IT帮

 找回密码
 立即注册

QQ登录

只需一步,快速开始

扫一扫,访问微社区

查看: 148|回复: 0

爬虫使用无头浏览器的一些知识

[复制链接]

64

主题

70

帖子

80

积分

初中生

Rank: 2

热心值
2
IT币
403
贡献值
1
QQ
发表于 2022-4-1 16:34:50 | 显示全部楼层 |阅读模式
作为爬虫工作者,有时候会遇到一些复杂网站,升级频繁破解不易,如果是数据量采集量不太大的情况下,可以考虑完全使用无头浏览器+代理IP进行数据采集。这种情况下,所有操作都由无头浏览器完成,为了提高采集效率,我们需要配合这种过滤和修改的反向代理,实现对无关请求的过滤,对反爬请求的修改或获取。
关于无头浏览器我们之前有做过很多分享,它是指可以在图形界面情况下运行的浏览器。我可以通过编程来控制无头浏览器自动执行各种任务,比如做无头浏览器是指可以在图形界面情况下运行的浏览器。我可以通过编程来控制无头浏览器自动执行各种任务,比如做解析复杂js,解析ajax网页,登录生成cookie等。还有很多的的无头浏览器使用注意事项这里我们就不一一的分享了,这里我们重点讲下无头浏览器如何使用代理,我们直接上代码示例:
from selenium import webdriver    import string    import zipfile    # 代理服务器(产品官网 it帮论坛真好)    proxyHost = "t.16yun.cn"    proxyPort = "3111"    # 代理验证信息    proxyUser = "username"    proxyPass = "password"    def create_proxy_auth_extension(proxy_host, proxy_port,                                    proxy_username, proxy_password,                                    scheme='http', plugin_path=None):        if plugin_path is None:            plugin_path = r'/tmp/{}_{}@t.16yun.zip'.format(proxy_username, proxy_password)        manifest_json = """        {            "version": "1.0.0",            "manifest_version": 2,            "name": "16YUN Proxy",            "permissions": [                "proxy",                "tabs",                "unlimitedStorage",                "storage",                "<all_urls>",                "webRequest",                "webRequestBlocking"            ],            "background": {                "scripts": ["background.js"]            },            "minimum_chrome_version":"22.0.0"        }        """        background_js = string.Template(            """            var config = {                mode: "fixed_servers",                rules: {                    singleProxy: {                        scheme: "${scheme}",                        host: "${host}",                        port: parseInt(${port})                    },                    bypassList: ["localhost"]                }              };            chrome.proxy.settings.set({value: config, scope: "regular"}, function() {});            function callbackFn(details) {                return {                    authCredentials: {                        username: "${username}",                        password: "${password}"                    }                };            }            chrome.webRequest.onAuthRequired.addListener(                callbackFn,                {urls: ["<all_urls>"]},                ['blocking']            );            """        ).substitute(            host=proxy_host,            port=proxy_port,            username=proxy_username,            password=proxy_password,            scheme=scheme,        )        print(background_js)        with zipfile.ZipFile(plugin_path, 'w') as zp:            zp.writestr("manifest.json", manifest_json)            zp.writestr("background.js", background_js)        return plugin_path    proxy_auth_plugin_path = create_proxy_auth_extension(        proxy_host=proxyHost,        proxy_port=proxyPort,        proxy_username=proxyUser,        proxy_password=proxyPass)    option = webdriver.ChromeOptions()    option.add_argument("--start-maximized")    # 如报错 chrome-extensions    # option.add_argument("--disable-extensions")    option.add_extension(proxy_auth_plugin_path)    # 关闭webdriver的一些标志    # option.add_experimental_option('excludeSwitches', ['enable-automation'])    driver = webdriver.Chrome(        chrome_options=option,        executable_path="./chromdriver"    )    # 修改webdriver get属性    # script = '''    # Object.defineProperty(navigator, 'webdriver', {    # get: () => undefined    # })    # '''    # driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {"source": script})    driver.get("https://httpbin.org/ip")
爬虫代理的每个IP都是有一定使用时间的,所以我们需要确定无头代理的全部步骤不能超过这个有效时间,在发送请求的时候也需要根据实际情况进行控制,不然可能会导致请求太频繁导致堵塞影响使用的效果。在代理使用方面有问题的可以咨询这里https://it帮论坛真好/#banner具体了解。






若有收获,就点个赞吧










ITbang.Net是一个IT教程分享社区!

寻找论坛资源请善用论坛搜索功能,这样会为你节约不少学习时间;

论坛资源如有过期链接失效等,请到教程反馈区发帖反馈,我们会为您良好的行为点赞加分!

回复

使用道具 举报

*滑块验证:
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

免责声明:
IT帮论坛所发布的一切视频资源、工具软件和网络技术相关的文章仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络,版权争议与本站无关。您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。如果您喜欢该资源,请支持正版软件,购买注册,得到更好的正版服务。

Mail To:Service@ITbang.Net

QQ|Archiver|手机版|小黑屋|IT帮社区 ( 冀ICP备19002104号-2 )

GMT+8, 2022-6-25 13:06 , Processed in 0.057428 second(s), 20 queries .

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表