Question

以下是我的情况：我必须登录一个网站并从那里下载一个CSV，从linux服务器无头。该页面使用JS，没有它就无法工作。

经过一些研究后，我选择了Selenium和PhantomJS。登录，设置CSV参数和使用Selenium / PhantomJS / Py3查找下载按钮都没有问题，实际上令人惊讶的是令人愉快。

但是点击下载按钮没有做任何事情。经过一些研究后，我发现PhantomJS似乎不支持下载对话框和下载，但它正在即将推出的功能列表中。

所以当我发现下载按钮只是调用REST API URL时，我认为我使用了urllib的解决方法。问题是，它只有在您登录网站时才有效。所以第一次尝试失败了，因为它返回：b'{"success":false,"session":"expired"}'这是有道理的，因为我希望Selenium和urllib使用不同的会话。所以我想我在urrlib中使用Seleniums驱动程序的头文件试试这个：

...
url = 'http://www.foo.com/api/index'
data = urllib.parse.urlencode({
        'foopara': 'cadbrabar',
    }).encode('utf-8')
headers = {}
for cookie in driver.get_cookies():
    headers[cookie['name']] = cookie['value']
req = urllib.request.Request(url, data, headers)
with urllib.request.urlopen(req) as response:
    page = response.read()
driver.close()

不幸的是，这产生了与过期会话相同的结果。我做错了什么，有没有办法绕过这个，其他建议还是我走到了尽头？提前谢谢。

Answer 1

我找到了一个解决方案并想分享它。一个要求发生了变化，我不再使用PhantomJS，而是使用虚拟帧缓冲区无头工作的chromedriver。同样的结果，它完成了工作。

您需要的是：

pip install selenium pyvirtualdisplay

apt-get install xvfb

下载ChromeDriver

我使用Py3.5和来自ovh.net的测试文件，带有标签而不是按钮。脚本等待页面上出现然后单击它。如果您不等待该元素并且位于异步站点上，则您尝试单击的元素可能尚未存在。下载位置是相对于脚本位置的文件夹。如果文件已经下载了第二次延迟，脚本将检查该目录。如果我没有错，文件应该是.part在下载期间，一旦它成为filename中指定的.dat，脚本就会完成。如果在下载无法完成之前关闭虚拟帧缓冲区和驱动程序。完整的脚本如下所示：

# !/usr/bin/python
# coding: utf-8

import os
import sys
import time
from pyvirtualdisplay import Display
from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
import glob


def main(argv):
    url = 'http://ovh.net/files'
    dl_dir = 'downloads'
    filename = '1Mio.dat'

    display = Display(visible=0, size=(800, 600))
    display.start()

    chrome_options = webdriver.ChromeOptions()
    dl_location = os.path.join(os.getcwd(), dl_dir)

    prefs = {"download.default_directory": dl_location}
    chrome_options.add_experimental_option("prefs", prefs)
    chromedriver = "./chromedriver"
    driver = webdriver.Chrome(executable_path=chromedriver, chrome_options=chrome_options)

    driver.set_window_size(800, 600)
    driver.get(url)
    WebDriverWait(driver, 30).until(EC.presence_of_element_located((By.XPATH, '//a[@href="' + filename + '"]')))

    hyperlink = driver.find_element_by_xpath('//a[@href="' + filename + '"]')
    hyperlink.click()

    while not(glob.glob(os.path.join(dl_location, filename))):
        time.sleep(1)

    driver.close()
    display.stop()

if __name__ == '__main__':
    main(sys.argv)

我希望将来可以帮助某人。

Answer 2

如果要下载的按钮具有文件链接，则可以使用python代码测试下载，因为PhantonJs不支持自行下载。因此，如果您的下载按钮未提供文件链接，则表示您无法测试。

要使用文件链接和phyton（断言该文件存在）进行测试，您可以按照此主题进行操作。由于我是C＃开发人员和睾丸工程师，我不知道在python中编写代码的更好方法没有错误，但我相信你可以：

Basic http file downloading and saving to disk in python?

Answer 3

我最近使用Selenium利用ChromeDriver从网上下载文件。这是有效的，因为Chrome会自动下载该文件并将其存储在下载文件中。这比使用PhantomJS更容易。

我建议将ChromeDriver与Selenium一起使用并走这条路线：https://github.com/SeleniumHQ/selenium/wiki/ChromeDriver

编辑 - 如下所述，我忽略了如何设置ChromeDriver以无头模式运行。以下是更多信息：http://www.chrisle.me/2013/08/running-headless-selenium-with-chrome/

或者： https://gist.github.com/chuckbutler/8030755

Answer 4

您可以尝试以下内容：

from requests.auth import HTTPBasicAuth
import requests

url = "http://some_site/files?file=file.csv"  # URL used to download file
#  GET-request to get file content using your web-site's credentials to access file
r = requests.get(url, auth=HTTPBasicAuth("your_username", "your_password"))
#  Saving response content to file on your computer
with open("path/to/folder/to/save/file/filename.csv", 'w') as my_file:
    my_file.write(r.content)

如何使用Python，Selenium和PhantomJS下载文件

4 个答案: