无界面 centOS 中使用 DrissionPage
-
- [1. centos 安装 chrome](#1. centos 安装 chrome)
- [2. python 代码](#2. python 代码)
- DrissionPage简介
某电影网站使用了加密js,无法直接从主页上爬取电影信息,只好借助 selenium 等工具。selenium 需要在服务器上安装浏览器和对应的 driver。我的服务器是无界面 centOS,未找到对应的办法。偶然看到 DrissionPage,一个国人开发的网页自动化工具,直接使用系统中的 chromium(可以指定chrome、edge),不需要 driver。尝试了一下,可以解决问题。
需要解决两个事情:
- centOS 上安装安装 chrome
- DrissionPage 使用无头模块
1. centos 安装 chrome
添加 Chrome 的 Yum Repository:
sh
sudo wget https://dl.google.com/linux/direct/google-chrome-stable_current_x86_64.rpm
安装下载的 rpm 包:
sh
sudo yum localinstall google-chrome-stable_current_x86_64.rpm
如果出现依赖问题,执行以下命令来解决:
sh
sudo yum install lsb
默认安装位置:/opt/google/chrome/google-chrome,可以通过在终端中输入 google-chrome-stable 来启动 Chrome 浏览器
2. python 代码
安装 DrissionPage 包
sh
pip install DrissionPage
实现代码如下:
python
# -*- coding: utf-8 -*-
""" centOS 使用 DrissionPage """
from collections import namedtuple
from DrissionPage import ChromiumPage, ChromiumOptions
Movie = namedtuple('Movie', 'name url des date')
def crawl_dy2018():
# 在 centOS 中使用无头模式的配置
co = ChromiumOptions()
co.set_browser_path(r'/opt/google/chrome/google-chrome') # 设置系统中 chrome 的位置
co.set_argument('--incognito')
co.set_argument('--no-sandbox')
co.headless() # 无头模块
# 具体爬取方法
movies = []
page = ChromiumPage(co)
page.get('https://dy2018.com/')
items = page.eles('.co_content222')
if items:
for item in [items[0], items[2]]:
for li in item.eles('tag:li'):
a = li.ele('tag:a')
span = li.ele('tag:span')
movies.append(Movie(a.text, a.link, '', span.text))
# page.quit()
return sorted(movies, key=lambda movie: movie.date, reverse=True)
DrissionPage简介
DrissionPage 是一个基于 python 的网页自动化工具。
它既能控制浏览器,也能收发数据包,还能把两者合而为一。
可兼顾浏览器自动化的便利性和 requests 的高效率。
它功能强大,内置无数人性化设计和便捷功能。
它的语法简洁而优雅,代码量少,对新手友好。
详情及使用方法见官网