标签:过程 网站 %s run edr 参数 source pre else
一、前言
笔者在前面的文章中收集到一些域名,在这些域名收集完后,并不是每一个域名都有作用,我们要过滤掉访问不了的网站,所以今天学习利用Python中的selenium模块启动Chromium来请求网站,下面记录一下自己的学习过程。
二、学习过程
1.开发工具:
Python版本:3.7.1
相关模块:
selenium模块 pymysql模块
2.原理简介
从数据库读取出需要访问的域名------利用selenium进行访问域名并获取网站标题、内容长度、截图------存入数据库
from selenium import webdriver from selenium.webdriver.chrome.options import Options import pymysql # 获取存活的域名 def run(cursor): # 获取域名 domains = get_domains(cursor) # Chrome的参数选项 chrome_options = Options() # 无头操作 chrome_options.add_argument(‘--headless‘) # 利用这个路径的Chromium来进行操作 chrome_options.binary_location = r‘%s‘%"/Applications/Chromium.app/Contents/MacOS/Chromium" # 创建Chrome实例 driver = webdriver.Chrome(executable_path=(r‘/Users/hello/Desktop/chromedriver/chromedriver‘), options=chrome_options) # 设置20秒的超时时间 driver.set_page_load_timeout(20) success_list = [] for i in domains: try: # 请求网站 driver.get(‘https://‘+i[0]) #获取网站的信息 http_length = len(driver.page_source) http_status = ‘响应成功‘ img_path = "/Users/hello/Desktop/py test/%s.png"%i[0] screenshot = driver.get_screenshot_as_file(img_path) if driver.title: title = driver.title else: title = ‘‘ success_list.append([i[0], title, http_length, img_path, http_status]) except : print(‘%s 响应失败‘%i[0]) return success_list # 去数据库查询域名 def get_domains(cursor): sql = "SELECT hostname FROM 数据库" cursor.execute(sql) domain_lists = cursor.fetchall() return domain_lists # 把可访问的域名插入数据库 def insert(cursor, list, db): for i in list: select_sql = "SELECT id FROM 数据库 WHERE hostname = ‘%s‘"%i[0] cursor.execute(select_sql) result = cursor.fetchone() update_sql = "UPDATE 数据库 SET page_title = ‘%s‘, http_length = %d, page_jietu_path = ‘%s‘, http_status= ‘%s‘ WHERE id = %s" %(i[1], i[2], i[3], i[4], result[0]) cursor.execute(update_sql) db.commit() if __name__ == "__main__": db = pymysql.connect(‘localhost‘, ‘账户‘, ‘密码‘, ‘test‘) cursor = db.cursor() list = run(cursor) insert(cursor, list, db) db.close()
三、效果展示
四、总结
程序速度较慢,程序编写能力有待加强。
Python编程学习之利用selenium分辨出可访问的网页并获取网页内容
标签:过程 网站 %s run edr 参数 source pre else
原文地址:https://www.cnblogs.com/liuzzzzzz/p/11979891.html