中-码
发布于:2023年1月28日 20:39
高级用法,非常精湛!😄
发布于:2023年1月28日 20:39
高级用法,非常精湛!😄
selenium
爬取页面时经常遇到要保存图片的需求,通常的做法是获取链接后用 requests
下载,但这种方法脱离了selenium环境,如遇到有校验的情况还需要绕过校验。
下面介绍两种直接通过selenium保存图片的方法:
selenium-wire
是selenium扩展,它可以对所有请求抓包,同时还可以修改请求头,请求body,请求返回值等,功能非常强大。
selenium-wire
的使用和selenium一样,你只从seleniumwire导入webdriver就行,对于其他包还是从selenium导入
from selenium.webdriver.chrome.options import Options
from seleniumwire.webdriver import Chrome
driver = Chrome(options= Options())
下载图片有两种方法:
通过拦截器预先把所有图片保存下来,要用到时在缓存目录中找
def get_img_path_from_url(url): # 自行实现 return url def response_interceptor(request, response):
# 这个过程是同步的,实际应用中建议通过进程/线程处理这部分逻辑 t=response.headers['Content-Type'] if request.host=='xxx' and t and 'image' in t: with open(get_img_path_from_url(request.url), 'wb') as f: f.write(response.body) driver.response_interceptor = response_interceptor driver.get('...') src=driver.find_element_by_tag_name('img').get_attribute('src') img_path=get_img_path_from_url(src)
这种方法有个缺点,浏览器会自动缓存图片,如果之前已经缓存过这张图片是不会有网络请求的
# 下载前先清理数据,不然请求太多 del driver.requests driver.get('...') src=driver.find_element_by_tag_name('img').get_attribute('src')
for r in driver.iter_requests(): if r.url==src: with open('img', 'wb') as f: f.write(r.response.body)
使用js把图片放到canvas中,然后获取base64字符串,再保存
import base64
import os
import re
from io import BytesIO
from PIL import Image
def base64_to_image(base64_str):
base64_data = re.sub('^data:image/.+;base64,', '', base64_str)
byte_data = base64.b64decode(base64_data)
image_data = BytesIO(byte_data)
img = Image.open(image_data)
return img
js = "let c = document.createElement('canvas');let ctx = c.getContext('2d');" \
"let img = document.getElementsByTagName('img')[0]; /*找到图片*/ " \
"c.height=img.naturalHeight;c.width=img.naturalWidth;" \
"ctx.drawImage(img, 0, 0,img.naturalWidth, img.naturalHeight);" \
"let base64String = c.toDataURL();return base64String;"
base64_str = driver.execute_script(js)
img = base64_to_image(base64_str)
img.save('xx.png')
Powered by Froala Editor
发表评论 (对文章评论)