网站自动化宣传（自动化设备宣传文字）

最近又火了一个Web自动化工具，python大神都在用

《开源精选》是我们分享Github、Gitee等开源社区中优质项目的栏目，包括技术、学习、实用与各种有趣的内容。本期推荐的是一个开源基于 python 的 Web 自动化操作集成工具——DrissionPage。

用 requests 做数据采集面对要登录的网站时，要分析数据包、JS 源码，构造复杂的请求，往往还要应付验证码、JS 混淆、签名参数等反爬手段，门槛较高。若数据是由 JS 计算生成的，还须重现计算过程，体验不好，开发效率不高。

使用 selenium，可以很大程度上绕过这些坑，但 selenium 效率不高。因此，这个库将 selenium 和 requests 合而为一，不同须要时切换相应模式，并提供一种人性化的使用方法，提高开发和运行效率。

除了合并两者，本库还以网页为单位封装了常用功能，简化了 selenium 的操作和语句，在用于网页自动化操作时，减少考虑细节，专注功能实现，使用更方便。一切从简，尽量提供简单直接的使用方法，对新手更友好。

特性代码高度集成，以简洁的代码为第一追求。页面对象可在 selenium 和 requests 模式间任意切换，保留登录状态。极简单但强大的元素定位语法，支持链式操作，代码极其简洁。两种模式提供一致的 API，使用体验一致。人性化设计，集成众多实用功能，大大降低开发工作量亮点功能每次运行程序可以反复使用已经打开的浏览器。如手动设置网页到某个状态，再用程序接管，或手动处理登录，再用程序爬内容。无须每次运行从头启动浏览器，超级方便使用 ini 文件保存常用配置，自动调用，也提供便捷的设置 API，远离繁杂的配置项极致简明的定位语法，支持直接按文本定位元素，支持直接获取前后兄弟元素和父元素等强大的下载工具，操作浏览器时也能享受快捷可靠的下载功能下载工具支持多种方式处理文件名冲突、自动创建目标路径、断链重试等访问网址带自动重试功能，可设置间隔和超时时间访问网页能自动识别编码，无须手动设置链接参数默认自动生成Host和Referer属性可以随时直接隐藏或显示浏览器进程窗口，非 headless 或最小化可自动下载合适版本的 chromedriver，免去麻烦的配置d 模式查找元素内置等待，可任意设置全局等待时间或单次查找等待时间点击元素集成 js 点击方式，一个参数即可切换点击方式点击支持失败重试，可用于保证点击成功、判读网页遮罩层是否消失等输入文本能自动判断是否成功并重试，避免某些情况下输入或清空失效的情况发生d 模式下支持全功能的 xpath，可直接获取元素的某个属性，selenium 原生无此功能支持直接获取shadow-root，和普通元素一样操作其下的元素支持直接获取after和before伪元素的内容可以在元素下直接使用 > 以 css selector 方式获取当前元素直接子元素。原生不支持这种写法可简单地使用 lxml 来解析 d 模式的页面或元素，爬取复杂页面数据时速度大幅提高输出的数据均已转码及处理基本排版，减少重复劳动可方便地与 selenium 或 requests 原生代码对接，便于项目迁移使用 POM 模式封装，可直接用于测试，便于扩展d 模式配置可同时兼容debugger_address和其它参数，原生不能兼容

结构图

如图所示，Drission对象负责链接的创建、共享登录状态等工作，类似 selenium 中 driver 的概念。MixPage对象负责对获取到的页面进行解析、操作。DriverElement和SessionElement则是从页面对象中获取到的元素对象。负责对元素进行解析和操作。

简单演示

与 selenium 代码对比

跳转到第一个标签页

# 使用 selenium：driver.switch_to.window(driver.window_handles[0])# 使用 DrissionPage：page.to_tab(0)

按文本选择下拉列表

# 使用 selenium：from selenium.webdriver.support.select import Selectselect_element = Select(element)select_element.select_by_visible_text(‘text’)# 使用 DrissionPage：element.select(‘text’)

