selenium-wire 教程

selenium-wire

1 安装

pip install selenium-wire

2 简单例子

from seleniumwire import webdriver

driver = webdriver.Chrome()

driver.get('https://www.baidu.com/')

# Access requests via the `requests` attribute
for request in driver.requests:
    if request.response:
        print(
            request.url,   # 请求的url
            request.response.status_code,   # 状态码
            request.headers  # 请求的headers
            request.response.headers,  # 返回的headers
        )

3 安装SSL(winodws不需要安装)

# For apt based Linux systems
sudo apt install openssl

# For RPM based Linux systems
sudo yum install openssl

# For Linux alpine
sudo apk add openssl

4 远程网络驱动程序

from selenium.webdriver.common.by import By
from seleniumwire import webdriver

options = {
    'suppress_connection_errors': False,
    'auto_config': False,
    'addr': '0.0.0.0',
    'port': 8087,
    'proxy': {
        'http': <forward proxy details like scheme://user:pass@ip:port>,
        'https': <forward proxy details like scheme://user:pass@ip:port>,,
    },
}

chrome_options = webdriver.ChromeOptions()
chrome_options.add_argument('--proxy-server=kubernetes-service-name:8087')
chrome_options.add_argument('--ignore-certificate-errors')
chrome_options.add_argument("--disable-dev-shm-usage"); 
chrome_options.add_argument("start-maximized"); 
chrome_options.add_argument("disable-infobars"); 
chrome_options.add_argument("--disable-extensions")
chrome_options.add_argument("--disable-gpu"); 
chrome_options.add_argument("--no-sandbox");
chrome_options.add_argument("--user-data-dir=/root/chrome/data")
# 指定chrome的路径
chrome_options.binary_location = "/opt/google/chrome/chrome"

s = Service("/usr/bin/chromedriver")
browser = webdriver.Remote('http://selenium-service-name:4444/wd/hub',service=s, desired_capabilities=chrome_options.to_capabilities(), seleniumwire_options=options)

print("Browser setup done.")
# Use try/finally so the browser quits even if there is an exception
try:
    print("Getting yt.")
    browser.get("https://www.youtube.com/")
    print("Saving screenshot for yt")
    browser.save_screenshot('yt.png')
    print("Extracting Xpath.")
    text = browser.find_element(By.XPATH,'/html/body/ytd-app/div/ytd-page-manager/ytd-browse/ytd-two-column-browse'
                                         '-results-renderer/div[1]/ytd-rich-grid-renderer/div['
                                         '6]/ytd-rich-item-renderer[1]/div/ytd-rich-grid-media/div[1]/div/div['
                                         '1]/h3/a/yt-formatted-string').text
    print(f'The title of the first video on youtube is : {text}')
except Exception as e:
    print(e)
finally:
    browser.quit()
    print(browser.requests)

5 访问请求

driver.requests  # 按时间顺序排列的捕获请求列表。
driver.last_request  # 最后一个请求 用于检索最近捕获的请求的便利属性。这比使用driver.requests[-1]更有效。
driver.wait_for_request(pat, timeout=10)  # 此方法将等待，直到它看到与模式匹配的请求  pat可以是简单的子字符串或正则表达式
driver.proxy = {  # 设置代理
    'http': 'http://user:pass@192.168.10.100:8888',
    'https': 'https://user:pass@192.168.10.100:8889',
}
driver.har  # 已发生的 HTTP 事务的 JSON 格式的 HAR 存档
driver.iter_requests()  # 返回捕获请求的迭代器。在处理大量请求时很有用
def request_interceptor(request, response):  # A response interceptor takes two args
    del request.headers['Referer']  # Remember to delete the header first
    request.headers['Referer'] = 'some_referer'  # Spoof the referer
driver.request_interceptor = request_interceptor  # 用于设置请求拦截器。

def response_interceptor(request, response):  # A response interceptor takes two args
    if request.url == 'https://server.com/some/path':
        if request.url == 'https://server.com/some/path':
        	response.headers['New-Header'] = 'Some Value'
driver.response_interceptor = response_interceptor  # 用于设置响应拦截器。

