IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> python爬虫-scrapy基于selenium进行网页截图 -> 正文阅读

[Python知识库]python爬虫-scrapy基于selenium进行网页截图

在一些实际项目中,经常需要进行网页截图,这里就分享一个通过scrapy+selenium进行网页截图。

首先我们需要安装selenium库

pip intall selenium

当我们使用selenium进行截图时通常使用的方法类是:

get_screenshot_as_file(截图保存路径)
# -*- coding:utf-8 -*-
from selenium import webdriver
from time import sleep

driver = webdriver.Chrome()
driver.get('http://www.baidu.com/')
# 通常情况下我们需要等待页面加载完成后截图 所以此处睡眠2秒 
driver.get_screenshot_as_file("./截图.png")
sleep(2)
driver.quit()

那么如何利用scrapy联合 selenium呢
首先我们创建一个类 然后定义好 登录帐号密码 各种组件xpath路径等变量

class BjobOrderRecordSpider(scrapy.Spider):
    # 爬虫名字
    name = 'bjob_record_spider'
    # 用户名输入框
    username_input_eml = '//*[@id="__layout"]/div/div[1]/div/div/div/div[2]/div/div[2]/form[1]/div[1]/div/div[1]/input'
    username = 'xxxx'
    # 用户名输入框
    password_input_eml = '//*[@id="__layout"]/div/div[1]/div/div/div/div[2]/div/div[2]/form[1]/div[2]/div/div[1]/input'
    password = 'xxx'
    login_url = 'http://xxx.cn/b2badmin/order/orderList'
    # 截图来源
    load_execl_data = 'F:\\xxxxx.xlsx'
    # 来源 sheet
    sheet1 = '办公用品及低值易耗品'
    # 截图保存文件header
    img_save_path_name = '文件名'
    # 截图保存文件header
    img_save_order_sn_name = 'EC单号'
    # 登录按钮
    login_eml = '//*[@id="__layout"]/div/div[1]/div/div/div/div[2]/div/div[2]/form[1]/div[3]/div/button'
    # 搜索按钮
    seach_q_eml = '/html/body/div/div/div[3]/section/div/div[2]/section/div[1]/div/div[1]/div/label[1]/span'
    # 搜索按钮
    seach_eml = '//*[@id="app"]/div/div[3]/section/div/div[1]/div/div[1]/div[2]/button[1]'
    # 搜索按钮
    detail_eml = '/html/body/div[1]/div/div[3]/section/div/div[2]/section/div[2]/div[1]/div[3]/table/tbody/tr/td[6]/div/span/span/span/span/div/span'
    detail_eml2 = '/html/body/div[1]/div/div[3]/section/div/div[2]/section/div[2]/div[1]/div[3]/table/tbody/tr/td[6]/div/span/span/span/span/div/div'
    # 搜索单号输入框 /html/body/div/div/div[3]/section/div/div[1]/div/div[1]/div[1]/form/div[1]/div/div[2]/input
    qgdid_eml = '/html/body/div/div/div[3]/section/div/div[1]/div/div[1]/div[1]/form/div[1]/div/div[2]/input'
    # 截图保存目录
    shot_dir = 'F:\\xxxx\\网页截图\\xxxx\\'

然后再 初始化一个 selenium浏览器 对象

    def __init__(self, *args, **kwargs):
        self.pool3 = self.mysql_connection3()
        # driver = 'Chrome'
        driver = 'Firefox'
        if driver == 'Chrome':
            # ### 指定使用的浏览器 chrome
            chrome_options = ChromeOptions()
            chrome_options.add_argument('--no-sandbox')  # 解决DevToolsActivePort文件不存在的报错
            chrome_options.add_argument('window-size=1920x1080')  # 指定浏览器分辨率
            chrome_options.add_argument('--disable-gpu')  # 谷歌文档提到需要加上这个属性来规避bug # 禁用GPU加速
            chrome_options.add_argument('--start-maximized')  # 浏览器最大化