拖拽一个元素

# 使用 selenium：ActionChains(driver).drag_and_drop(ele1, ele2).perform()# 使用 DrissionPage：ele1.drag_to(ele2)

与 requests 代码对比

获取元素内容

url = ‘https://baike.baidu.com/item/python’# 使用 requests：from lxml import etreeheaders = { ‘User-Agent’: ‘Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2272.118 Safari/537.36’}response = requests.get(url, headers=headers)html = etree.HTML(response.text)element = html.xpath(‘//h1’)[0]title = element.text# 使用 DrissionPage：page = MixPage(‘s’)page.get(url)title = page(‘tag:h1’).text

下载文件

url = ‘https://www.baidu.com/img/flexible/logo/pc/result.png’save_path = r’C:download’# 使用 requests：r = requests.get(url)with open(f'{save_path}img.png’, ‘wb’) as fd: for chunk in r.iter_content(): fd.write(chunk) # 使用 DrissionPage：page.download(url, save_path, ‘img’) # 支持重命名，处理文件名冲突，自动创建目标文件夹

爬取新冠排行榜

网址：https://www.outbreak.my/zh/world，此示例爬取全球新冠情况排行榜。该网站是纯 html 页面，特别适合 s 模式爬取和解析。

from DrissionPage import MixPage# 用 s 模式创建页面对象page = MixPage(‘s’) # 访问数据网页page.get(‘https://www.outbreak.my/zh/world’) # 获取表头元素thead = page(‘tag:thead’) # 获取表头列，跳过其中的隐藏的列title = thead.eles(‘tag:th@@-style:display: none;’) data = [th.text for th in title]print(data) # 打印表头# 获取内容表格元素tbody = page(‘tag:tbody’) # 获取表格所有行rows = tbody.eles(‘tag:tr’) for row in rows: # 获取当前行所有列 cols = row.eles(‘tag:td’) # 生成当前行数据列表（跳过其中没用的几列） data = [td.text for k, td in enumerate(cols) if k not in (2, 4, 6)] print(data) # 打印行数据

输出：

[‘总 (205)’, ‘累积确诊’, ‘死亡’, ‘治愈’, ‘现有确诊’, ‘死亡率’, ‘恢复率’][‘美国’, ‘55252823’, ‘845745’, ‘41467660’, ‘12,939,418’, ‘1.53%’, ‘75.05%’][‘印度’, ‘34838804’, ‘481080’, ‘34266363’, ‘91,361’, ‘1.38%’, ‘98.36%’][‘巴西’, ‘22277239’, ‘619024’, ‘21567845’, ‘90,370’, ‘2.78%’, ‘96.82%’][‘英国’, ‘12748050’, ‘148421’, ‘10271706’, ‘2,327,923’, ‘1.16%’, ‘80.57%’][‘俄罗斯’, ‘10499982’, ‘308860’, ‘9463919’, ‘727,203’, ‘2.94%’, ‘90.13%’][‘法国’, ‘9740600’, ‘123552’, ‘8037752’, ‘1,579,296’, ‘1.27%’, ‘82.52%’]……

登录 gitee 网站

网址：https://gitee.com/login，此示例演示使用控制浏览器的方式自动登录 gitee 网站。

from DrissionPage import MixPage# 用 d 模式创建页面对象（默认模式）page = MixPage()# 跳转到登录页面page.get(‘https://gitee.com/login’)# 定位到账号文本框并输入账号page.ele(‘#user_login’).input(‘你的账号’)# 定位到密码文本框并输入密码page.ele(‘#user_password’).input(‘你的密码’)# 点击登录按钮page.ele(‘@value=登 录’).click()

—END—

开源协议：BSD-3-Clause

开源地址： https://gitee.com/g1879/DrissionPage