无界面 centOS 中使用 DrissionPage

czbuyi2024-04-13 9:33

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 复制代码

sudo wget https://dl.google.com/linux/direct/google-chrome-stable_current_x86_64.rpm

安装下载的 rpm 包：

sh 复制代码

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 复制代码

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 复制代码

pip install DrissionPage

实现代码如下：

python 复制代码

# -*- 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