            chrome_options.add_argument(
                '--user-agent="Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36"')  # 设置请求头的User-Agent
            # chrome_options.add_argument('--disable-infobars')  # 禁用浏览器正在被自动化程序控制的提示
            chrome_options.add_argument('--incognito')  # 隐身模式(无痕模式)
            # chrome_options.add_argument('--disable-javascript')  # 禁用javascript #
            # chrome_options.add_argument('--ignore-certificate-errors')  # 禁用扩展插件并实现窗口最大化 #
            # chrome_options.add_argument('–disable-software-rasterizer') #
            # chrome_options.add_argument('--disable-extensions') #
            self.browser = webdriver.Chrome(
                # executable_path='E:/workspace/mypython/zcygov/zcygov/tool/chromedriver_win32/chromedriver.exe',
                # executable_path='E:/workspace/mypython/zcygov/zcygov/tool/chromedriver_win32/chromedriver_modify.exe',
                # executable_path='E:/workspace/mypython/zcygov/zcygov/tool/vip/chromedriver.exe',
                chrome_options=chrome_options
                # desired_capabilities=caps
            )
        else:
            # ### 指定使用的浏览器 Firefox
            firefox_options = FirefoxOptions()
            firefox_options.add_argument('--no-sandbox')  # 解决DevToolsActivePort文件不存在的报错
            firefox_options.add_argument('--window-size=1920x1080')  # 指定浏览器分辨率
            firefox_options.add_argument('--disable-gpu')  # 谷歌文档提到需要加上这个属性来规避bug # 禁用GPU加速
            # firefox_options.add_argument('--hide-scrollbars')  # 隐藏滚动条, 应对一些特殊页面
            # firefox_options.add_argument('--blink-settings=imagesEnabled=false')  # 不加载图片, 提升速度
            # firefox_options.add_argument('--headless')  # 浏览器不提供可视化页面. linux下如果系统不支持可视化不加这条会启动失败
            firefox_options.add_argument('--start-maximized')  # 浏览器最大化
            # firefox_options.add_argument('--user-agent="Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36"')  # 设置请求头的User-Agent
            # firefox_options.add_argument(
            #     '--user-agent="Mozilla/5.0 (Windows NT 10.0; WOW64; rv:55.0) Gecko/20100101 Firefox/55.0"')  # 设置请求头的User-Agent
            firefox_options.add_argument('--disable-infobars')  # 禁用浏览器正在被自动化程序控制的提示
            firefox_options.add_argument('--incognito')  # 隐身模式(无痕模式)
            # firefox_options.add_argument('--disable-javascript')  # 禁用javascript #
            # firefox_options.add_argument('--ignore-certificate-errors')  # 禁用扩展插件并实现窗口最大化 #
            # firefox_options.add_argument('–disable-software-rasterizer') #
            # firefox_options.add_argument('--disable-extensions') #
            # profile_directory = r'C:\Users\Administrator\AppData\Roaming\Mozilla\Firefox\Profiles\s92h17dk.default-release'
            # profile = webdriver.FirefoxProfile(profile_directory)
            self.browser = webdriver.Firefox(
                # profile
                # executable_path='F:\spider_project\shuyingSpider\geckodriver\geckodriver.exe',
                firefox_options=firefox_options,
            )

        # ######分隔线#######
        self.driver = None  # 实例selenium
        self.cookies = None  # 用来保存cookie
        super(BjobOrderRecordSpider, self).__init__(*args, **kwargs)

之后便是业务代码 如 登录、获取订单列表 获取订单详情 截图 等模块的封装


    def start_requests(self):
        # return self.login()  # 登录
        self.browser.get(self.login_url)

        username = self.browser.find_element_by_xpath(self.username_input_eml)
        password = self.browser.find_element_by_xpath(self.password_input_eml)

        username.clear()
        username.send_keys(self.username)
        password.clear()
        password.send_keys(self.password)
        # 模拟点击“登录”按钮
        self.browser.find_element_by_xpath(
            self.login_eml).click()
        time.sleep(2)

        self.getScreenShot()
	# 截图详细步骤
    def getScreenShot(self):
        bjob_order_list = self.select_all3("select * from xxxxx'", ())
        i_num = 0
        for loadd in bjob_order_list:
            i_num = i_num + 1
            print("截图进度:", i_num)
            typeState = str(loadd["type"])
            company_name = loadd["company_name"]
            qgdId_e = loadd["sc_order"]
            win = loadd["win"]
            if win != "xx":
                print("非xx %s" % qgdId_e)
                continue
            order_sn = loadd["img_name"]

