selenium chrome人机验证Tesseract OCR

文章目录

• 一、环境配置
• 二、使用selenium解析源码
• 三、基本函数
• 四、子页面（ifFrame）（动作链，拖拽）
• 五、实现无可视化界面，规避被检测的风险（反反爬）
• 六、等待
• 七、异常处理

Selenium是自动化测试工具，可以驱动浏览器执行特定的动作，如单击、下拉等，同时可以获取浏览器当前呈现的源代码，做到可见即可爬，便捷的获取网站中动态加载的数据，便捷实现模拟登录

安装：pip install selenium

一、环境配置

以Chrome浏览器为例：首先需要安装好Chrome浏览器并且配置好ChromeDriver。ChromeDriver文件在网址http://npm.taobao.org/mirrors/chromedriver/中下载，下载Chrome浏览器对应的版本，在Chrome浏览器中，选择设置->帮助->关于chrome可以查看其版本

找到后在网址中下载对应版本的文件下载，最后解压复制到python软件对应的文件中

二、使用selenium解析源码

from selenium import webdriver
from lxml import etree

# 实例化一个浏览器对象（传入浏览器的驱动），打开浏览器
bro = webdriver.Chrome()
# 让浏览器对制定URL发送请求
bro.get('https://www.baidu.com/')
# 获取浏览器当前页面源码数据
page_text = bro.page_source
# 解析源码
tree = etree.HTML(page_text)
# 解析获取li节点
li_list = tree.xpath('//li')
print(li_list)

三、基本函数

先举个例子：

from selenium import webdriver
from selenium.webdriver.common.by import By
import time

# 初始化
browser = webdriver.Chrome()
# 发出请求
browser.get('http://www.baidu.com')
# 输出源码
print(browser.page_source)
# 延时，便于观看效果
time.sleep(2)

# 根据ID值获取输入框节点
# 获取第一个ID为kw的节点，这个地方刚好是第一个且为唯一，find_element获取所有符合要求的节点
info = browser.find_element(By.ID, 'kw')
# 输出该节点的id值
print(info.id)
# 在输入框中输入Python
info.send_keys('Python')
time.sleep(2)

# 获取搜索按钮
button = browser.find_element(By.ID, 'su')
# 点击搜索按钮
button.click()
time.sleep(2)

# 返回上一个页面
browser.back()
time.sleep(2)

# 创建新选项卡
browser.execute_script('window.open()')
time.sleep(2)
# 切换到新选项卡
browser.switch_to.window(browser.window_handles[1])
time.sleep(2)
# 请求URL
browser.get('http://www.zhihu.com')
time.sleep(2)

# 执行一组js程序，移动滚轮使页面滑到底部
browser.execute_script('window.scrollTo(0, document.body.scrollHeight)')
time.sleep(2)
# 关闭页面
browser.close()

常用函数如下

	函数	含义	举例
基本使用		导库	from selenium import webdriver
	webdriver.Chrome()	初始化	browser = webdriver.Chrome()
		初始化	browser = webdriver.Firefox()
		初始化	browser = webdriver.Edge()
	get()	请求URL	browser.get(url)
	page_source	输出源码	browser.page_source
	current_url	输出请求的URL	browser.current_url
	get_cookies()	获取cookies	browser.get_cookies()
	add_cookie()	添加cookies	browser.add_cookie({‘name’:‘name’,‘domain’:‘www.zhihu.com’})
	delete_all_cookies()	删除cookies	browser.delete_all_cookies()
获取节点信息
	browser.find_element()	获取节点	loge = browser.find_element(‘AppHeader-login’)
	get_attribute()	获取节点的属性值（class）	loge.get_attribute(‘class’)
	text	文本	loge.text
	id	获取id属性	loge.id
	location	获取节点相对位置	loge.location
	tag_name	获取标签名称	loge.tag_name
	size	获取节点大小	loge.size
前进回退
	back()	后退	browser.back()
	forward()	前进	browser.forward()
选项卡
	execute_script()	开启新的选项卡	browser.execute_script(‘window.open()’)
	browser.window_handles	所有窗口句柄	print(browser.window_handles)
	browser.switch_to.window()	切换到新选项卡，参数为选项卡代号	browser.switch_to.window(browser.window_handles[1])
进度条
	execute_script()	滑到底部	browser.execute_script(‘window.scrollTo(0, document.body.scrollHeight)’)
		弹出提示框	browser.execute_script(‘alert(“To Bottom”)’)
节点定位		导库	from selenium.webdriver.common.by import By
	find_element(定位方法,value)	查找一个节点	info = browser.find_element(By.ID, ‘kw’)
	find_elements(定位方法,value)	查找一组节点	info = browser.find_elements(By.ID, ‘kw’)
	定位方法
	定位元素	定位方式	定位方法
	id	通过属性id定位元素	By.ID
	name	通过属性name定位元素	By.NAME
	class_name	通过属性class name定位元素	By.CLASS_NAME
	tag_name	通过标签名称定位元素	By.TAG_NAME
	link_text	通过链接文本定位元素	By.LINK_TEXT
	partial_link_text	通过部分链接文本定位元素	By.PARTIAL_LINK_TEXT
	css_selector	通过css选择器定位元素	By.CSS_SELECTOR
	xpath	通过相对/绝对路径定位元素	By.XPATH
节点交互		定位标签	info = browser.find_element(By.ID, 'kw')
	send_keys()	输入文字	info.send_keys(‘iPhone’)
	clear()	清空文字	info.clear()
	click()	点击	button.click()

