吾爱破解 - LCG - LSG |安卓破解|病毒分析|www.52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 7267|回复: 18
收起左侧

[Python 转载] selenium跳过webdriver检测并模拟登录淘宝

  [复制链接]
4444nn 发表于 2019-3-13 21:18

简介

模拟登录淘宝已经不是一件新鲜的事情了,过去我曾经使用get/post方式进行爬虫,同时也加入IP代{过}{滤}理池进行跳过检验,但随着大型网站的升级,采取该策略比较难实现了。因为你使用get/post方式进行爬取数据,会提示需要登录,而登录又是一大难题,需要滑动验证码验证。当你想使用IP代{过}{滤}理池进行跳过检验时,发现登录时需要手机短信验证码验证,由此可以知道旧的全自动爬取数据对于大型网站比较困难了。

selenium是一款优秀的WEB自动化测试工具,所以现在采用selenium进行半自动化爬取数据,支持模拟登录淘宝和自动处理滑动验证码。

编写思路

由于现在大型网站对selenium工具进行检测,若检测到selenium,则判定为机器人,访问被拒绝。所以第一步是要防止被检测出为机器人,如何防止被检测到呢?当使用selenium进行自动化操作时,在chrome浏览器中的consloe中输入windows.navigator.webdriver会发现结果为Ture,而正常使用浏览器的时候该值为False。所以我们将windows.navigator.webdriver进行屏蔽。

在代码中添加:


        options = webdriver.ChromeOptions()

        # 此步骤很重要,设置为开发者模式,防止被各大网站识别出来使用了Selenium

        options.add_experimental_option('excludeSwitches', ['enable-automation']) 

        self.browser = webdriver.Chrome(executable_path=chromedriver_path, options=options)

同时,为了加快爬取速度,我们将浏览器模式设置为不加载图片,在代码中添加:


        options = webdriver.ChromeOptions()

        # 不加载图片,加快访问速度

        options.add_experimental_option("prefs", {"profile.managed_default_content_settings.images": 2}) 

至此,关键的步骤我们已经懂了,剩下的就是编写代码的事情了。在给定的例子中,需要你对html、css有一定了解。

比如存在以下代码:


        self.browser.find_element_by_xpath('//*[@class="btn_tip"]/a/span').click()

        taobao_name = self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '.site-nav-bd > ul.site-nav-bd-l > li#J_SiteNavLogin > div.site-nav-menu-hd > div.site-nav-user > a.site-nav-login-info-nick ')))

        print(taobao_name.text)

第1行代码指的是从根目录(//)开始寻找任意(*)一个class名为btn_tip的元素,并找到btn_tip的子元素a标签中的子元素span

第2行代码指的是等待某个CSS元素出现,否则代码停留在这里一直检测。以.开头的在CSS中表示类名(class),以#开头的在CSS中表示ID名(id)。A > B,指的是A的子元素B。所以这行代码可以理解为寻找A的子元素B的子元素C的子元素D的子元素E出现,否则一直在这里检测。

第3行代码指的是打印某个元素的文本内容

使用教程

  1. 点击这里下载下载chrome浏览器

  2. 查看chrome浏览器的版本号,点击这里下载对应版本号的chromedriver驱动

  3. pip安装下列包

    • [x] pip install selenium
  4. 点击这里登录微博,并通过微博绑定淘宝账号密码

  5. 在main中填写chromedriver的绝对路径

  6. 在main中填写微博账号密码


    #改成你的chromedriver的完整路径地址

    chromedriver_path = "/Users/bird/Desktop/chromedriver.exe" 

    #改成你的微博账号

    weibo_username = "改成你的微博账号"

    #改成你的微博密码

    weibo_password = "改成你的微博密码"

演示图片

图片查看不了点击这里

源代码

项目源代码在GitHub仓库

项目持续更新,欢迎您star本项目

免费评分

参与人数 5吾爱币 +5 热心值 +4 收起 理由
不够气吻你 + 1 + 1 用心讨论,共获提升!
rsnodame + 1 + 1 我很赞同!
huguo002 + 1 + 1 感谢老哥分享!!!有的时候登陆有验证码!!
ningjing2011 + 1 + 1 用心讨论,共获提升!我的qq1135549871,能请教点问题吗
Nankang2 + 1 用心讨论,共获提升!

查看全部评分

发帖前要善用论坛搜索功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。

青衫桑 发表于 2020-10-13 13:06
为什么我在浏览器输入windows.navigator.webdriver提示Uncaught ReferenceError: windows is not defined而不是布尔值?
fxc 发表于 2019-3-14 09:54 来自手机
runfog 发表于 2019-3-17 01:37
yeaa 发表于 2019-3-19 13:37 来自手机
好复杂 隔行如隔山
大潘 发表于 2019-4-2 11:39
options.add_experimental_option('excludeSwitches', ['enable-automation'])
这个参数好像没用呀
hslzyd 发表于 2019-4-4 10:14
才知道selenium会被屏蔽。。。学习了
clyubbloo 发表于 2019-4-8 16:31
学习了学习了!
fanxiaofan 发表于 2019-4-10 19:51
流明记录
晨曦12 发表于 2019-4-17 09:02
学习了,有时间试试
runfog 发表于 2019-6-22 20:55
随着大型网站的升级,采取ip代{过}{滤}理池策略比较难实现了
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则 警告:本版块禁止灌水或回复与主题无关内容,违者重罚!

快速回复 收藏帖子 返回列表 搜索

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - LCG - LSG ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2024-3-29 19:11

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表