Python利用Selenium模拟浏览器自动操作

概述

在进行网站爬取数据的时候，会发现很多网站都进行了反爬虫的处理，如JS加密，Ajax加密，反Debug等方法，通过请求获取数据和页面展示的内容完全不同，这时候就用到Selenium技术，来模拟浏览器的操作，然后获取数据。本文以一个简单的小例子，简述Python搭配Tkinter和Selenium进行浏览器的模拟操作，仅供学习分享使用，如有不足之处，还请指正。

什么是Selenium?

Selenium 是一个用于Web应用程序测试的工具，Selenium测试直接运行在浏览器中，就像真正的用户在操作一样。支持的浏览器包括IE（7, 8, 9, 10, 11），Mozilla Firefox，Safari，Google Chrome，Opera等。Selenium支持多种操作系统，如Windows、Linux、IOS等，如果需要支持Android，则需要特殊的selenium，本文主要以IE11浏览器为例。

安装Selenium

通过pip install selenium 进行安装即可，如果速度慢，则可以使用国内的镜像进行安装。

涉及知识点

程序虽小，除了需要掌握的Html ，JavaScript，CSS等基础知识外，本例涉及的Python相关知识点还是蛮多的，具体如下：

• Selenium相关：
  • Selenium进行元素定位，主要有ID，Name，ClassName，Css Selector，Partial LinkText，LinkText，XPath，TagName等8种方式。
  • Selenium获取单一元素（如：find_element_by_xpath）和获取元素数组（如：find_elements_by_xpath）两种方式。
  • Selenium元素定位后，可以给元素进行赋值和取值，或者进行相应的事件操作（如：click）。
• 线程（Thread）相关：
  • 为了防止前台页面卡主，本文用到了线程进行后台操作，如果要定义一个新的线程，只需要定义一个类并继承threading.Thread，然后重写run方法即可。
  • 在使用线程的过程中，为了保证线程的同步，本例用到了线程锁，如：threading.Lock()。
• 队列（queue）相关：
  • 本例将Selenium执行的过程信息，保存到对列中，并通过线程输出到页面显示。queue默认先进先出方式。
  • 对列通过put进行压栈，通过get进行出栈。通过qsize()用于获取当前对列元素个数。
• 日志（logging.Logger）相关：
  • 为了保存Selenium执行过程中的日志，本例用到了日志模块，为Pyhton自带的模块，不需要额外安装。
  • Python的日志共六种级别，分别是：NOTSET，DEBUG，INFO，WARN，ERROR，FATAL，CRITICAL。

示例效果图

本例主要针对某一配置好的商品ID进行轮询，监控是否有货，有货则加入购物车，无货则继续轮询，如下图所示：

核心代码

本例最核心的代码，就是利用Selenium进行网站的模拟操作，如下所示：

class Smoking:
    """定义Smoking类"""

    # 浏览器驱动
    __driver: webdriver = None
    # 配置帮助类
    __cfg_info: dict = {}
    # 日志帮助类
    __log_helper: LogHelper = None
    # 主程序目录
    __work_path: str = ''
    # 是否正在运行
    __running: bool = False
    # 无货
    __no_stock = 'Currently Out of Stock'
    # 线程等待秒数
    __wait_sec = 2

    def __init__(self, work_path, cfg_info, log_helper: LogHelper):
        """初始化"""
        self.__cfg_info = cfg_info
        self.__log_helper = log_helper
        self.__work_path = work_path
        self.__wait_sec = int(cfg_info['wait_sec'])
        # 如果小于2，则等于2
        self.__wait_sec = (2 if self.__wait_sec < 2 else self.__wait_sec)

    def checkIsExistsById(self, id):
        """通过ID判断是否存在"""
        try:
            i = 0
            while self.__running and i < 3:
                if len(self.__driver.find_elements_by_id(id)) > 0:
                    break
                else:
                    time.sleep(self.__wait_sec)
                    i = i + 1
            return len(self.__driver.find_elements_by_id(id)) > 0
        except BaseException as e:
            return False

    def checkIsExistsByName(self, name):
        """通过名称判断是否存在"""
        try:
            i = 0
            while self.__running and i < 3:
                if len(self.__driver.find_elements_by_name(name)) > 0:
                    break
                else:
                    time.sleep(self.__wait_sec)
                    i = i + 1
            return len(self.__driver.find_elements_by_name(name)) > 0
        except BaseException as e:
            return False

    def checkIsExistsByPath(self, path):
        """通过xpath判断是否存在"""
        try:
            i = 0
            while self.__running and i < 3:
                if len(self.__driver.find_elements_by_xpath(path)) > 0:
                    break
                else:
                    time.sleep(self.__wait_sec)
                    i = i + 1
            return len(self.__driver.find_elements_by_xpath(path)) > 0
        except BaseException as e:
            return False

    def checkIsExistsByClass(self, cls):
        """通过class名称判断是否存在"""
        try:
            i = 0
            while self.__running and i < 3:
                if len(self.__driver.find_elements_by_class_name(cls)) > 0:
                    break
                else:
                    time.sleep(self.__wait_sec)
                    i = i + 1
            return len(self.__driver.find_elements_by_class_name(cls)) > 0
        except BaseException as e:
            return False

    def checkIsExistsByLinkText(self, link_text):
        """判断LinkText是否存在"""
        try:
            i = 0
            while self.__running and i < 3:
                if len(self.__driver.find_elements_by_link_text(link_text)) > 0:
                    break
                else:
                    time.sleep(self.__wait_sec)
                    i = i + 1
            return len(self.__driver.find_elements_by_link_text(link_text)) > 0
        except BaseException as e:
            return False

    def checkIsExistsByPartialLinkText(self, link_text):
        """判断包含LinkText是否存在"""
        try:
            i = 0
            while self.__running and i < 3:
                if len(self.__driver.find_elements_by_partial_link_text(link_text)) > 0:
                    break
                else:
                    time.sleep(self.__wait_sec)
                    i = i + 1
            return len(self.__driver.find_elements_by_partial_link_text(link_text)) > 0
        except BaseException as e:
            return False

    # def waiting(self, *locator):
    #     """等待完成"""
    #     # self.__driver.switch_to.window(self.__driver.window_handles[1])
    #     Wait(self.__driver, 60).until(EC.visibility_of_element_located(locator))

    def login(self, username, password):
        """登录"""
        # 5. 点击链接跳转到登录页面
        self.__driver.find_element_by_link_text('账户登录').click()
        # 6. 输入账号密码
        # 判断是否加载完成
        # self.waiting((By.ID, "email"))
        if self.checkIsExistsById('email'):
            self.__driver.find_element_by_id('email').send_keys(username)
            self.__driver.find_element_by_id('password').send_keys(password)
            # 7. 点击登录按钮
            self.__driver.find_element_by_id('sign-in').click()

    def working(self, item_id):
        """工作状态"""
        while self.__running:
            try:
                # 正常获取信息
                if self.checkIsExistsById('string'):
                    self.__driver.find_element_by_id('string').clear()
                    self.__driver.find_element_by_id('string').send_keys(item_id)
                    self.__driver.find_element_by_id('string').send_keys(Keys.ENTER)
                # 判断是否查询到商品
                xpath = "//div[@class='specialty-header search']/div[@class='specialty-description']/div[" 
                        "@class='gt-450']/span[2] "
                if self.checkIsExistsByPath(xpath):
                    count = int(self.__driver.find_element_by_xpath(xpath).text)
                    if count < 1:
                        time.sleep(self.__wait_sec)
                        self.__log_helper.put('没有查询到item id =' + item_id + '对应的信息')
                        continue
                else:
                    time.sleep(self.__wait_sec)
                    self.__log_helper.put('没有查询到item id2 =' + item_id + '对应的信息')
                    continue
                # 判断当前库存是否有货

                xpath1 = "//div[@class='product-list']/div[@class='product']/div[@class='price-and-detail']/div[" 
                         "@class='price']/span[@class='noStock'] "
                if self.checkIsExistsByPath(xpath1):
                    txt = self.__driver.find_element_by_xpath(xpath1).text
                    if txt == self.__no_stock:
                        # 当前无货
                        time.sleep(self.__wait_sec)
                        self.__log_helper.put('查询一次' + item_id + '，无货')
                        continue