四、子页面（ifFrame）（动作链，拖拽）

页面中有一种节点叫作ifFrame，也就是子Frame，相当于页面的子页面，结构与外部网页的结构完全一致，Selenium打开页面后，默认在父级Frame里面操作，如果页面中还有子Frame，它是不能获取子Frame里面的节点，这时需要使用switch_to.frame()方法来切换到子页面Frame

动作链没有特定的执行对象，比如鼠标拖拽、键盘按键等。
现在实现一个节点的拖拽操作，将某节点从一处拖拽到另一处：

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By

# 初始化
browser = webdriver.Chrome()
# 发起请求
browser.get('http://www.runoob.com/try/try.php?filename=jqueryui-api-droppable')

# 切换到页面的frame标签中进行（该标签的id为iframeResult）
browser.switch_to.frame('iframeResult')
# 定位标签
source = browser.find_element(By.CSS_SELECTOR, '#draggable')
target = browser.find_element(By.CSS_SELECTOR, '#droppable')

# 声明对象
actions = ActionChains(browser)
# 执行拖拽
actions.drag_and_drop(source, target)
# 释放动作链
action.release()

'''或者使用如下方法
# 动作链（拖动操作）
action = ActionChains(browser)
# 点击长按指定的标签
action.click_and_hold(source)
for i in range(5):
    # perform()立即执行动作链操作
    # move_by_offset(x, y)： x水平方向，y垂直方向
    action.move_by_offset(17,0).perform()
    sleep(0.3)
# 释放动作链
action.release()
'''

# 回到父页面
browser.switch_to.parent_frame()
# 关闭页面
browser.close()

五、实现无可视化界面，规避被检测的风险（反反爬）

和正常操作一样，只是没有将操作的页面显示出来，有操作无页面显示

实现无可视化界面

from selenium import webdriver
# 实现无可视化界面
from selenium.webdriver.chrome.options import Options

# 创建一个对象，用来控制chrome以无界面模式打开
option = Options()
option.add_argument('--headless')
option.add_argument('--disable-gpu')

# 无头浏览器（无界面浏览器）
bro = webdriver.Chrome(options=option)

# 让浏览器对制定URL发送请求
bro.get('https://www.baidu.com')

# 关闭浏览器
bro.quit()

规避被检测的风险（反反爬）

from selenium import webdriver
# 实现规避检测
from selenium.webdriver import ChromeOptions

# 让selenium规避被检测到的风险（反反爬）
option = ChromeOptions()
option.add_experimental_option('excludeSwitches', ['enable-automation'])
# 无头浏览器（无界面浏览器）,规避被检测到的风险
bro = webdriver.Chrome(options=option)

# 让浏览器对制定URL发送请求
bro.get('https://www.baidu.com')

# 关闭浏览器
bro.quit()

六、等待

延时等待 获取的源码不一定是加载完全的页面，如果有额外的Ajax请求，在网页源码中也不一定成功获取到，这里需要延时等待一定的时间，确保节点已经加载出来

隐式等待 没有找到节点时将继续等待，超过设定时间后，抛出找不到节点的异常，默认为0

from selenium import webdriver
from selenium.webdriver.common.by import By

browser = webdriver.Chrome()
# 设定等待时间
browser.implicitly_wait(10)
# 发起请求
browser.get('https://www.zhihu.com/explore')
# 获取节点
info = browser.find_element(By.NAME, 'AppHeader')
print(info)

隐式等待不太好，只设定一个固定时间，页面的加载时间会受到网络条件的影响

显式等待 指定要查找的节点，然后指定最长等待时间，加载出来了则返回该节点，没加载出来则抛出异常

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

browser = webdriver.Chrome()
browser.get('https://www.taobao.com/')

# 等待最长时间
wait = WebDriverWait(browser,10) 
# 传入要等待的条件，这个条件是代表节点出现的意思，参数是节点定位元组，也就是ID为q的节点搜索框
info = wait.until(EC.presence_of_element_located((By.ID, 'q')))
# 对于按钮，这里element_to_be_clickable,也就是可点击，规定时间内如果加载出来可点击则返回该按钮，否则抛出异常
button = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, '.btn-search')))
print(info, button)

等待条件	含义
presence_of_element_located	节点加载出来，传入定位元组，如(By.ID,‘p’)
element_to_be_clickable	节点可点击
title_is	标题是某内容
title_contains	标题包含某内容
visibility_of_element_lcated	节点可见，传入定位元组
visibility_of	可见，传入节点对象
presence_of_all_elements_located	所有节点加载出来
text_to_be_present_in_element	某节点文本包含某文字
text_to_be_present_in_element_value	某节点值包含某文字
frame_to_be_available_and_switch_to_it	加载并切换
invisibility_of_element_located	节点不可见
staleness_of	判断一个节点是否仍在DOM，可判断页面是否已经更新
element_to_be_selected	节点可选择，传节点对象
element_located_to_be_selected	节点可选择，传定位元组
element_selection_state_to_be	传入节点对象及其状态，相等返回True，否则返回False
element_located_selection_state_to_be	传入定位元组及其状态，相等返回True，否则返回False
alert_is_present	是否出现警告

七、异常处理

from selenium import webdriver
from selenium.common.exceptions import TimeoutException, NoSuchElementException
from selenium.webdriver.common.by import By

browser = webdriver.Chrome()
# 请求超时异常处理
try:
    browser.get('https://www.baidu.com/')
except TimeoutException:
    print('Time Out')
# 无该id节点异常
try:
    browser.find_element(By.ID, 'hello')
except NoSuchElementException:
    print('No Element')
finally:
    browser.close()