Question

我正在用selenium抓取一个电子商务网站，因为这些页面是由Javascipt加载的。

这是工作流程 - ： 1.在发送随机用户代理的同时，以虚拟显示模式实例化web潜水员驱动程序。使用随机用户代理可以降低您的检测机会。这不会减少IP阻塞的可能性。 2.对于每个查询字词，请说“睡衣” - 为该网站创建搜索网址 - 然后打开网址。 3.从Xpath获取相应的文本元素，比如十大产品，价格，产品名称等。 4.将它们存储在一个文件中 - 我将进一步处理

我有超过38000个这样的网址，我需要在页面加载时获取元素。我做了多处理，我很快意识到这个过程失败了一段时间后，网站被阻止了，所以页面加载没有发生。

我如何在Python中进行IP欺骗，并且它是否适用于为您驱动网络的selenium，而不是urllib / urlopen？

除了通过xpath设置实际提取之外，这里是基本代码 - 更具体地说，请参阅init_driver

from selenium import webdriver
from selenium.common.exceptions import NoSuchElementException
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities
import argparse
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
import codecs, urllib, os
import multiprocessing as mp
from my_custom_path import scraping_conf_updated as sf
from fake_useragent import UserAgent

def set_cookies(COOKIES, exp, driver):
    for key, val in COOKIES[exp].items():
        driver.add_cookie({'name': key, 'value': val, 'path': '/', 'secure': False, 'expiry': None})
    return driver


def check_cookies(driver, exp):
    print "printing cookie name & value"
    for cookie in driver.get_cookies():
        if cookie['name'] in COOKIES[exp].keys():
            print cookie['name'], "-->", cookie['value']


def wait_for(driver):
    if conf_key['WAIT_FOR_ID'] != '':
        WebDriverWait(driver, 10).until(
            EC.presence_of_element_located((By.ID, conf_key['WAIT_FOR_ID'])))
    elif conf_key['WAIT_FOR_CLASS'] != '':
        WebDriverWait(driver, 10).until(
            EC.presence_of_element_located((By.CLASS, conf_key['WAIT_FOR_CLASS'])))
    return driver



def init_driver(base_url, url, exp):
    display = Display(visible=0, size=(1024, 768))
    display.start()
    profile = webdriver.FirefoxProfile()
    ua = UserAgent(cache=False)
    profile.set_preference("general.useragent.override",ua.random)
    driver=webdriver.Firefox(profile)
    if len(conf_key['COOKIES'][exp]) != 0:
        driver.get(base_url)
        driver.delete_all_cookies()
        driver = set_cookies(COOKIES, exp, driver)
        check_cookies(driver, exp)
    driver.get(url)
    driver.set_page_load_timeout(300)
    if len(conf_key['POP_UP']['XPATH']) > 0:
        driver = identify_and_close_popup(driver)
    driver = wait_for(driver)
    return driver

Answer 1

使用VPN提供商或http或短袜代理来更改您目标网站上的明显IP地址

使用Selenium / Buying共享代理进行IP欺骗？

1 个答案: