selenium跳过webdriver检测并模拟登录淘宝

tulayang 发布于2019-07-31 10:09 / 2416人阅读

摘要：是一款优秀的自动化测试工具，所以现在采用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工具进行检测，若检测到，则判定为机器人，访问被拒绝。以开头的在中表示类名，以开头的在中表示名。

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

点击这里下载下载chrome浏览器

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

pip安装下列包

[x] pip install selenium

点击这里登录微博，并通过微博绑定淘宝账号密码

在main中填写chromedriver的绝对路径

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

idc机房托管私有云 selenium模拟webrtc摄像头 linux 跳过磁盘检测 ECS 跳过磁盘检测 aspx 跳过登录

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/43347.html

selenium跳过webdriver检测并爬取淘宝我已购买的宝贝数据

摘要：简介上一个博文已经讲述了如何使用跳过检测并爬取天猫商品数据，所以在此不再详细讲，有需要思路的可以查看另外一篇博文。简介上一个博文已经讲述了如何使用selenium跳过webdriver检测并爬取天猫商品数据，所以在此不再详细讲，有需要思路的可以查看另外一篇博文。源代码 # -*- coding: utf-8 -*- from selenium import webdr...

banana_pi 2019-07-31 10:10 评论0 收藏0
selenium跳过webdriver检测并爬取天猫商品数据

摘要：简介现在爬取淘宝，天猫商品数据都是需要首先进行登录的。把关键点放在如何爬取天猫商品数据上。是一款优秀的自动化测试工具，所以现在采用进行半自动化爬取数据。以开头的在中表示类名，以开头的在中表示名。简介现在爬取淘宝，天猫商品数据都是需要首先进行登录的。上一节我们已经完成了模拟登录淘宝的步骤，所以在此不详细讲如何模拟登录淘宝。把关键点放在如何爬取天猫商品数据上。过去我曾经使用get/p...

codecook 2019-07-31 10:09 评论0 收藏0
一行js代码识别Selenium+Webdriver及其应对方案

摘要：截至年月日分，本文所讲的方法可以用来登录知乎。如果使用直接登录知乎，会弹出验证码先使用本文的方法再登录知乎，能够成功伪装成真实的浏览器，不会弹出验证码。实际上，能被识别的特征不止这一个。有不少朋友在开发爬虫的过程中喜欢使用Selenium + Chromedriver，以为这样就能做到不被网站的反爬虫机制发现。先不说淘宝这种基于用户行为的反爬虫策略，仅仅是一个普通的小网站，使用一行...

andycall 2019-08-23 15:10 评论0 收藏0
一行js代码识别Selenium+Webdriver及其应对方案

摘要：截至年月日分，本文所讲的方法可以用来登录知乎。如果使用直接登录知乎，会弹出验证码先使用本文的方法再登录知乎，能够成功伪装成真实的浏览器，不会弹出验证码。实际上，能被识别的特征不止这一个。有不少朋友在开发爬虫的过程中喜欢使用Selenium + Chromedriver，以为这样就能做到不被网站的反爬虫机制发现。先不说淘宝这种基于用户行为的反爬虫策略，仅仅是一个普通的小网站，使用一行...

Tamic 2019-07-31 10:03 评论0 收藏0
Web开发 - Selenium自动化&爬虫

摘要：自动化爬取淘宝中的订单这是淘宝会员登录页。但淘宝的反爬机制很难算出，很多都是通过的计算，所以不得不学习源码，反到最后看的头痛。。。自动化爬取淘宝中的订单这是淘宝会员登录页。因为之前做的爬虫都是通过框架或从登录页取得Cookie，再注入进去实现登陆过程的。但淘宝的反爬机制很难算出Cookie，很多Cookie都是通过JS的计算，所以不得不学习源码，反到最后看的头痛。。。第一次尝...

Chao 2019-08-14 17:54 评论0 收藏0