selenium+python如何配置chrome瀏覽器

這篇文章主要介紹selenium+python如何配置chrome瀏覽器，文中介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們一定要看完！

1. 背景

在使用selenium瀏覽器渲染技術(shù)，爬取網(wǎng)站信息時，默認(rèn)情況下就是一個普通的純凈的chrome瀏覽器，而我們平時在使用瀏覽器時，經(jīng)常就添加一些插件，擴(kuò)展，代理之類的應(yīng)用。相對應(yīng)的，當(dāng)我們用chrome瀏覽器爬取網(wǎng)站時，可能需要對這個chrome做一些特殊的配置，以滿足爬蟲的行為。

常用的行為有：

• 禁止圖片和視頻的加載：提升網(wǎng)頁加載速度。

• 添加代理：用于翻墻訪問某些頁面，或者應(yīng)對IP訪問頻率限制的反爬技術(shù)。

• 使用移動頭：訪問移動端的站點(diǎn)，一般這種站點(diǎn)的反爬技術(shù)比較薄弱。

• 添加擴(kuò)展：像正常使用瀏覽器一樣的功能。

• 設(shè)置編碼：應(yīng)對中文站，防止亂碼。

• 阻止JavaScript執(zhí)行。

• ………

2. 環(huán)境

• python 3.6.1

• 系統(tǒng)：win7

• IDE：pycharm

• 安裝過chrome瀏覽器

• 配置好chromedriver

• selenium 3.7.0

3. chromeOptions

chromeOptions 是一個配置 chrome 啟動是屬性的類。通過這個類，我們可以為chrome配置如下參數(shù)（這個部分可以通過selenium源碼看到）：

• 設(shè)置 chrome 二進(jìn)制文件位置 (binary_location)

• 添加啟動參數(shù) (add_argument)

• 添加擴(kuò)展應(yīng)用 (add_extension, add_encoded_extension)

• 添加實(shí)驗(yàn)性質(zhì)的設(shè)置參數(shù) (add_experimental_option)

• 設(shè)置調(diào)試器地址 (debugger_address)

源代碼：

# .\Lib\site-packages\selenium\webdriver\chrome\options.py
class Options(object):

  def __init__(self):
    # 設(shè)置 chrome 二進(jìn)制文件位置
    self._binary_location = ''
    # 添加啟動參數(shù)
    self._arguments = []
    # 添加擴(kuò)展應(yīng)用
    self._extension_files = []
    self._extensions = []
    # 添加實(shí)驗(yàn)性質(zhì)的設(shè)置參數(shù)
    self._experimental_options = {}
    # 設(shè)置調(diào)試器地址
    self._debugger_address = None

使用案例：

# 設(shè)置默認(rèn)編碼為 utf-8，也就是中文

from selenium import webdriver
options = webdriver.ChromeOptions()
options.add_argument('lang=zh_CN.UTF-8')
driver = webdriver.Chrome(chrome_options = options)

4. 常用配置官方網(wǎng)站參考：https://sites.google.com/a/chromium.org/chromedriver/capabilities

4.1. 設(shè)置編碼格式

# 設(shè)置默認(rèn)編碼為 utf-8，也就是中文

from selenium import webdriver
options = webdriver.ChromeOptions()
options.add_argument('lang=zh_CN.UTF-8')
driver = webdriver.Chrome(chrome_options = options)

4.2. 模擬移動設(shè)備

移動設(shè)備user-agent表格：http://www.fynas.com/ua

因?yàn)橐苿影婢W(wǎng)站的反爬蟲的能力比較弱

# 通過設(shè)置user-agent，用來模擬移動設(shè)備
# 比如模擬 android QQ瀏覽器
options.add_argument('user-agent="MQQBrowser/26 Mozilla/5.0 (Linux; U; Android 2.3.7; zh-cn; MB200 Build/GRJ22; CyanogenMod-7) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1"')

# 模擬iPhone 6
options.add_argument('user-agent="Mozilla/5.0 (iPhone; CPU iPhone OS 9_1 like Mac OS X) AppleWebKit/601.1.46 (KHTML, like Gecko) Version/9.0 Mobile/13B143 Safari/601.1"')

4.3. 禁止圖片加載

不加載圖片的情況下，可以提升爬取速度。

# 禁止圖片的加載
from selenium import webdriver

chrome_options = webdriver.ChromeOptions()
prefs = {"profile.managed_default_content_settings.images": 2}
chrome_options.add_experimental_option("prefs", prefs)

# 啟動瀏覽器，并設(shè)置好wait
browser = webdriver.Chrome(chrome_options=chrome_options)
browser.set_window_size(configure.windowHeight, configure.windowWidth)  # 根據(jù)桌面分辨率來定，主要是為了抓到驗(yàn)證碼的截屏
wait = WebDriverWait(browser, timeout = configure.timeoutMain)

4.4. 添加代理

為selenium爬蟲添加代理，這個地方尤其需要注意的是，在選擇代理時，盡量選擇靜態(tài)IP，才能提升爬取的穩(wěn)定性。因?yàn)槿绻x擇selenium來做爬蟲，說明網(wǎng)站的反爬能力比較高（要不然直接上scrapy了），對網(wǎng)頁之間的連貫性，cookies，用戶狀態(tài)等有較高的監(jiān)測。如果使用動態(tài)匿名IP，每個IP的存活時間是很短的（1~3分鐘）。

from selenium import webdriver
# 靜態(tài)IP：102.23.1.105：2005
# 阿布云動態(tài)IP：http://D37EPSERV96VT4W2:CERU56DAEB345HU90@proxy.abuyun.com:9020
PROXY = "proxy_host:proxy:port"
options = webdriver.ChromeOptions()
desired_capabilities = options.to_capabilities()
desired_capabilities['proxy'] = {
  "httpProxy": PROXY,
  "ftpProxy": PROXY,
  "sslProxy": PROXY,
  "noProxy": None,
  "proxyType": "MANUAL",
  "class": "org.openqa.selenium.Proxy",
  "autodetect": False
}
driver = webdriver.Chrome(desired_capabilities = desired_capabilities)

4.5. 瀏覽器選項(xiàng)設(shè)置

selenium一般打開的是不帶擴(kuò)展的純凈的瀏覽器，但是有時候我們想對瀏覽器進(jìn)行一些設(shè)置，比如 設(shè)置flash選項(xiàng)的默認(rèn)值為全局始終允許，清除cookies，清除緩存 之類。

想要實(shí)現(xiàn)這個目的，有一種思路，下面以chrome瀏覽器為例：

在selenium爬蟲啟動時，首先開一個窗口，在地址欄鍵入：chrome://settings/content 或 chrome://settings/privacy，然后由程序，像操作普通網(wǎng)頁一樣，進(jìn)行設(shè)置，保存。

4.6.添加瀏覽器擴(kuò)展應(yīng)用

selenium一般打開的是不帶擴(kuò)展的純凈的瀏覽器，但是有時候我們爬取數(shù)據(jù)時需要借助一些插件，比如解析類xpath helper，翻譯類，獲取額外信息（銷量）等。那我們怎么在啟動chromedriver時，帶上一些我們需要的插件呢？

下面以在chrome中加載Xpath Helper插件為例：

4.6.1. 下載相應(yīng)的插件Xpath Helper下載地址：https://www.jb51.net/softs/673040.html
如下，是一個 以 crx 為后綴的文件：

4.6.2.

將插件路徑填入代碼中

# 添加xpath helper應(yīng)用

from selenium import webdriver
chrome_options = webdriver.ChromeOptions()

# 設(shè)置好應(yīng)用擴(kuò)展
extension_path = 'D:/extension/XPath-Helper_v2.0.2.crx'
chrome_options.add_extension(extension_path)

# 啟動瀏覽器，并設(shè)置好wait
browser = webdriver.Chrome(chrome_options=chrome_options)

4.6.3. 結(jié)果展示

4.6.4. 注意事項(xiàng)