6 Options

options = {
    'addr': '192.168.0.10',  # 运行的 IP 地址或主机名。这默认为127.0.0.1。如果您使用的是远程webdriver，您可能希望将其更改为机器（或容器）的公共 IP 
    'port': 9999, #  后端监听的端口号。您通常不需要指定端口，因为系统会自动选择随机端口号
    'auto_config': True,  # Selenium Wire 是否应该为请求捕获自动配置浏览器 默认为False
    'ca_cert': '/path/to/ca.crt',  # 如果您更喜欢使用自己的证书而不是使用默认证书，则为根 (CA) 证书的路径
    'ca_key': '/path/to/ca.key', # 如果您使用自己的根证书，则为私钥的路径。使用您自己的证书时，必须始终提供密钥
    'disable_capture': True, # 禁用请求捕获。当True时，没有任何内容被拦截或存储 默认False
    'disable_encoding': True, # 要求服务器发回未压缩的数据。默认False。当为True时，这会将Accept-Encoding标头设置为所有出站请求的标识
    'enable_har': True, # 当True时，将保留 HTTP 事务的 HAR 存档，可以使用driver.har检索。默认False
    'exclude_hosts': ['google-analytics.com'], # 应完全绕过 Selenium Wire 的地址列表
    'ignore_http_methods': [], # 忽略且不捕获的 HTTP 方法列表（指定为大写字符串）
    'proxy': {  # 如果您使用代理，则为上游代理服务器配置。
        'http': 'http://user:pass@192.168.10.100:8888',
        'https': 'https://user:pass@192.168.10.100:8889',
        'no_proxy': 'localhost,127.0.0.1'
    },
    'request_storage': 'memory', # 要使用的存储类型。Selenium Wire 默认为基于磁盘的存储
    'request_storage_base_dir': '/my/storage/folder', # 使用其默认的基于磁盘的存储时存储捕获的请求和响应的基本位置
    'request_storage_max_size': 100, # 使用内存存储时要存储的最大请求数。默认无限制。使用默认的基于磁盘的存储时无效
    'verify_ssl': True,  # 是否应验证 SSL 证书。False默认情况下，这可以防止自签名证书出错
    'suppress_connection_errors': False # 是否抑制与连接相关的回溯。True默认情况下，这意味着有时在浏览器关闭时发生的无害错误不会提醒用户
}
driver = webdriver.Chrome(seleniumwire_options=options)

7 Request 对象

body  # 请求正文为bytes. 如果请求没有正文，则 的值为body空，即b''.
cert  # 字典格式的有关服务器 SSL 证书的信息。对于非 HTTPS 请求为空。
date  # 发出请求的日期时间。
headers  # 请求标头的类似字典的对象。标头不区分大小写，并且允许重复。请求request.headers['user-agent']将返回标头的值User-Agent
host  # 请求主机，例如www.example.com
method  # HTTP 方法，例如GET或POST等。
params  # 请求参数字典。如果同名参数在请求中多次出现，它在字典中的值将是一个列表。
path  # 请求路径，例如/some/path/index.html
querystring  # 查询字符串，例如foo=bar&spam=eggs
response  # 与请求关联的响应对象。None如果请求没有响应，就会出现这种情况。
url  # 请求网址，例如https://www.example.com/some/path/index.html?foo=bar&spam=eggs
ws_messages  # 如果请求是 websocket 握手请求（通常以 URL 开头wss://），则将ws_messages包含发送和接收的所有 websocket 消息的列表
abort(error_code=403)  # 使用提供的错误代码触发立即终止请求。在请求拦截器中使用
create_response(status_code, headers=(), body=b'')  # 创建一个响应并返回它而不向远程服务器发送任何数据。在请求拦截器中使用

8 WebSocketMessage 对象

content  # 消息内容可以是str或bytes
date  # 消息的日期时间
from_client  # True消息何时由客户端发送以及False何时由服务器发送

9 Response 对象

body  # 响应主体为bytes. 如果响应没有正文，则 的值为body空，即b''。有时正文可能已被服务器压缩。您可以使用disable_encoding 选项来防止这种情况。要手动解码编码的响应主体，您可以执行以下操作：
from seleniumwire.utils import decode
body = decode(response.body, response.headers.get('Content-Encoding', 'identity'))

date  # 收到响应的日期时间
headers  # 类似字典的响应标头对象。标头不区分大小写，并且允许重复
reason  # 原因短语，例如OK或Not Found等
status_code  # 响应的状态代码，例如200或404等

10 拦截Requests and Responses

def interceptor(request):  # 添加请求头
    request.headers['New-Header'] = 'Some Value'
driver.request_interceptor = interceptor
driver.get(...)


def interceptor(request):  # 替换现有请求标头
    del request.headers['Referer']  # Remember to delete the header first
    request.headers['Referer'] = 'some_referer'  # Spoof the referer
driver.request_interceptor = interceptor
driver.get(...)


def interceptor(request, response):  # 添加响应标头
    if request.url == 'https://server.com/some/path':
        response.headers['New-Header'] = 'Some Value'
driver.response_interceptor = interceptor
driver.get(...)


def interceptor(request):  # 添加请求参数
    params = request.params
    params['foo'] = 'bar'
    request.params = params
driver.request_interceptor = interceptor
driver.get(...)


