python通过webdriver(模拟登陆+验证码识别)爬取动态网页指定数据

爬取步骤:

1.验证码图片截取,云打码识别
2.模拟登陆
3.通过webdriver选择点击所需数据
4.html保存解析,数清清洗
5.数据存入数据库
6.触发器自动更新数据库

一、验证码图片下载

import time
from selenium import webdriver
from PIL import Image
coding='utf-8'
#driver = webdriver.Firefox(executable_path=r'C:\Program Files\Mozilla Firefox\geckodriver.exe')
driver = webdriver.Chrome(executable_path=r'C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe')
driver.maximize_window()
driver.implicitly_wait(6)
driver.get("********************************************")     #此处为url地址
time.sleep(1)

driver.get_screenshot_as_file('截图.png')
imgelement = driver.find_element_by_id('codeImage')  #定位验证码
# /html/body/form/div[3]/div[3]/div/ul/li[4]/img
location = imgelement.location
# location = imgelement.location_once_scrolled_into_view
size = imgelement.size

a1 = tuple(location.values())   #(x,y)
a2 = tuple(size.values())   #(height,width)

print(location)
print(size)
driver.close()
rangle = (a1[0]*1.25,a1[1]*1.25,a1[0]*1.25+a2[1]*1.25,a1[1]*1.25+a2[0]*1.25)    #(x,y,x+width,y+height)  注意本机设置的缩放比例为125%,故所有元素*1.25
print(rangle)
i = Image.open('截图.png')
frame4 = i.crop(rangle)
frame4.save('验证码.png')

二、使用云打码API验证码识别

#云打码平台,识别图片验证吗
from ctypes import *
def ydm_func(ydm_appid, ydm_appkey, ydm_username, ydm_password, filename, type1):
    """
    封装的云打码函数
    """

    YDMApi = windll.LoadLibrary('yundamaAPI-x64')
    # 查询所有类型 http://www.yundama.com/price.html
    # 分配30个字节存放识别结果
    result = c_char_p(b"                              ")
    timeout = 30
    Id = YDMApi.YDM_EasyDecodeByPath(ydm_username, ydm_password, ydm_appid, ydm_appkey, filename, type1,timeout, result)
    print("一键识别:验证码ID:%d,识别结果:%s" % (Id, result.value))
    print(result.value)
    return result.value

YDM_APPID = 10723   # 软件ID,开发者分成必要参数。登录开发者后台【我的软件】获得!
YDM_APPKEY = b'**********************************'     # 软件密钥,开发者分成必要参数。登录开发者后台【我的软件】获得!
YDM_USERNAME = b'jinghua'
YDM_PASSWORD = b'******'
FILE_NAME = b'min.png'

ydm_func(YDM_APPID, YDM_APPKEY, YDM_USERNAME, YDM_PASSWORD, FILE_NAME,1004)

三、模拟登录并跳转到指定网页,及爬虫部分

import os
import time
import datetime
from selenium import webdriver
from selenium.common.exceptions import NoSuchElementException
from bs4 import BeautifulSoup
import pymysql
import pandas as pd
from sqlalchemy import create_engine

class yd_djfb_Spyder():
    def __init__(self):
        # 登录用户名,用户命名
        today = datetime.date.today()
        startdate = today - datetime.timedelta(days=8)    #开始日期为当天日期前推8天
        #enddate = today - datetime.timedelta(days=0)
        startdate = str(startdate)+' 00:00:00'     #格式化日期,备用
        enddate = str(today)+' 00:00:00'     #格式化日期,备用
        self.username_ = "******"   
        self.password_ = "******"
        self.href = '***********************************************'      #所爬取后台的网址URL
        self.date1 = startdate
        self.date2 = enddate
        # 获取浏览器对象,火狐或者谷歌,需要提前把相应文本driver放入下边指定文件夹
        self.browser = webdriver.Firefox(executable_path=r'C:\Program Files\Mozilla Firefox\geckodriver.exe')
        # self.browser = webdriver.Chrome(executable_path=r'C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe')
        # html请求
        self.browser.get(self.href)
        time.sleep(2)

