之前写过一篇关于如何利用 Selenium 操作已经打开的浏览器进行爬虫的文章

如何利用 Selenium 对已打开的浏览器进行爬虫！

最近发现很多人都开始摒弃 Selenium，全面拥抱 Playwright 了，那如何利用 Playwright 进行爬虫，以应对一些反爬严格的网站呢？

对 Playwright 不了解的小伙伴，可以看很早之前写过的一篇文章

具体操作步骤如下：

PS：这里以 Chrome 为例，其他浏览器类似

1-1查看本地 Chrome 浏览器的的安装地址

比如：C:\Program Files\Google\Chrome\Application\chrome.exe

1-2命令行启动浏览器

打开 CMD 终端，输入下面命令行打开 Chrome 浏览器

#使用无痕模式，打开目标网站，最大化展示cdC:\ProgramFiles\Google\Chrome\Application\&&chrome.exe--remote-debugging-port=6666--user-data-dir="C:\work\chrome"--start-maximized--incognito--new-windowhttps://www.taobao.com

其中

  • –remote-debugging-port 端口号

指定浏览器调试端口号

PS：这里可以随机指定一个端口号，不要指定为已经被占用的端口号

  • –user-data-dir用户数据保存目录

指定浏览器的用户数据保存目录

注意：需要设置到一个全新的目录，不要影响 Chrome 浏览器系统用户的数据

  • –incognito用户数据保存目录

    无痕模式打开，默认非无痕模式

  • –start-maximized

    窗口最大化显示

  • –new-window 目标地址

    直接打开目标网站

1-3编写代码操作浏览器

使用命令行打开 Chrome 浏览器后，就可以使用 Playwright 编写代码，继续对浏览器进行操作

注意：必须保证上面的操作只打开一个浏览器窗口，方便我们进行操作

2实战一下

目标：使用 Playwright 操作上面命令行打开的浏览器页面，根据关键字进行搜索，获取商品标题及地址

需要注意的是，通过connect_over_cdp 指定的端口号要和浏览器调试端口号保持一致

fromplaywright.sync_apiimportsync_playwrightwithsync_playwright()asp:browser=p.chromium.connect_over_cdp('http://localhost:6666/')#获取页面对象#上下文索引：第一个# page索引：第一个page=browser.contexts[0].pages[0]#输入page.locator("#q").fill("Python")#点击搜索page.locator(".btn-search").click()#等待元素出现#注意：由于page.locator能获取多条数据，这里使用first获取1条数据，避免wait_for()方法报错page.locator("div[class^=Card--doubleCard]").first.wait_for(state='visible')#获取商品盒子下所有div元素列表elements=page.locator("div[class^=Content--contentInner]>div").all()#遍历，获取标题及地址forelementinelements:#标题title_element=element.locator("div[class^=Title--title--]>span").first#地址href_element=element.locator("a[class^=Card--doubleCardWrapper--]")href="https:"+href_element.get_attribute("href")print("标题：",title_element.text_content(),"，URL：",href)

最后：下方这份完整的软件测试视频学习教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】

软件测试面试文档

我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。