import json
def interceptor(request):  # 更新 POST 请求正文中的 JSON
    if request.method == 'POST' and request.headers['Content-Type'] == 'application/json':
        # The body is in bytes so convert to a string
        body = request.body.decode('utf-8')
        # Load the JSON
        data = json.loads(body)
        # Add a new property
        data['foo'] = 'bar'
        # Set the JSON back on the request
        request.body = json.dumps(data).encode('utf-8')
        # Update the content length
        del request.headers['Content-Length']
        request.headers['Content-Length'] = str(len(request.body))
driver.request_interceptor = interceptor
driver.get(...)


import base64  # 基本身份验证
auth = (
    base64.encodebytes('my_username:my_password'.encode())
    .decode()
    .strip()
)
def interceptor(request):
    if request.host == 'host_that_needs_auth':
        request.headers['Authorization'] = f'Basic {auth}'
driver.request_interceptor = interceptor
driver.get(...)


def interceptor(request):  # 阻止请求
    # Block PNG, JPEG and GIF images
    if request.path.endswith(('.png', '.jpg', '.gif')):
        request.abort()
driver.request_interceptor = interceptor
driver.get(...)


def interceptor(request):  # 模拟响应
    if request.url == 'https://server.com/some/path':
        request.create_response(
            status_code=200,
            headers={'Content-Type': 'text/html'},  # Optional headers dictionary
            body='<html>Hello World!</html>'  # Optional body
        )
driver.request_interceptor = interceptor
driver.get(...)


del driver.request_interceptor  # 取消设置拦截器
del driver.response_interceptor

11 限制Request

driver.scopes = [  # 这接受将匹配要捕获的 URL 的正则表达式列表。它应该在发出任何请求之前在驱动程序上设置。当为空（默认）时，将捕获所有 URL
    '.*stackoverflow.*',
    '.*github.*'
]
driver.get(...)  # Start making requests


options = {  # 使用此选项关闭请求捕获。请求仍将通过 Selenium Wire 和您配置的任何上游代理传递，但不会被拦截或存储
    'disable_capture': True  # Don't intercept/store any requests
}
driver = webdriver.Chrome(seleniumwire_options=options)


options = {  # 使用此选项可以完全绕过 Selenium Wire。对此处列出的地址发出的任何请求都将直接从浏览器发送到服务器，而不涉及 Selenium Wire
    'exclude_hosts': ['host1.com', 'host2.com']  # Bypass Selenium Wire for these hosts
}
driver = webdriver.Chrome(seleniumwire_options=options)


def interceptor(request):  # 您可以通过在请求拦截器request.abort()中使用 from来提前中止请求。这将立即向客户端发送响应，而无需进一步传输请求。您可以使用此机制来阻止某些类型的请求（例如图像）以提高页面加载性能。
    # Block PNG, JPEG and GIF images
    if request.path.endswith(('.png', '.jpg', '.gif')):
        request.abort()
driver.request_interceptor = interceptor
driver.get(...)  # Start making requests

12 代理

options = {   # 配置采用以下格式
    'proxy': {
        'http': 'http://192.168.10.100:8888',
        'https': 'https://192.168.10.100:8888',
        'no_proxy': 'localhost,127.0.0.1'
    }
}
driver = webdriver.Chrome(seleniumwire_options=options)


options = {  # 要将 HTTP Basic Auth 与您的代理一起使用，请在 URL 中指定用户名和密码：
    'proxy': {
        'https': 'https://user:pass@192.168.10.100:8888',
    }
}


options = {  # Proxy-Authorization对于 Basic 以外的身份验证，您可以使用该选项为标头提供完整值custom_authorization。例如，如果您的代理使用 Bearer 方案
    'proxy': {
        'https': 'https://192.168.10.100:8888',  # No username or password used
        'custom_authorization': 'Bearer mytoken123'  # Custom Proxy-Authorization header value
    }
}


$ export HTTP_PROXY="http://192.168.10.100:8888"  # 代理配置也可以通过名为HTTP_PROXY,HTTPS_PROXY和的环境变量加载NO_PROXY
$ export HTTPS_PROXY="https://192.168.10.100:8888"
$ export NO_PROXY="localhost,127.0.0.1"


options = {  # 使用 SOCKS 代理与使用基于 HTTP 的代理相同，但您将方案设置为socks5
    'proxy': {  # 如果您的代理不需要身份验证，您可以省略 和user。pass
        'http': 'socks5://user:pass@192.168.10.100:8888',
        'https': 'socks5://user:pass@192.168.10.100:8888',
        'no_proxy': 'localhost,127.0.0.1'
    }
}
driver = webdriver.Chrome(seleniumwire_options=options)


driver.get(...)  # 动态切换
# Change the proxy
driver.proxy = {
    'https': 'https://user:pass@192.168.10.100:8888',
}
driver.get(...)  # These requests will use the new proxy

13 机器人检测

pip install undetected-chromedriver

import seleniumwire.undetected_chromedriver as uc
chrome_options = uc.ChromeOptions()
driver = uc.Chrome(
    options=chrome_options,
    seleniumwire_options={}
)