使用 Selenium 獲取 ajax (xhr) 數(shù)據(jù)

記錄一下最近一次爬蟲的場景和應(yīng)用育韩,很久沒有寫了,而且之前的腳本也不好找了赤屋。
爬蟲場景:需要用戶登錄系統(tǒng)壁袄,輸入用戶的賬號和密碼進(jìn)入系統(tǒng)变泄,進(jìn)入系統(tǒng)頁面后,在chrome瀏覽器可以查看到蛙卤,前端頁面展示的數(shù)據(jù)是通過ajax請求后端服務(wù)器的數(shù)據(jù)。
策略:如果不需要登錄系統(tǒng)垛耳,爬蟲很好實現(xiàn)堂鲜。
我想到的有兩種方法缔莲,第一種方法手動抛虫,比較笨拙,如果數(shù)據(jù)量不是很多棉姐,也夠用伞矩。
現(xiàn)在很多網(wǎng)站都使用Ajax作為數(shù)據(jù)接口沟蔑,這樣其實也方便爬蟲爬取數(shù)據(jù)厅须。
chrome瀏覽器按F12鍵眶拉,調(diào)出開發(fā)者工具镰禾,切換到“Network”,選擇篩選XHR資源劫樟。當(dāng)我們點擊關(guān)注的某些頁面叠艳,會向后端服務(wù)器發(fā)送請求返回ajax文件附较,該ajax文件里面包含我們需要爬取的信息吃粒。
點擊紅色框的下載按鈕,保存har文件拒课。下次可以點擊旁邊的上傳按鈕徐勃,上傳har文件。另外早像,也有一些插件可以輔助har文件瀏覽僻肖。


image1.png

第二種方法是Selenium+chrome driver 實現(xiàn)模擬登陸,使用 Selenium 獲取 ajax (xhr) 數(shù)據(jù)卢鹦,注意到url是動態(tài)生成的臀脏,簡單的通過requests的post或get方法不易實現(xiàn)。

#!/usr/bin/python3
# -*- coding: utf-8 -*-
import os, time, json
from selenium.webdriver.common.by import By
from selenium import webdriver
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities

if __name__ == '__main__':
    # 引入chromedriver
    chrome_options = webdriver.ChromeOptions()
    # chrome_options.add_argument('--headless')
    # chrome_options.add_argument('--no-sandbox')
    # chrome_options.add_argument("--disable-extensions")
    # chrome_options.add_argument("--disable-gpu")
    prefs = {
        'download.default_directory': os.getenv('OS_LOG_PATH')
    }
    chrome_options.add_experimental_option('prefs', prefs)
    # make chrome log requests
    capabilities = DesiredCapabilities.CHROME
    # caps['goog:loggingPrefs']
    capabilities["goog:loggingPrefs"] = {"performance": "ALL"}  # newer: goog:loggingPrefs
    # capabilities['acceptSslCerts'] = True
    #browser = webdriver.Chrome(executable_path=r'/opt/google/chrome/chromedriver', options=chrome_options)
    browser = webdriver.Chrome(executable_path=r'C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe', options=chrome_options,desired_capabilities=capabilities)
    browser.implicitly_wait(3)
    browser.get("https://#########")

    # 輸入賬號
    browser.implicitly_wait(3)
    username_inputbox = browser.find_elements(By.XPATH, '//*[@id="app"]/section/div[1]/div/div[1]/div/div[2]/form/div[1]/div/div/div/input')[0]
    username_inputbox.click()
    browser.implicitly_wait(3)
    username_inputbox.clear()
    username_inputbox.send_keys("#######")

    # 輸入密碼
    browser.implicitly_wait(3)
    password_inputbox = browser.find_elements(By.XPATH, '//*[@id="app"]/section/div[1]/div/div[1]/div/div[2]/form/div[2]/div/div/div/input')[0]
    password_inputbox.click()
    browser.implicitly_wait(3)
    password_inputbox.clear()
    password_inputbox.send_keys("#######")

