快捷導(dǎo)航

Python selenium如何打包靜態(tài)網(wǎng)頁并下載

更新時(shí)間：2020年08月12日 10:26:49 作者：forxtz

這篇文章主要介紹了Python selenium如何打包靜態(tài)網(wǎng)頁并下載,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

需求：單純的將page.source寫入文件的方式，會導(dǎo)致一些圖片無法顯示，對于google瀏覽器，直接將頁面打包下載成一個(gè)mhtml格式的文件，則可以進(jìn)行離線下載。對應(yīng)python selenium 微信公眾號歷史文章隨手一點(diǎn)就返回首頁？郁悶之下只好將他們都下載下來。：http://m.fzitv.net/article/193111.htm

遇到的問題：

1、單純使用webdriver.ActionChains無法完成下載動(dòng)作，未能操作windows窗口。

2、沒有找到相關(guān)能直接下載.mhtml的命名接口。

3、pywin32置頂窗口的使用不順利。

解決思路：

1、使用selnium打開瀏覽器，不要操作，讓其保持置頂

2、使用pyautogui、pyperclip操作鍵盤、鼠標(biāo)、剪切板進(jìn)行下載文件。

準(zhǔn)備材料：

需要將自動(dòng)化操作的一些圖片截取下來，以作為后期圖片匹配使用。

實(shí)現(xiàn)：

1、打開爬取好的鏈接，遍歷所有需要下載的頁面

# 讀取文件
filename = r'data/01 爬取微信公眾號歷史文章/urls 二律背反的一燈如豆-out.xlsx'
df = pd.read_excel(filename,dtype=object)
df = df.reindex(columns=['日期', '標(biāo)題', '原創(chuàng)', '地址','完成情況','儲存地址'])
#df = df.head(5)
dfsel = (df['標(biāo)題'] !='隨文') & (df['完成情況'] != 1)
save_folder = r"I:\code\python\data\01 爬取微信公眾號歷史文章\01 二律背反的一燈如豆" + "\\"
# 設(shè)置保存格式為 mhtml，減少要操作文件保存下拉框的情況
options = webdriver.ChromeOptions()
options.add_argument('--save-page-as-mhtml')

# 啟動(dòng)瀏覽器
driver = webdriver.Chrome(options=options)
wait = WebDriverWait(driver,10)

df.loc[dfsel,"完成情況"],df.loc[dfsel,"儲存地址"] = zip(*df[dfsel].apply(download_mhtml_with_not_check, axis=1,args=(driver,wait)))

2、編寫相關(guān)下載頁面函數(shù)

# 在timeout秒內(nèi)，返回中心值,間隔時(shí)長time_setp
# 封裝一個(gè)pyautogui限時(shí)查找函數(shù)
#
def finde_gui_element(png,timeout = 5,time_setp=0.2):
 i = 1
 if timeout <=0 : timeout = 5
 if time_setp <=0 : time_setp = 0.2
 while True:
  if i > timeout/time_setp: return None
  center = pyautogui.locateCenterOnScreen(png,grayscale=False,confidence=0.9)
  if center == None:
   time.sleep(0.2)
  else:
   return center
  i = i + 1

主要自動(dòng)化操作代碼：

def download_mhtml_with_not_check(x,driver,wait):
 name = ''
 try:
  url = str(x['地址'])
  driver.get(url)
  # 獲取瀏覽器標(biāo)題，用于檢測是否是置頂頁
  wait.until(EC.presence_of_element_located((By.XPATH,'//h2[@id="activity-name"]')))
  title = driver.find_element_by_xpath('//h2[@id="activity-name"]').text
  print('no:',x.name,'url:',url,'title:',title)
  wait.until(EC.presence_of_element_located((By.XPATH,'//div[@id="page-content"]')))
  
  #進(jìn)入下載
  pyautogui.hotkey('ctrl', 's')
  # 等待一下對話框彈出
  time.sleep(1)
  bt = finde_gui_element(r'data\png\save.png') #查找保存按鍵
  if bt == None:
   return (0,'')
  else:
   # 根據(jù)標(biāo)題組合成具體路徑
   name = save_folder + ' ' + title + '.mhtml'
   #print(name)
   pyperclip.copy(name)
   pyautogui.hotkey('ctrl', 'v')
   time.sleep(0.1)
   pyautogui.hotkey('Enter')
   # 檢查是否彈出另存為
   bt = finde_gui_element(r'data\png\confirmsaveas.png',timeout=0.5)
   if bt != None:
    # 說明出現(xiàn)重復(fù)明明，點(diǎn)擊覆蓋
    pyautogui.hotkey('Tab')
    pyautogui.hotkey('Enter')
    return (1,name)
   bt = finde_gui_element(r'data\png\cancle.png',timeout=0.5)
   if bt != None:
    #還愛，說明出現(xiàn)了一些異常
    pyautogui.hotkey('esc')
    pyautogui.hotkey('esc')
    pyautogui.leftClick(bt)
    return (-1,name)
  # 加多一個(gè)esc防止出現(xiàn)窗口還在
  pyautogui.hotkey('esc')
 except Exception as e:
  print(str(e))
  return (-2,name)
 return (1,name)

最后寫入excel：

通過vba代碼，將單元格地址添加上超鏈接：

Option Explicit

Sub add_hype()
 Dim ws As Worksheet, arr As Variant, i As Long
 Set ws = ThisWorkbook.Worksheets(1)
 arr = ws.UsedRange.Value
 ws.Cells.Hyperlinks.Delete
 For i = 2 To UBound(arr)
  If CStr(arr(i, 2)) = "隨文" Then
  
  Else
   If CStr(arr(i, 5)) = "1" Then
    ws.Hyperlinks.Add Anchor:=ws.Cells(i, 6), Address:=CStr(arr(i, 6))
   End If
  End If
 Next i
 
End Sub

完成。

不足之處：

1、通過autogui操作，難免會遇到彈窗的情況，需要增加活動(dòng)窗體置頂，但是一直沒有找到有效的方法。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: