Przyznam, że to rozwiązanie jest trochę bardziej "hackowe" niż alternatywna wersja SaveToDisk profilu Firefoksa, ale działa zarówno w przeglądarce Chrome, jak i Firefox i nie polega na funkcji specyficznej dla przeglądarki, która mogłaby się zmienić w dowolnym momencie . A jeśli nic innego, może da to komuś trochę inną perspektywę na to, jak rozwiązać przyszłe wyzwania.
wstępne: Sprawdź, czy masz zainstalowane selen i pyvirtualdisplay ...
- Python 2:
sudo pip install selenium pyvirtualdisplay
- Python 3:
sudo pip3 install selenium pyvirtualdisplay
The Magic
import pyvirtualdisplay
import selenium
import selenium.webdriver
import time
import base64
import json
root_url = 'https://www.google.com'
download_url = 'https://www.google.com/images/branding/googlelogo/2x/googlelogo_color_272x92dp.png'
print('Opening virtual display')
display = pyvirtualdisplay.Display(visible=0, size=(1280, 1024,))
display.start()
print('\tDone')
print('Opening web browser')
driver = selenium.webdriver.Firefox()
#driver = selenium.webdriver.Chrome() # Alternately, give Chrome a try
print('\tDone')
print('Retrieving initial web page')
driver.get(root_url)
print('\tDone')
print('Injecting retrieval code into web page')
driver.execute_script("""
window.file_contents = null;
var xhr = new XMLHttpRequest();
xhr.responseType = 'blob';
xhr.onload = function() {
var reader = new FileReader();
reader.onloadend = function() {
window.file_contents = reader.result;
};
reader.readAsDataURL(xhr.response);
};
xhr.open('GET', %(download_url)s);
xhr.send();
""".replace('\r\n', ' ').replace('\r', ' ').replace('\n', ' ') % {
'download_url': json.dumps(download_url),
})
print('Looping until file is retrieved')
downloaded_file = None
while downloaded_file is None:
# Returns the file retrieved base64 encoded (perfect for downloading binary)
downloaded_file = driver.execute_script('return (window.file_contents !== null ? window.file_contents.split(\',\')[1] : null);')
print(downloaded_file)
if not downloaded_file:
print('\tNot downloaded, waiting...')
time.sleep(0.5)
print('\tDone')
print('Writing file to disk')
fp = open('google-logo.png', 'wb')
fp.write(base64.b64decode(downloaded_file))
fp.close()
print('\tDone')
driver.close() # close web browser, or it'll persist after python exits.
display.popen.kill() # close virtual display, or it'll persist after python exits.
wyjaśnieniu
Najpierw załadować URL w domenie jesteśmy kierowania do pobrania pliku z. Dzięki temu możemy wykonać żądanie AJAX w tej domenie, bez problemów z numerem cross site scripting.
Następnie wprowadzamy trochę javascript do DOM, który odpala żądanie AJAX. Gdy żądanie AJAX zwróci odpowiedź, wykonamy odpowiedź i załadujemy ją do obiektu FileReader. Stamtąd możemy wyodrębnić zakodowaną zawartość base64, wywołując readAsDataUrl(). Następnie zajmujemy się zakodowaniem zawartości base64 i dołączamy ją do window
, zmiennej dostępnej gobicznie.
W końcu, ponieważ żądanie AJAX jest asynchroniczne, wchodzimy do Pythona, czekając na pętlę, aż zawartość zostanie dołączona do okna. Po dołączeniu, dekodujemy zawartość base64 pobraną z okna i zapisujemy do pliku.
To rozwiązanie powinno działać we wszystkich nowoczesnych przeglądarkach obsługiwanych przez Selenium i działa zarówno tekstowo jak i binarnie oraz we wszystkich typach MIME.
Alternatywne podejście
Choć nie testowałem tego, Selen ma pozwolić Ci możliwość, aby czekać, aż element jest obecny w DOM. Zamiast pętli, dopóki nie zostanie wypełniona globalnie dostępna zmienna, możesz utworzyć element o określonym ID w DOM i użyć powiązania tego elementu jako wyzwalacza do pobrania pobranego pliku.
Polecam używając 'urllib' i użyj' urllib.urlretrieve (url) 'aby pobrać gdzie' url' jest adresem URL, który link wysyła do – Serial
nie, ponieważ działa tylko z wydarzeniem kliknięcia. – sam
ale jeśli przeanalizujesz kod HTML strony, możesz uzyskać link, który zdarzenie click wysyła do przeglądarki i używać tego – Serial