@
簡介
模擬登錄淘寶已經不是一件新鮮的事情了，過去我曾經使用get/post方式進行爬蟲，同時也加入IP代理池進行跳過檢驗，但隨着大型網站的升級，采取該策略比較難實現了。因為你使用get/post方式進行爬取數據，會提示需要登錄，而登錄又是一大難題，需要滑動驗證碼驗證。當你想使用IP代理池進行跳過檢驗時，發現登錄時需要手機短信驗證碼驗證，由此可以知道舊的全自動爬取數據對於大型網站比較困難了。
selenium是一款優秀的WEB自動化測試工具，所以現在采用selenium進行半自動化爬取數據，支持模擬登錄淘寶和自動處理滑動驗證碼。
編寫思路
由於現在大型網站對selenium工具進行檢測，若檢測到selenium，則判定為機器人，訪問被拒絕。所以第一步是要防止被檢測出為機器人，如何防止被檢測到呢？當使用selenium進行自動化操作時，在chrome瀏覽器中的consloe中輸入windows.navigator.webdriver會發現結果為Ture，而正常使用瀏覽器的時候該值為False。所以我們將windows.navigator.webdriver進行屏蔽。
在代碼中添加：
options = webdriver.ChromeOptions()
# 此步驟很重要，設置為開發者模式，防止被各大網站識別出來使用了Selenium
options.add_experimental_option('excludeSwitches', ['enable-automation'])
self.browser = webdriver.Chrome(executable_path=chromedriver_path, options=options)
同時，為了加快爬取速度，我們將瀏覽器模式設置為不加載圖片，在代碼中添加：
options = webdriver.ChromeOptions()
# 不加載圖片,加快訪問速度
options.add_experimental_option("prefs", {"profile.managed_default_content_settings.images": 2})
至此，關鍵的步驟我們已經懂了，剩下的就是編寫代碼的事情了。在給定的例子中，需要你對html、css有一定了解。
比如存在以下代碼：
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行代碼指的是從根目錄(//)開始尋找任意(*)一個class名為btn_tip的元素，並找到btn_tip的子元素a標簽中的子元素span
第2行代碼指的是等待某個CSS元素出現，否則代碼停留在這里一直檢測。以.開頭的在CSS中表示類名(class)，以#開頭的在CSS中表示ID名(id)。A > B，指的是A的子元素B。所以這行代碼可以理解為尋找A的子元素B的子元素C的子元素D的子元素E出現，否則一直在這里檢測。
第3行代碼指的是打印某個元素的文本內容
使用教程
- 點擊這里下載下載chrome瀏覽器
- 查看chrome瀏覽器的版本號，點擊這里下載對應版本號的chromedriver驅動
- pip安裝下列包
- [x] pip install selenium
- 點擊這里登錄微博，並通過微博綁定淘寶賬號密碼
- 在main中填寫chromedriver的絕對路徑
- 在main中填寫微博賬號密碼
#改成你的chromedriver的完整路徑地址
chromedriver_path = "/Users/bird/Desktop/chromedriver.exe"
#改成你的微博賬號
weibo_username = "改成你的微博賬號"
#改成你的微博密碼
weibo_password = "改成你的微博密碼"
演示圖片
源代碼
項目源代碼在GitHub倉庫
項目持續更新，歡迎您star本項目