python + selenium + chromedriver 如何實現無界面爬取

問題描述

在使用selenium爬取12306的過程中，發現使用phantomjs無法爬取，使用chromedriver就可以，應該是phantomjs被網站檢測出來后封禁了，使用chromedriver又會顯示界面，爬取效率低。現在有兩點疑問，google了好久都沒找到有效的解決方法1.如何偽裝phantomjs，盡最大可能的偽裝2.如何設置chromedriver，使其不顯示界面，或者還有什么其他方法提高爬取效率

感謝?。?！

問題解答

通過PyVirtualDisplay可以實現你的需求，大概代碼就是這樣：

#!/usr/bin/env pythonfrom pyvirtualdisplay import Displayfrom selenium import webdriverdisplay = Display(visible=0, size=(800, 600))display.start()# now Firefox will run in a virtual display. # you will not see the browser.browser = webdriver.Chrome()browser.get(’http://www.baidu.com’)print browser.titlebrowser.quit()display.stop()

不知道你修改過phantomjs的頭信息沒有，可以通過

from selenium import webdriveroptions = webdriver.ChromeOptions()options.add_argument(’lang=zh_CN.UTF-8’)options.add_argument(’user-agent='Mozilla/5.0 (iPod; U; CPU iPhone OS 2_1 like Mac OS X; ja-jp) AppleWebKit/525.18.1 (KHTML, like Gecko) Version/3.1.1 Mobile/5F137 Safari/525.20'’)browser = webdriver.Chrome(chrome_options=options)url = 'https://baidu.com'browser.get(url)browser.quit()

這種方式修改phantomjs的頭部信息，這個也可以試試

可以參考鄙人的文章在headless模式下運行selenium