python selenium 查找隐藏元素 自动播放视频功能

Python  /  管理员 发布于 7年前   196

在使用python做爬虫的过程中，有些页面的的部分数据是通过js异步加载的，js调用接口的请求中有时还带有些加密的参数很难破解无法使用requests这样的包直接爬取数据，因此需要借助seleniu来完成js的自动加载。

通过selenium 模拟浏览器的真是操作来获取页面中的所有请求，并且可以查找到一下页面上一些隐藏的元素，这些元素在html源码中无法看到，并且和能通过xpath和正则来捕获，因此需要使用selenium来查找隐藏元素，例如视频网站的播放按钮

代码如下

import time# 导入自动化测试模块from selenium import webdriverfrom selenium.webdriver.common.desired_capabilities import DesiredCapabilitiesfrom selenium.webdriver.common.action_chains import ActionChainsimport reimport jsond = DesiredCapabilities.CHROMEd['loggingPrefs'] = {'performance': 'ALL'}# 设置谷歌浏览器参数，设置语言和浏览器版本（使用真实浏览器头信息代替字符浏览器头）options = webdriver.ChromeOptions()options.add_argument('lang=zh_CN.UTF-8')options.add_argument('user-agent="Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Mobile Safari/537.36"')# 建立一个浏览器对象，调用PhantoJS来生成一个对象browser = webdriver.Chrome(executable_path='D:\Python36\chromedriver.exe', chrome_options=options, desired_capabilities=d)video_url = 'https://v.youku.com/v_show/id_XNDIyMjU1NjgzMg==.html?spm=a2ha1.12675304.m_2556_c_8261.d_2&s=a4de6bdc5675415ea280&scm=20140719.manual.2556.show_a4de6bdc5675415ea280'browser.get(video_url)time.sleep(10)menu = browser.find_element_by_css_selector(".ykplayer") # 查找页面隐藏元素# menu = browser.find_element_by_css_selector("div.x-video-play-ico.i-pause > dt").textprint(menu)print(type(menu))menu = browser.find_element_by_css_selector(".ykplayer").text # 获得隐藏元素的内容print(menu)print(type(menu))####################ActionChains(browser).click()browser.find_element_by_css_selector('.ykplayer').click() # 查找到隐藏元素位置后执行点击鼠标左键操作time.sleep(10)lo = browser.get_log('performance') # 捕获浏览器network中的数据browser.get_network_conditions()datalist = []for entry in lo: try:  print(entry)  datalist.append(entry) except Exception as e:  continuebrowser.close()

视频中被播放按钮是一个隐藏元素，用xpaht定位到指定的标签后也无法获取这个标签中的元素

 

通过 browser.find_element_by_css_selector(“.ykplayer”) 方法查找  .ykplayer 可以查找到，查找后输出的内容这个视频的标题，这样就实现了使用chromedriver 自动播放视频的功能

这里虽然实现的视频自动播放，但是请求优酷视频的视频地址的接口调用的结果却依然没法通过 browser.get_log(‘performance')来获得，原因是有一部分数据没有全部加载，但接口实际已经取得了完整的数据。虽然可以通过 get_log中的结果获得请求的地址，但是这个请求的地址在此使用requests进行请求会提示无权访问,可以看到这个请求已经有请求体了，但是使用get_log却无法捕获。

而且这个请求地址是一次性的，在次请求的结果是没权限

{"cost":0.003000000026077032,"data":{"error":{"note":"客户端无权播放,201","code":-6004}},"e":{"code":0,"provider":"hsfprovider","desc":""}}

要解决这个问题需要使用到browsermob-proxy

利用BrowserMob Proxy实现类似chrome的开发者工具中network的功能，

监控浏览器中该页面的request，获取对应的response，从而得到对应的json数据。

其大致原理是设置一个本地代理，并监控浏览器通过该代理的网络活动。

最后，我的解决方案是：python3 + selenium + chrome + browsermob-proxy

下载好BrowserMob Proxy和chromedriver，并记住对应的路径，稍后需要配置。

https://bmp.lightbody.net/

http://npm.taobao.org/mirrors/chromedriver/

另外，使用browsermob-proxy需要安装Java依赖环境，首次安装后可能需要重启。

python的环境可安装anaconda获得，然后是安装额外的python库

pip install browsermob-proxypip install selenium

软件环境配置完成后，可开始搭建抓取动态网页的框架，

下面是我做的一个简单框架（browsermonitor.py），其中未涉及数据的加工，可针对需要抓取的网页，直接继承后，根据需求加工数据：

?"""step 1 导入依赖库"""from os import pathfrom browsermobproxy import Serverfrom selenium import webdriverimport re"""step 2 新建浏览器监控类"""class Monitor(object):  """  step 3 配置chromedriver 和 browermobproxy 路径  需要使用完整路径，否则browsermobproxy无法启动服务  我是将这两个部分放到了和monitor.py同一目录  同时设置chrome为屏蔽图片，若需要抓取图片可自行修改  """  PROXY_PATH = path.abspath("./browsermob-proxy/bin/browsermob-proxy.bat")  CHROME_PATH = path.abspath("./chromedriver.exe")  CHROME_OPTIONS = {"profile.managed_default_content_settings.images":2}  def __init__(self):    """    类初始化函数暂不做操作    """    pass  def initProxy(self):    """    step 4 初始化 browermobproxy    设置需要屏蔽的网络连接，此处屏蔽了css，和图片（有时chrome的设置会失效），可加快网页加载速度    新建proxy代理地址    """    self.server = Server(self.PROXY_PATH)    self.server.start()        self.proxy = self.server.create_proxy()    self.proxy.blacklist(["http://.*/.*.css.*","http://.*/.*.jpg.*","http://.*/.*.png.*","http://.*/.*.gif.*"],200)  def initChrome(self):    """    step 5 初始化selenium， chrome设置    将chrome的代理设置为browermobproxy新建的代理地址    """          chromeSettings = webdriver.ChromeOptions()    chromeSettings.add_argument('--proxy-server={host}:{port}'.format(host = "localhost", port = self.proxy.port))    chromeSettings.add_experimental_option("prefs", self.CHROME_OPTIONS)    self.driver = webdriver.Chrome(executable_path = self.CHROME_PATH, chrome_options = chromeSettings)  def genNewRecord(self, name = "monitor", options={'captureContent':True}):    """    step 6 新建监控记录，设置内容监控为True    """    self.proxy.new_har(name,options = options)  def getContentText(self, targetUrl):    """    step 7 简单的获取目标数据的函数    其中 targetUrl 为浏览器获取对应数据调用的url，需要用正则表达式表示    """    if self.proxy.har['log']['entries']:      for loop_record in self.proxy.har['log']['entries']:        try:          if re.fullmatch(targetUrl , loop_record["request"]['url']):return loop_record["response"]['content']["text"]        except Exception as err:          print(err)          continue    return None  def Start(self):    """step 8 配置monitor的启动顺序"""    try:      self.initProxy()      self.initChrome()    except Exception as err:      print(err)  def Quit(self):    """    step 9 配置monitor的退出顺序    代理sever的退出可能失败，目前是手动关闭，若谁能提供解决方法，将不胜感激    """    self.driver.close()    self.driver.quit()    try:      self.proxy.close()      self.server.process.terminate()      self.server.process.wait()      self.server.process.kill()    except OSError:      passif __name__ == '__main__':  monitor = Monitor()  monitor.Start()  monitor.genNewRecord()  # 这使用优酷视频的地址  url = 'https://v.youku.com/v_show/id_XNDIyMjU1NjgzMg==.html?spm=a2ha1.12675304.m_2556_c_8261.d_2&s=a4de6bdc5675415ea280&scm=20140719.manual.2556.show_a4de6bdc5675415ea280'    monitor.driver.get(url)  targetUrl = "https://ups.youku.com/ups/get.json.*" # 这是获取视频播放地址的接口请求的前缀  text = monitor.getContentText(targetUrl)  monitor.Quit()

总结

以上所述是小编给大家介绍的python selenium 查找隐藏元素 自动播放视频功能,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！