr_array = []
for typelog in chrome.log_types:
perfs = chrome.get_log(typelog)
for row in perfs:
log_data = row
message_ = log_data['message']
try:
log_json = json.loads(message_)
log = log_json['message']
if log['method'] == 'Network.responseReceived':
# 去掉静态js、css等,仅保留xhr请求
type_ = log['params']['type']
if type_ == "XHR":
log_xhr_array.append(log)
except:
pass
return log_xhr_array
# 根据id获取返回结果
def get_xhr_body(driver, requestId):
response_body = driver.execute_cdp_cmd('Network.getResponseBody', {'requestId': requestId})
return response_body
考虑部分xhr请求较慢,增加一个判断指定请求是否完成的函数来判断执行情况。
# 等待直到某个xhr出现,返回整个异步情况吧
def wait_until_xhr_do(url='',limit = 10):
tick = 0
while tick < limit:
logs = get_xhr_logs(chrome)
if url == '':
if len(logs) > 0:
return logs
else:
for log in logs:
if url in logs['params']['response']['url']:
return logs
tick = tick + 1
return []
最终案例参考:
if __name__ == '__main__':
# 使用工具类来获取options配置,而不是平时的webdriver.ChromeOptions()方法
options = get_log_options()
# 使用工具类来获取caps
desired_capabilities = get_caps()
# 这里也可以对options和caps加入其他的参数,比如代理参数等
chrome = webdriver.Chrome(options=options, desired_capabilities=desired_capabilities)
chrome.get("https://spa6.scrape.center/") # "https://www.baidu.com/"
chrome.maximize_window()
# 点击下一页
el= chrome.find_element_by_xpath('//button[@class="btn-next"]')
el.click()
# 执行等待
logs = wait_until_xhr_do()
# 输出结果
if len(logs) > 0:
print(logs[0]['params']['response']['url'])
body = get_xhr_body(chrome, logs[0]['params']['requestId'])
# 使用eval转换遇到null会有问题,改为使用Json转换
response = json.loads((body['body']))
print(response)