selenium跳过webdriver检测并模拟登陆淘宝

@TOC

简介

模拟登陆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代理池进行跳过检验，但随着大型网站的升级，采起该策略比较难实现了。由于你使用get/post方式进行爬取数据，会提示须要登陆，而登陆又是一大难题，须要滑动验证码验证。当你想使用IP代理池进行跳过检验时，发现登陆时须要手机短信验证码验证，由此能够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，因此如今采用selenium进行半自动化爬取数据，支持模拟登陆淘宝和自动处理滑动验证码。

编写思路

因为如今大型网站对selenium工具进行检测，若检测到selenium，则断定为机器人，访问被拒绝。因此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进行自动化操做时，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。因此咱们将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)
复制代码

同时，为了加快爬取速度，咱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}) 
复制代码

至此，关键的步骤咱们已经懂了，剩下的就是编写代码的事情了。在给定的例子中，须要你对html、css有必定了解。 好比存在如下代码：

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)
复制代码

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，不然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。因此这行代码能够理解为寻找A的子元素B的子元素C的子元素D的子元素E出现，不然一直在这里检测。

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
   • pip install selenium
4. 点击这里登陆微博，并经过微博绑定淘宝帐号密码
5. 在main中填写chromedriver的绝对路径
6. 在main中填写微博帐号密码

#改为你的chromedriver的完整路径地址
    chromedriver_path = "/Users/bird/Desktop/chromedriver.exe" 
    #改为你的微博帐号
    weibo_username = "改为你的微博帐号"
    #改为你的微博密码
    weibo_password = "改为你的微博密码"
    
复制代码

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