上篇传送门:pyppeteer执行js绕过webdriver监测方法上
官方文档
https://miyakogi.github.io/pyppeteer/reference.html#mouse-class
启动pyppteer
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
import asyncio from pyppeteer import launch async def main(): # headless参数设为False,则变成有头模式 browser = await launch( { 'headless' : False } ) # 打开一个页面 page = await browser.newPage() # 超时间见 10000 毫秒 res = await page.goto( 'https://www.cnblogs.com/guyouyin123/p/12690418.html' , options = { 'timeout' : 10000 }) # 等待 await asyncio.sleep( 2 ) print (await page.content()) # 返回html代码 resp_headers = res.headers # 响应头 resp_status = res.status # 响应状态 # 程序启动入口 asyncio.get_event_loop().run_until_complete(main()) |
切图
1
2
3
4
5
6
7
8
9
10
|
# 设置页面视图大小 await page.setViewport(viewport = { 'width' : 1280 , 'height' : 800 }) # 是否启用JS,enabled设为False,则无渲染效果 await page.setJavaScriptEnabled(enabled = True ) # 超时间见 10000 毫秒 res = await page.goto( 'https://www.cnblogs.com/guyouyin123/p/12690418.html' , options = { 'timeout' : 10000 }) # 等待 await asyncio.sleep( 2 ) # 截图 保存图片 await page.screenshot({ 'path' : 'cnblog.png' }) |
获取响应头,响应头状态,cookies
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
async def main(): # headless参数设为False,则变成有头模式 browser = await launch( { 'headless' : False } ) # 打开一个页面 page = await browser.newPage() # 超时间见 10000 毫秒 res = await page.goto( 'https://www.cnblogs.com/guyouyin123/p/12690418.html' , options = { 'timeout' : 10000 }) # 等待 await asyncio.sleep( 2 ) resp_headers = res.headers # 响应头 resp_status = res.status # 响应状态 cookies = page.cookies() print (resp_headers) print (resp_status) print (page.cookies()) # 程序启动入口 asyncio.get_event_loop().run_until_complete(main()) |
获取当前页面标题
1
|
print (await page.title()) |
获取页面html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
import asyncio from pyppeteer import launch async def main(): # headless参数设为False,则变成有头模式 browser = await launch( { 'headless' : False } ) # 打开一个页面 page = await browser.newPage() # 是否启用JS,enabled设为False,则无渲染效果 await page.setJavaScriptEnabled(enabled = True ) # 超时间见 10000 毫秒 res = await page.goto( 'https://www.cnblogs.com/guyouyin123/p/12690418.html' , options = { 'timeout' : 10000 }) # 等待 await asyncio.sleep( 2 ) print (await page.content()) # 返回html代码 |
第一种:获取整个页面html
1
2
3
4
|
res = await page.goto( 'https://www.cnblogs.com/guyouyin123/p/12690418.html' , options = { 'timeout' : 10000 }) # 等待 await asyncio.sleep( 2 ) print (await page.content()) # 返回html代码 |
第二种:只获取文本
1
2
3
4
5
|
res = await page.goto('https://www.cnblogs.com/guyouyin123/p/12690418.html', options={'timeout': 10000}) # 等待 await asyncio.sleep(2) content = await page.evaluate(pageFunction='document.body.textContent', force_expr=True) print(content) |
注入JS,控制上下滚动
1
2
3
4
5
6
7
8
9
10
|
res = await page.goto( 'https://www.cnblogs.com/guyouyin123/p/12690418.html' , options = { 'timeout' : 10000 }) # 等待 await asyncio.sleep( 2 ) # 滑到底部 await page.evaluate( 'window.scrollBy(0, document.body.scrollHeight)' ) # js window.scrollTo( 0 , 100 ) # 向下滑动100 window.scrollTo( 0 , 500 ) # 向下滑动500 window.scrollTo( 0 ,document.body.scrollHeight) # 滑到底部 window.scrollTo( 0 ,document.body.scrollHeight - 500 ) # 滑到-500 |
选择器
1
2
3
4
5
|
Page.querySelector() # CSS选择器 Page.querySelectorAll() # CSS选择器选所有 Page.xpath() # xpath选择器 # 简写方式为: Page.J(), Page.JJ(), and Page.Jx() |
获取元素内部的文本、属性
1
2
3
4
5
6
7
8
9
10
11
12
13
|
res = await page.goto( 'https://www.cnblogs.com/guyouyin123/p/12690418.html' , options = { 'timeout' : 10000 }) # 等待 await asyncio.sleep( 2 ) await page.evaluate( 'window.scrollBy(0, document.body.scrollHeight)' ) # 方式一:获取h2标签内容--执行JS方式 element = await page.querySelector( 'h2' ) title = await page.evaluate( '(element) => element.textContent' , element) # 方式二:获取文本 element = await page.querySelector( 'h2' ) title = await (await item.getProperty( 'textContent' )).jsonValue() # 方式三:获取属性src,href element = await page.querySelector( 'h2' ) title_link = await (await item.getProperty( 'href' )).jsonValue() |
get_html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
async def get_html(url): browser = await pyppeteer.launch(headless = True , args = [ '--no-sandbox' ]) page = await browser.newPage() res = await page.goto(url, options = { 'timeout' : 3000 }) data = await page.content() title = await page.title() resp_cookies = await page.cookies() # cookie resp_headers = res.headers # 响应头 resp_status = res.status # 响应状态 print (data) print (title) print (resp_headers) print (resp_status) return xxx |
模拟输入,鼠标点击
1
2
3
4
5
|
# 模拟输入 账号密码 {'delay': rand_int()} 为输入时间 await page. type ( '#fm-login-id' , "用户名" ) await page. type ( '#fm-login-password' , "密码" , ) await page.waitFor( 1000 ) # 等待时间 await page.click( "#J_SubmitStatic" ) # 点击 |
taobao登录
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
import asyncio from pyppeteer import launch async def main(): # headless参数设为False,则变成有头模式 browser = await launch( { 'headless' : False } ) # 打开一个页面 page = await browser.newPage() await page.setViewport(viewport = { 'width' : 1280 , 'height' : 800 }) res = await page.goto( 'https://login.taobao.com/' , options = { 'timeout' : 10000 }) await page. type ( '#fm-login-id' , "123456" ) await page. type ( '#fm-login-password' , "aaa" , ) await page.waitFor( 1000 ) # 等待时间 slider = await page.querySelector( '#nc_1_n1z' ) # 是否有滑块 if slider: try : print ( '有滑块' ) await page.hover( '#nc_1_n1z' ) # 不同场景的验证码模块能名字不同。 await page.mouse.down() # X,Y坐标,steps 是指分成几步来完成,steps越大,滑动速度越慢。(在源码中,steps是指移动到指定x,y 分段滑动的次数,但是每次启动滑动都会花费一定时间,可以认为steps是滑动的速度) # 如果是每次移动的距离,可以用for循环尝试正负移动 await page.mouse.move( 2000 , 0 , { 'delay' : random.randint( 1000 , 2000 )}) await page.mouse.up() except Exception as e: print (e) input ( '验证失败,人工登录:' ) else : print ( '没有滑块' ) input () await page.click( "#login-form > div.fm-btn > button" ) # 点击登录 # 程序启动入口 asyncio.get_event_loop().run_until_complete(main()) |
taobao修改检测浏览器
1
2
3
4
5
6
7
8
9
10
11
12
|
await page.evaluate( '''() =>{ Object.defineProperties(navigator,{ webdriver:{ get: () => false } }) }''' ) # 以下为插入中间js,将淘宝会为了检测浏览器而调用的js修改其结果。 await page.evaluate( '''() =>{ window.navigator.chrome = { runtime: {}, }; }''' ) await page.evaluate( '''() =>{ Object.defineProperty(navigator, 'languages', { get: () => ['en-US', 'en'] }); }''' ) await page.evaluate( '''() =>{ Object.defineProperty(navigator, 'plugins', { get: () => [1, 2, 3, 4, 5,6], }); }''' ) # 使用type选定页面元素,并修改其数值,用于输入账号密码,修改的速度仿人类操作,因为有个输入速度的检测机制 # 因为 pyppeteer 框架需要转换为js操作,而js和python的类型定义不同,所以写法与参数要用字典,类型导入 await page. type ( '.J_UserName' , username, { 'delay' : input_time_random() - 50 }) await page. type ( '#J_StandardPwd input' , pwd, { 'delay' : input_time_random()}) # await page.screenshot({'path': './headless-test-result.png'}) # 截图测试 def input_time_random(): return random.randint( 100 , 151 ) |
鼠标事件
1
2
3
4
|
.click() # 点击按钮 .down() # 按下按钮 .up() # 释放按钮 .move() # 移动光标 |
键盘事件
1
2
3
4
5
6
7
8
|
您可以使用down(),up()和 sendCharacter()手动触发事件,就好像事件是由真实键盘生成的一样。 await page.keyboard.press( 'ArrowLeft' ) await page.keyboard.down( 'Shift' ) for i in ' World' : await page.keyboard.press( 'ArrowLeft' ) await page.keyboard.up( 'Shift' ) await page.keyboard.press( 'Backspace' ) # Result text will end up saying 'Hello!'. |
按下键盘A:
1
2
3
4
|
await page.keyboard.down( 'Shift' ) await page.keyboard.press( 'KeyA' ) await page.keyboard.press( 'Enter' ) await page.keyboard.up( 'Shift' ) |
注意
修饰键确实会影响down()。按住shift 将以大写形式键入文本。
参数:
key(str)–要按键的名称,例如ArrowLeft。
options(dict)–选项可以具有text字段,如果指定了此选项,则使用此文本生成输入事件。
使用ip代理ua
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
import asyncio from pyppeteer import launch async def register(): browser = await launch({ 'headless' : False , # 代理ip 'args' : [ '--proxy-server=47.105.111.124:15525' , ] }) page = await browser.newPage() await page.setUserAgent( 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36' ) asyncio.get_event_loop().run_until_complete(register()) # 更多参数 args: [ '--disable-setuid-sandbox' , '--no-sandbox' , '--proxy-server=10.24.51.125:8411' , '--ignore-certificate-errors' , '--window-size=375,812' , '--remote-debugging-port=9222' ], |
以上就是pyppeteer执行js并绕过webdriver监测的常见方法下篇的详细内容,更多关于pyppeteer执行js绕过webdriver监测的资料请关注服务器之家其它相关文章!
原文链接:https://www.cnblogs.com/guyouyin123/p/12915951.html