            if os.path.isdir('%s%s\\%s' % (self.shot_dir, company_name, typeState)) == False:
                os.makedirs('%s%s\\%s' % (self.shot_dir, company_name, typeState))
            if os.path.exists('%s\\%s\\%s\\%s-1_01.png' % (self.shot_dir, company_name, typeState, order_sn)):
                print("文件已经存在", '%s\\%s\\%s\\%s-1_01.png' % (self.shot_dir, company_name, typeState, order_sn))
                continue

            time.sleep(1)
            # 请购单号
            qgdId = self.browser.find_element_by_xpath(self.qgdid_eml)
            qgdId.clear()
            qgdId.send_keys(str(qgdId_e).strip())

            # 点击搜索
            self.clickElement(self.seach_eml)
            time.sleep(3)
            # 搜索前置步骤
            self.clickElement(self.seach_q_eml)
            time.sleep(1)
            # 打开点击查看详情句柄
            if self.isElementPresent(self.detail_eml) == False:
                if self.isElementPresent(self.detail_eml2) == False:
                    continue
                else:
                    self.clickElement(self.detail_eml2)
            else:
                self.clickElement(self.detail_eml)

            # self.clickElement(self.detail_eml)
            time.sleep(3)
            windows = self.browser.current_window_handle  # 定位当前页面句柄
            time.sleep(2)
            all_handles = self.browser.window_handles  # 获取全部页面句柄
            if len(all_handles) >= 2:
                self.screenshotByhandles(all_handles, windows, order_sn, company_name, typeState)
                self.browser.switch_to.window(windows)

	# 切换网页句柄
    def screenshotByhandles(self, all_handles, windows, order_sn, company_name, typeState):
        i = 0
        for handle in all_handles:  # 遍历全部页面句柄
            if handle != windows:  # 判断条件
                i = i + 1
                s = str(i)
                self.browser.switch_to.window(handle)  # 切换到新页面
                width = self.browser.execute_script("return document.documentElement.scrollWidth")
                height = self.browser.execute_script("return document.documentElement.scrollHeight")
                time.sleep(1)
                # 将浏览器的宽高设置成刚刚获取的宽高
                self.browser.set_window_size(width, 2048)
                # 详情截图
                self.clickElement('//*[@id="tab-first"]')
                self.shotToFile(order_sn, s, company_name, typeState, 1)
                # 商品明细
                self.clickElement('//*[@id="tab-second"]')
                self.shotToFile(order_sn, s, company_name, typeState, 2)
	# 截图
    def shotToFile(self, order_sn, s, company_name, typeState, type=1):
        try:
            pathscreenshot = '%s%s\\%s\\%s-%s_0%s.png' % (
            self.shot_dir, company_name, typeState, order_sn, s, str(type))
            pathscreenshot = str(pathscreenshot).replace('\t', '').replace('\n', '').strip()
            self.browser.get_screenshot_as_file(pathscreenshot)
            if type == 2:
                self.browser.close()
        except Exception as e:
            print(e)
            time.sleep(2)
            self.shotToFile(order_sn, s, type, company_name, typeState)

    # 判断元素标签是否存在
    def isElementPresent(self, by):
        """
        用来判断元素标签是否存在,
        """
        try:
            # element = self.browser.find_element(by=by, value=value)
            # element = self.browser.find_element(by=by)
            self.browser.find_element_by_xpath(by)
        # 原文是except NoSuchElementException, e:
        except NoSuchElementException as e:
            # 发生了NoSuchElementException异常,说明页面中未找到该元素,返回False
            return False
        else:
            # 没有发生异常,表示在页面中找到了该元素,返回True
            return True

	# 获取execl数据
    def loadExeclData(self, path, sheetname="Sheet1"):
        data_path = path  # 文件的绝对路径
        sheetname = sheetname
        get_data = ExcelData(data_path, sheetname, 0)  # 定义get_data对象
        datas = get_data.readExcel(1)
        return datas
  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-12-02 16:42:32  更:2021-12-02 16:42:52 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/16 2:36:46-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码