                # 链接path1
                xpath2 = "//div[@class='product-list']/div[@class='product']/div[@class='imgDiv']/a"
                # 判断是否加载完毕
                # self.waiting((By.CLASS_NAME, "imgDiv"))
                if self.checkIsExistsByPath(xpath2):
                    self.__driver.find_element_by_xpath(xpath2).click()
                    time.sleep(self.__wait_sec)
                    # 加入购物车
                    if self.checkIsExistsByClass('add-to-cart'):
                        self.__driver.find_element_by_class_name('add-to-cart').click()
                        self.__log_helper.put('加入购物车成功，商品item-id:' + item_id)
                        break
                    else:
                        self.__log_helper.put('未找到加入购物车按钮')
                else:
                    self.__log_helper.put('没有查询到，可能是商品编码不对，或者已下架')
            except BaseException as e:
                self.__log_helper.put(e)

    def startRun(self):
        """运行起来"""
        try:
            self.__running = True
            url: str = self.__cfg_info['url']
            username = self.__cfg_info['username']
            password = self.__cfg_info['password']
            item_id = self.__cfg_info['item_id']
            if url is None or len(url) == 0 or username is None or len(username) == 0 or password is None or len(
                    password) == 0 or item_id is None or len(item_id) == 0:
                self.__log_helper.put('配置信息不全，请检查config.cfg文件是否为空，然后再重启')
                return
            if self.__driver is None:
                options = webdriver.IeOptions()
                options.add_argument('encoding=UTF-8')
                options.add_argument('Accept= text / css, * / *')
                options.add_argument('Accept - Language= zh - Hans - CN, zh - Hans;q = 0.5')
                options.add_argument('Accept - Encoding= gzip, deflate')
                options.add_argument('user-agent=Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko')
                # 2. 定义浏览器驱动对象
                self.__driver = webdriver.Ie(executable_path=self.__work_path + r'IEDriverServer.exe', options=options)
            self.run(url, username, password, item_id)
        except BaseException as e:
            self.__log_helper.put('运行过程中出错，请重新打开再试')

    def run(self, url, username, password, item_id):
        """运行起来"""
        # 3. 访问网站
        self.__driver.get(url)
        # 4. 最大化窗口
        self.__driver.maximize_window()
        if self.checkIsExistsByLinkText('账户登录'):
            # 判断是否登录：未登录
            self.login(username, password)
        if self.checkIsExistsByPartialLinkText('欢迎回来'):
            # 判断是否登录：已登录
            self.__log_helper.put('登录成功，下一步开始工作了')
            self.working(item_id)
        else:
            self.__log_helper.put('登录失败，请设置账号密码')

    def stop(self):
        """停止"""
        try:
            self.__running = False
            # 如果驱动不为空，则关闭
            self.close_browser_nicely(self.__driver)
            if self.__driver is not None:
                self.__driver.quit()
                # 关闭后切要为None，否则启动报错
                self.__driver = None
        except BaseException as e:
            print('Stop Failure')
        finally:
            self.__driver = None

    def close_browser_nicely(self, browser):
        try:
            browser.execute_script("window.onunload=null; window.onbeforeunload=null")
        except Exception as err:
            print("Fail to execute_script:'window.onunload=null; window.onbeforeunload=null'")

        socket.setdefaulttimeout(10)
        try:
            browser.quit()
            print("Close browser and firefox by calling quit()")
        except Exception as err:
            print("Fail to quit from browser, error-type:%s, reason:%s" % (type(err), str(err)))
        socket.setdefaulttimeout(30)