        # 获取输入用户名,密码元素 并输入用户名和密码
        username = self.browser.find_element_by_xpath('//input[@id="txtName"]')    #通过XPATH找到用户名输入框
        password = self.browser.find_element_by_xpath('//input[@id="txtPassword"]')        #通过XPATH找到密码输入框
        username.clear()
        username.send_keys(self.username_)          #输入用户名
        password.clear()          #输入密码
        password.send_keys(self.password_)
        # 下面是验证码部分,如果需要验证码的化
        while True:
            try:
                verify_img = self.browser.find_element_by_xpath('//img[@id="codeImage"]')
            except NoSuchElementException:
                break
            if verify_img:
                # 输入验证码
                verify_code = self.browser.find_element_by_xpath('//input[@name="checkCode"]')
                verify_code_ = input('verify_code > ')
                verify_code.clear()
                verify_code.send_keys(verify_code_)
                # 获取提交登陆元素 并点击
                sub_btn = self.browser.find_element_by_xpath('//input[@name="btnSubmit"]')
                sub_btn.click()
                time.sleep(5)
            else:
                break

        menu2 =self.browser.find_element_by_xpath('//a/span[@id="SpanChannelMenu_Menu3"]')    #找到点击查询按钮
        menu2.click()    #点击
        time.sleep(2)    #休眠2秒
        self.browser.switch_to.frame('left')    #转换到left的frame

        time.sleep(5)   #休眠5秒
        main_left1 = self.browser.find_element_by_link_text('平台整体数据汇总')    #找到平台整体数据汇总按钮
        main_left1.click()   #点击
        time.sleep(5)  #休眠5秒
        self.browser.switch_to.default_content()    #回到主框架
        self.browser.switch_to.frame('main_right')  #进入要定位元素被包含的那层框架,框架可以用id和name直接定位
        start_date_select=self.browser.find_element_by_xpath('//input[@id="txtStartDate"]')
        start_date_select.clear()
        start_date_select.send_keys(self.date1) #填写开始日期
        start_date_select = self.browser.find_element_by_xpath('//input[@id="txtEndDate"]')
        start_date_select.clear()
        start_date_select.send_keys(self.date2)  #填写结束日期
        quiry = self.browser.find_element_by_xpath('//input[@id="btnDaySearch"]')     #找到查询按钮
        quiry.click()
        time.sleep(15)

        os_path = os.getcwd()    #得到当前文件夹
        print(os_path )
        dst_dir = os.path.join(os_path, '平台整体数据汇总')     #拼接为HTML保存的文件夹
        if not os.path.isdir(dst_dir):    #创建文件夹
            os.mkdir(dst_dir)
        file_name = os.path.join(dst_dir, '{}.html'.format('平台整体数据汇总'))
        # 必须指定编码格式
        with open(file_name, 'w') as f:
            f.write(self.browser.page_source)
        print('Page {}  download  finish!'.format('平台整体数据汇总'))

        time.sleep(3)

def get_report_text(file_name):
    text = []
    soup = BeautifulSoup(open(file_name), 'lxml')
    items = soup.find_all("tr")

    if not items:
        text = []
    e = ""
    bt = items[0]
    bt1 = bt.find_all("th")
    for x in range(len(bt1)):
        m = bt1[x].get_text()
        e = e + m + ","
    e = e[0:-1].encode('utf-8')
    # print(e)
    set1 = set()

    for item in items:
        try:
            a=""
            sj=item.find_all("td")
            for i in range(len(sj)):
                b = sj[i].get_text()
                a = a + b + ","
            a=a[0:-1].encode('utf-8')
            set1.add(a)
        except AttributeError:
            pass
    l1 = list(set1)
    path1 = os.getcwd()
    path = os.path.join(path1,'jd_djfb.csv')
    if os.path.exists(path):
        os.remove(path)
    with open("jd_djfb.csv", "ab+") as f:
        f.truncate()
        f.write(e)
        for i in range(len(l1)):
            f.write(l1[i])
            f.write('\n'.encode('utf-8'))
def data_to_sql():
    path = "D:/Program Files/PyCharm Community Edition 2018.2.4/sj_data_spider/jd_djfb.csv"
    d1 = pd.read_csv(path, sep=',', encoding='utf-8')
    engine = create_engine("mysql+pymysql://root:1qaz@localhost:3306/基地电竞风暴?charset=utf8")
    d1.to_sql(name='ptztsj_数据池', con=engine, if_exists='append', index=False, index_label=False)

if __name__ == '__main__':
    yd_djfb_Spyder()
    print(os.getcwd())
    get_report_text("C:/Users/82122/Desktop/办公/合并文件等/平台整体数据汇总/平台整体数据汇总.html")
    data_to_sql()
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,491评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,856评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,745评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,196评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,073评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,112评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,531评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,215评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,485评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,578评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,356评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,215评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,583评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,898评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,497评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,697评论 2 335