    # 點擊登錄
    browser.implicitly_wait(3)
    submit_btn = browser.find_elements(By.XPATH, '//*[@id="app"]/section/div[1]/div/div[1]/div/div[2]/form/div[3]/div/button')[0]
    submit_btn.click()
    # 等待5秒
    time.sleep(5)
    #-------------------------------------------------
    base_url = "https://#########"
    browser.get(base_url)

    time.sleep(3)
    # extract requests from logs
    logs_raw = browser.get_log("performance")
    logs = [json.loads(lr["message"])["message"] for lr in logs_raw]

    def log_filter(log_):
        return (
            # is an actual response
                log_["method"] == "Network.responseReceived"
                # and json
                and "json" in log_["params"]["response"]["mimeType"]
        )

    for log in filter(log_filter, logs):
        request_id = log["params"]["requestId"]
        resp_url = log["params"]["response"]["url"]
        print(request_id)
        print(f"Caught {resp_url}")
        json_str = json.dumps(browser.execute_cdp_cmd("Network.getResponseBody", {"requestId": request_id}), indent=4)
        # 創(chuàng)建一個params.json文件
        with open(f'{request_id}.json', 'w') as f:
            f.write(json_str)  # 將json_str寫到文件中


    browser.quit()

下載生成每個json文件


image.png

參考鏈接:
1.https://qiita.com/hatobeam75/items/dbe45324c368eedd4460

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末冀自,一起剝皮案震驚了整個濱河市揉稚,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌凡纳,老刑警劉巖窃植,帶你破解...
    沈念sama閱讀 216,324評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異荐糜,居然都是意外死亡巷怜,警方通過查閱死者的電腦和手機葛超,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,356評論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來延塑,“玉大人绣张,你說我怎么就攤上這事」卮” “怎么了侥涵?”我有些...
    開封第一講書人閱讀 162,328評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長宋雏。 經(jīng)常有香客問我芜飘,道長,這世上最難降的妖魔是什么磨总? 我笑而不...
    開封第一講書人閱讀 58,147評論 1 292
  • 正文 為了忘掉前任嗦明,我火速辦了婚禮,結(jié)果婚禮上蚪燕,老公的妹妹穿的比我還像新娘娶牌。我一直安慰自己,他們只是感情好馆纳,可當(dāng)我...
    茶點故事閱讀 67,160評論 6 388
  • 文/花漫 我一把揭開白布诗良。 她就那樣靜靜地躺著,像睡著了一般鲁驶。 火紅的嫁衣襯著肌膚如雪鉴裹。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,115評論 1 296
  • 那天灵嫌,我揣著相機與錄音壹罚,去河邊找鬼。 笑死寿羞,一個胖子當(dāng)著我的面吹牛猖凛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播绪穆,決...
    沈念sama閱讀 40,025評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼辨泳,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了玖院?” 一聲冷哼從身側(cè)響起菠红,我...
    開封第一講書人閱讀 38,867評論 0 274
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎难菌,沒想到半個月后试溯,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,307評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡郊酒,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,528評論 2 332
  • 正文 我和宋清朗相戀三年遇绞,在試婚紗的時候發(fā)現(xiàn)自己被綠了键袱。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,688評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡摹闽,死狀恐怖蹄咖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情付鹿,我是刑警寧澤澜汤,帶...
    沈念sama閱讀 35,409評論 5 343
  • 正文 年R本政府宣布,位于F島的核電站舵匾,受9級特大地震影響俊抵,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜坐梯,卻給世界環(huán)境...
    茶點故事閱讀 41,001評論 3 325
  • 文/蒙蒙 一务蝠、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧烛缔,春花似錦、人聲如沸轩拨。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,657評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽亡蓉。三九已至晕翠,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間砍濒,已是汗流浹背淋肾。 一陣腳步聲響...
    開封第一講書人閱讀 32,811評論 1 268
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留爸邢,地道東北人樊卓。 一個月前我還...
    沈念sama閱讀 47,685評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像杠河,于是被迫代替她去往敵國和親碌尔。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,573評論 2 353

推薦閱讀更多精彩內(nèi)容