python2+headless chrome+selenium,如何解决出现 js-disabled 的提示

2018-04-09 00:07:24 +08:00
 akmonde

RT,鄙人在网上直接扒下来无界面浏览器的样例,需要爬一个带 dom 型内容的网页:

#coding=utf-8
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.keys import Keys

chrome_options = webdriver.ChromeOptions()
# 使用 headless 无界面浏览器模式
chrome_options.add_argument('--headless')
chrome_options.add_argument('--disable-gpu')

# 启动浏览器,获取网页源代码
browser = webdriver.Chrome(chrome_options=chrome_options)
mainUrl = "https://xxx.com"
browser.get(mainUrl)
#print(f"browser text = {browser.page_source}")
print browser.page_source
browser.quit()

按理说应该问题不大,原案例网址是可以爬出东西的。 结果我填入我需要爬的网页,除了一些必要的该网页的 title 和 meta 信息,剩下的就是下面这样:

  <noscript>
  &lt;div class="js-disabled"&gt;
    It looks like your JavaScript is disabled. To use XXX, enable JavaScript in your browser and refresh this page.
  &lt;/div&gt;
</noscript>

敢问各位大佬,这是网站自己做了防爬措施,还是我需要启用其他的 option ? 最关键是,我试着自己通过 chrome_options.add_argument,又加了些 headless chrome 的 option,参考资料如下:

http://www.assertselenium.com/java/list-of-chrome-driver-command-line-arguments/

但结果并没有什么卵用,还是会出现 noscript 的提示,求解惑应该怎样解决这个问题。

另外,样站是客户要去测的,这里不太方便直接发出网址,望各位大佬见谅!

2774 次点击
所在节点    Python
8 条回复
akmonde
2018-04-09 08:42:12 +08:00
有大佬能帮小弟解答一二么...我看了几条消息全都是收藏...
hareandlion
2018-04-09 08:55:31 +08:00
selenium 用得不多,基本都是爬静态资源,请问什么情况下需要用到网页的 js ?谢谢
gimp
2018-04-09 09:04:20 +08:00
默认应该是可以解析 js 的,进一步确定问题所在可以尝试以下

1,换用 Firefox 跑一下看看能不能解析,如果可以,说明问题还在 chrome headless 设置问题
2,找个 JS 动态渲染的网页,比如 http://data.eastmoney.com/report/ 看看能不能渲染
zbl430
2018-04-09 11:47:24 +08:00
不发网址。。。不好搞啊
akmonde
2018-04-09 12:00:43 +08:00
@zbl430 客户的保密项目,我也很绝望啊..刚找私信也找不到。
akmonde
2018-04-09 12:31:37 +08:00
@gimp eastmoney 的站可以渲染的,chrome 和 firefox 都是那个 disable 的提示,很绝望..
akmonde
2018-04-09 12:32:29 +08:00
@hareandlion dom 形成的网页资源,直接 requests,urllib*返回的内容里读不到的,需要模拟浏览器。
wwek
2018-06-17 22:26:56 +08:00
界面浏览器访问看有哪些 ajax 请求
然后无界面的再来一遍,抓包对比

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/445217

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX