Python + Playwright（24）：处理HTTPS错误

Python + Playwright（24）：处理HTTPS错误

• 前言
• 一、什么是HTTPS错误？
• 二、`ignore_https_errors=True` 的作用
• 三、使用场景
• 总结

前言

当浏览器试图访问一个网站时，如果该网站的SSL证书无效或未被信任，浏览器通常会阻止访问，并显示一条安全警告。这种情况下，如何绕过这些错误，使脚本顺利运行？Playwright提供了一个相应的选项：ignore_https_errors=True。

一、什么是HTTPS错误？

HTTPS（HyperText Transfer Protocol Secure）是一种用于安全通信的协议，通过SSL/TLS加密传输数据，确保用户与网站之间的交互安全。

如果网站的SSL证书无效、过期、或配置不当，浏览器会将其识别为不安全，从而拒绝连接或显示安全警告。这种情况在自动化测试和爬虫场景中较为常见，特别是当我们访问的是开发环境、测试服务器或自签名证书的网站时。

二、ignore_https_errors=True 的作用

在使用 Playwright 时，可以通过设置ignore_https_errors=True来忽略这些 HTTPS 错误，从而让浏览器继续加载页面。

首先，我们先测试一下，未设置ignore_https_errors=True的情况：

from playwright.sync_api import sync_playwright

def run(playwright):
    browser = playwright.chromium.launch(headless=False)
    context = browser.new_context()
    page = context.new_page()

    page.goto('https://www.automationpractice.com/')
    
    page.wait_for_timeout(10000)

    browser.close()

with sync_playwright() as playwright:
    run(playwright)

执行结果如下：

可以看到，浏览器会阻止访问。

然后，我们设置下ignore_https_errors=True选项，代码示例如下：

from playwright.sync_api import sync_playwright

def run(playwright):
    # 启动浏览器并忽略HTTPS错误
    browser = playwright.chromium.launch(headless=False)
    context = browser.new_context(ignore_https_errors=True)
    page = context.new_page()

    # 访问存在HTTPS错误的网站
    page.goto('https://www.automationpractice.com/')
    
    page.wait_for_timeout(10000)

    browser.close()

with sync_playwright() as playwright:
    run(playwright)

执行结果如下：

三、使用场景

1. 开发与测试环境：在开发过程中，经常会使用自签名证书或没有配置完全的HTTPS服务器。在这种情况下，忽略HTTPS错误可以让测试更顺利地进行，而不受证书问题的影响；

2. 自动化测试 ：在测试过程中，特别是集成测试中，可能会遇到第三方服务或内部工具的网站，这些网站可能没有有效的SSL证书。此时，ignore_https_errors=True可以避免因证书问题导致的测试失败；

3. Web爬虫：当进行数据抓取时，目标网站的HTTPS配置不当也可能导致脚本无法访问该页面。忽略这些错误可以确保爬虫的稳定性和数据获取的连续性。

总结

尽管Playwright 的 ignore_https_errors=True选项为处理HTTPS错误提供了一种简便的解决方案，但也需要谨慎使用。忽略HTTPS错误意味着你可能会与未被验证的网站建立连接，这可能带来一定的安全风险。特别是在生产环境或访问未知网站时，建议在权衡利弊后再决定是否启用这一选项。