第一，為了提高爬取速度，盡可能的少加載插件。

第二，有一種方案會加載用戶對chrome瀏覽器的所有配置信息，但是測試并無法使用，如下：

首先進(jìn)入C:\Users（用戶）\你的電腦名稱\AppData\Local\Google\Chrome\User Data\Default\Extensions，點(diǎn)開Extensions，里面的文件夾就是安裝過的擴(kuò)展，（記得先把電腦隱藏文件夾顯示出來，否則找不到） 但是名字是一堆我看不懂的無序的英文字母，我的辦法是一個一個點(diǎn)開找到對應(yīng)的插件版本號，版本號在chrome Extensions選項(xiàng)里找然后打包你需要的插件：打開chrome的設(shè)置，在里面點(diǎn)開擴(kuò)展程序，選中開發(fā)者模式，你安裝的插件的下面會出現(xiàn)一個ID，這個ID對應(yīng)的就是你要打包的插件，然后打包擴(kuò)展程序，找到對應(yīng)的文件夾（或者你也可以把這個文件夾復(fù)制到電腦任意地方）下面的版本號的文件夾，也就是ID名文件夾內(nèi)部的那個文件夾，然后點(diǎn)擊打包擴(kuò)展程序，就可以了，會相應(yīng)的在版本號的同一級地方出現(xiàn)后綴名是crx和pem的文件，這個crx的文件就是我們需要的（不過按照這種方式，在我的本地目錄是找不到這樣的crx文件，需要單獨(dú)下載…）。準(zhǔn)備工作完成，看代碼：

# 第一種方式
# chrome瀏覽器的擴(kuò)展程序都在：C:\Users\Administrator\AppData\Local\Google\Chrome\User Data\Profile 2\Extensions\下
chrome_options.add_argument("user-data-dir=C:/Users/Administrator/AppData/Local/Google/Chrome/User Data")

# 加載所有Chrome配置， 用Chrome地址欄輸入chrome://version/，查看自己的“個人資料路徑”，然后在瀏覽器啟動時，調(diào)用這個配置文件，代碼如下：
from selenium import webdriver
option = webdriver.ChromeOptions()
option.add_argument('--user-data-dir=C:\Users\Administrator\AppData\Local\Google\Chrome\User Data') #設(shè)置成用戶自己的數(shù)據(jù)目錄
driver = webdriver.Chrome(chrome_options=option)

# 出現(xiàn)錯誤結(jié)果
第一，所有瀏覽器窗口，包括自己打開的都會被控制住。
第二，其他動作不起作用，而且會crash。
Traceback (most recent call last):
 File "E:/PyCharmCode/taobaoProductSelenium/taobaoSelenium.py", line 40, in <module>
  # 啟動瀏覽器，并設(shè)置好wait
 File "E:\Miniconda\lib\site-packages\selenium\webdriver\chrome\webdriver.py", line 69, in __init__
  desired_capabilities=desired_capabilities)
 File "E:\Miniconda\lib\site-packages\selenium\webdriver\remote\webdriver.py", line 151, in __init__
  self.start_session(desired_capabilities, browser_profile)
 File "E:\Miniconda\lib\site-packages\selenium\webdriver\remote\webdriver.py", line 240, in start_session
  response = self.execute(Command.NEW_SESSION, parameters)
 File "E:\Miniconda\lib\site-packages\selenium\webdriver\remote\webdriver.py", line 308, in execute
  self.error_handler.check_response(response)
 File "E:\Miniconda\lib\site-packages\selenium\webdriver\remote\errorhandler.py", line 194, in check_response
  raise exception_class(message, screen, stacktrace)
selenium.common.exceptions.WebDriverException: Message: unknown error: Chrome failed to start: crashed
 (Driver info: chromedriver=2.32.498550 (9dec58e66c31bcc53a9ce3c7226f0c1c5810906a),platform=Windows NT 6.1.7601 SP1 x86_64)

4.7. 登錄時關(guān)閉彈出的密碼保存提示框

最近在使用chrome登錄網(wǎng)站的時候總有密碼保存提示框，并不是所有的都會有密碼保存提示框，其實(shí)只需要設(shè)置啟動chrome的相關(guān)參數(shù)就可以避免這種問題。

from time import sleep 
from selenium import webdriver 
from selenium.webdriver.common.by import By
options = webdriver.ChromeOptions() 
prefs = {} 
# 設(shè)置這兩個參數(shù)就可以避免密碼提示框的彈出
prefs[“credentials_enable_service”] = False 
prefs[“profile.password_manager_enabled”] = False 
options.add_experimental_option(“prefs”, prefs) 
browser = webdriver.Chrome(chrome_options=options) 
browser.get('https://www.baidu.com/')