其他辅助类

日志类（LogHelper），代码如下：

class LogHelper:
    """日志帮助类"""
    __queue: queue.Queue = None  # 队列
    __logging: logging.Logger = None  # 日志
    __running: bool = False  # 是否记录日志

    def __init__(self, log_path):
        """初始化类"""
        self.__queue = queue.Queue(1000)
        self.init_log(log_path)

    def put(self, value):
        """添加数据"""
        # 记录日志
        self.__logging.info(value)
        # 添加到队列
        if self.__queue.qsize() < self.__queue.maxsize:
            self.__queue.put(value)

    def get(self):
        """获取数据"""
        if self.__queue.qsize() > 0:
            try:
                return self.__queue.get(block=False)
            except BaseException as e:
                return None
        else:
            return None

    def init_log(self, log_path):
        """初始化日志"""
        self.__logging = logging.getLogger()
        self.__logging.setLevel(logging.INFO)
        # 日志
        rq = time.strftime('%Y%m%d%H%M', time.localtime(time.time()))
        log_name = log_path + rq + '.log'
        logfile = log_name
        # if not os.path.exists(logfile):
        #     # 创建空文件
        #     open(logfile, mode='r')
        fh = logging.FileHandler(logfile, mode='a', encoding='UTF-8')
        fh.setLevel(logging.DEBUG)  # 输出到file的log等级的开关
        # 第三步，定义handler的输出格式
        formatter = logging.Formatter("%(asctime)s - %(filename)s[line:%(lineno)d] - %(levelname)s: %(message)s")
        fh.setFormatter(formatter)
        # 第四步，将logger添加到handler里面
        self.__logging.addHandler(fh)

    def get_running(self):
        # 获取当前记录日志的状态
        return self.__running

    def set_running(self, v: bool):
        # 设置当前记录日志的状态

        self.__running = v

配置类（ConfigHelper）

class ConfigHelper:
    """初始化数据类"""

    __config_dir = None
    __dic_cfg = {}

    def __init__(self, config_dir):
        """初始化"""
        self.__config_dir = config_dir

    def ReadConfigInfo(self):
        """得到配置项"""
        parser = ConfigParser()
        parser.read(self.__config_dir + r"config.cfg")
        section = parser.sections()[0]
        items = parser.items(section)
        self.__dic_cfg.clear()
        for item in items:
            self.__dic_cfg.__setitem__(item[0], item[1])

    def getConfigInfo(self):
        """获取配置信息"""
        if len(self.__dic_cfg) == 0:
            self.ReadConfigInfo()
        return self.__dic_cfg

线程类（MyThread）

class MyThread(threading.Thread):
    """后台监控线程"""

    def __init__(self, tid, name, smoking: Smoking, log_helper: LogHelper):
        """线程初始化"""
        threading.Thread.__init__(self)
        self.threadID = tid
        self.name = name
        self.smoking = smoking
        self.log_helper = log_helper

    def run(self):
        print("开启线程： " + self.name)
        self.log_helper.put("开启线程： " + self.name)
        # 获取锁，用于线程同步
        # lock = threading.Lock()
        # lock.acquire()
        self.smoking.startRun()
        # 释放锁，开启下一个线程
        # lock.release()
        print("结束线程： " + self.name)
        self.log_helper.put("结束线程： " + self.name)

备注

侠客行  [唐：李白]

赵客缦胡缨，吴钩霜雪明。银鞍照白马，飒沓如流星。
十步杀一人，千里不留行。事了拂衣去，深藏身与名。
闲过信陵饮，脱剑膝前横。将炙啖朱亥，持觞劝侯嬴。
三杯吐然诺，五岳倒为轻。眼花耳热后，意气素霓生。
救赵挥金槌，邯郸先震惊。千秋二壮士，烜赫大梁城。
纵死侠骨香，不惭世上英。谁能书阁下，白首太玄经。