在Python中进行浏览器测试时,一般我们会选择selenium这样的库来简化我们工作量。而有些时候,为了对一些动态数据进行抓取,我们会选择
这样的工具。而在selenium中我们也可以集成Phantomjs对应的驱动,可以很方便的进行对应的操作。
在Phantomjs的官方网站上,我们可以看到类似如下的字样:
在这里就引申出1个headless mode的概念。而phantomjs与我们常用浏览器的区别就是,它不需要GUI界面也可以运行,因此更为节省资源。
实际上,对于动态数据的抓取问题对我来说已经是很多年之前的事情,无论是基于Phantomjs的casperjs,还是使用Qt、GTK这样的GUI包编写浏览器来进行操作,或者是这里要介绍的selenium的方式,都已经成为过去式了。
而在不久前,chrome宣布支持headless模式,而后firefox跟随的新闻,再次勾起我无尽的回忆。
实际上,phantomjs这个工具对于Python的人来说很不习惯,而且还有一些莫名其妙的问题。那么,我们就来谈谈在Firefox和Chrome浏览器不原生支持headless模式下,如何使用selenium来实现headless模式进行动态数据的抓取。
在Linux中有1个很好用的工具xvfb,它是1个X服务可以用于在没有显示器的硬件和物理输入设备上运行,详细的操作可以参考。而关于X服务的内容,请自行百度。比较常见的例子在ssh中进行X11转发。
可以看到,在这里我们需要借助xvfb的方式来实现所谓的headless模式,实际上这个操作就10分钟就完成了。
安装必需的软件包
在这里,我们通过如下的方式安装需要的软件包:
[cat@localhost ~]$ sudo yum install xdg-utils xorg-x11-server-Xvfb xorg-x11-xkb-utils
如果你使用的是基于Debian的系统,比如Ubuntu,那么对应的安装方式可能为:
sudo aptitude install xdg-utils xvfb x11-xkb-utils
#安装xvfb的绑定
安装完成xvfb绑定后,一般情况下我们会使用命令的方式来开启虚拟显示。而由于本人比较懒是1个特点,因此我们直接将其与我们的脚本一起集成在一起。
在这里,我们安装1个xvfbwrapper的库,这个库用于在你的Python中开启和关闭xfvb会话。
在这里,我们直接通过pip进行安装:
pip install xvfbwrapper
编写对应的代码
安装完绑定依赖后,我们终于可以愉快的开启编写代码了,在这里我们先引入对应的模块:
from xvfbwrapper import Xvfb
接着我们实例化1个实例:
xvfb = Xvfb()
接着我们就可以开启及关闭其其会话了:
#!/usr/bin/env python
from selenium import webdriver
from xvfbwrapper import Xvfb
xvfb = Xvfb(width=1280,height=720)
xvfb.start()
print('Start...')
browser = webdriver.Firefox()
browser.get('http://52sox.com')
title = browser.title
print(title)
print("Clean...")
browser.close()
xvfb.stop()
1 #!/usr/bin/python3
2 # -*- coding: utf-8 -*-
3
4 """
5 以下程序亲测在ubuntu16.04下有效，其他环境可能会有错误出现
6 """
7
8 from selenium import webdriver
9 from pyvirtualdisplay import Display
10
11 # 模拟一个虚拟界面
12 display = Display(visible=0, size=(1800,1600))
13 display.start()
14 driver = webdriver.Firefox(executable_path=r'/home/zhou/soft/geckodriver')
15 driver.get("https://my.chsi.com.cn/archive/index.action")
16 print (driver.page_source)
17
18 #--------------------------------------------------------------
19 from selenium import webdriver
20
21 #使用62版本chrome，其他版本可能还会有界面
22 chrome_options = webdriver.ChromeOptions()
23 chrome_options.add_argument('--no-sandbox')
24 chrome_options.add_argument('--headless')
25 chrome_options.add_argument('--disable-gpu')
26
27 # driver = webdriver.Chrome(executable_path=r"C:softchromedriver.exe",chrome_options=chrome_options)
28 driver = webdriver.Chrome(executable_path=r"/home/zhou/soft/chromedriver_linux64/chromedriver",chrome_options=chrome_options)
29
30 driver.get('https://account.chsi.com.cn/passport/login?service=https%3A%2F%2Fmy.chsi.com.cn%2Farchive%2Fj_spring_cas_security_check')
31
32 page=driver.page_source
33 print(page)
34
35
36 #------------------------------------------------------------------------------------------
37 from selenium import webdriver
38 from pyvirtualdisplay import Display
39
40
41 #模拟一个虚拟界面
42 display = Display(visible=0, size=(800, 600))
43 display.start()
44
45 # driver = webdriver.Chrome(executable_path=r"C:softchromedriver.exe",chrome_options=chrome_options)
46 driver = webdriver.Chrome(executable_path=r"/home/zhou/soft/chromedriver_linux64/chromedriver",)
47
48 driver.get('https://account.chsi.com.cn/passport/login?service=https%3A%2F%2Fmy.chsi.com.cn%2Farchive%2Fj_spring_cas_security_check')
49 page=driver.page_source
50 print(page)