5. 其他參數(shù)

參考文章：https://www.jb51.net/article/182967.htm

5.1 chrome地址欄命令在Chrome的瀏覽器地址欄中輸入以下命令，就會返回相應(yīng)的結(jié)果。這些命令包括查看內(nèi)存狀態(tài)，瀏覽器狀態(tài)，網(wǎng)絡(luò)狀態(tài)，DNS服務(wù)器狀態(tài)，插件緩存等等。但是需要注意的是這些命令會不停的變動，所以不一定都是好用的。
　　about:version - 顯示當(dāng)前版本
　　about:memory - 顯示本機(jī)瀏覽器內(nèi)存使用狀況
　　about:plugins - 顯示已安裝插件
　　about:histograms - 顯示歷史記錄
　　about:dns - 顯示DNS狀態(tài)
　　about:cache - 顯示緩存頁面
　　about:gpu -是否有硬件加速
　　about:flags -開啟一些插件 //使用后彈出這么些東西：“請小心，這些實(shí)驗(yàn)可能有風(fēng)險”，不知會不會搞亂俺的配置啊！
　　chrome://extensions/ - 查看已經(jīng)安裝的擴(kuò)展

5.2. chrome實(shí)用參數(shù)

其他的一些關(guān)于Chrome的實(shí)用參數(shù)及簡要的中文說明，使用方法同上4.5.4，當(dāng)然也可以在shell中使用。
　　–user-data-dir=”[PATH]” 指定用戶文件夾User Data路徑，可以把書簽這樣的用戶數(shù)據(jù)保存在系統(tǒng)分區(qū)以外的分區(qū)。
　　–disk-cache-dir=”[PATH]“ 指定緩存Cache路徑
　　–disk-cache-size= 指定Cache大小，單位Byte
　　–first run 重置到初始狀態(tài)，第一次運(yùn)行
　　–incognito 隱身模式啟動
　　–disable-javascript 禁用Javascript
　　--omnibox-popup-count=“num” 將地址欄彈出的提示菜單數(shù)量改為num個。我都改為15個了。
　　--user-agent=“xxxxxxxx” 修改HTTP請求頭部的Agent字符串，可以通過about:version頁面查看修改效果
　　--disable-plugins 禁止加載所有插件，可以增加速度?？梢酝ㄟ^about:plugins頁面查看效果
　　--disable-javascript 禁用JavaScript，如果覺得速度慢在加上這個
　　--disable-java 禁用java
　　--start-maximized 啟動就最大化
　　--no-sandbox 取消沙盒模式
　　--single-process 單進(jìn)程運(yùn)行
　　--process-per-tab 每個標(biāo)簽使用單獨(dú)進(jìn)程
　　--process-per-site 每個站點(diǎn)使用單獨(dú)進(jìn)程
　　--in-process-plugins 插件不啟用單獨(dú)進(jìn)程
　　--disable-popup-blocking 禁用彈出攔截
　　--disable-plugins 禁用插件
　　--disable-images 禁用圖像
　　--incognito 啟動進(jìn)入隱身模式
　　--enable-udd-profiles 啟用賬戶切換菜單
　　--proxy-pac-url 使用pac代理 [via 1/2]
　　--lang=zh-CN 設(shè)置語言為簡體中文
　　--disk-cache-dir 自定義緩存目錄
　　--disk-cache-size 自定義緩存最大值（單位byte）
　　--media-cache-size 自定義多媒體緩存最大值（單位byte）
　　--bookmark-menu 在工具 欄增加一個書簽按鈕
　　--enable-sync 啟用書簽同步
　　–single-process 單進(jìn)程運(yùn)行Google Chrome
　　–start-maximized 啟動Google Chrome就最大化
　　–disable-java 禁止Java
　　–no-sandbox 非沙盒模式運(yùn)行

以上是“selenium+python如何配置chrome瀏覽器”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對大家有幫助，更多相關(guān)知識，歡迎關(guān)注億速云行業(yè)資訊頻道！