selenium+python处理广告弹窗 selenium+python处理广告弹窗

1. 背景 【selenium+python处理广告弹窗】在使用浏览器渲染技术爬取网站信息时，经常会遇到一些弹出框（广告，警告框，验证码，登录窗口等）的干扰。一般来说，当这些窗口弹出时，就无法操作原始页面。

不同的弹出框有不同的处理方案：
- 广告：直接关闭
- 警告框：点击确定或者取消
- 验证码：输入验证码，进行验证
- 登录窗口：进行登录。

下面以1688网站为例，记录几种类型的处理方式。
2. 环境

python 3.6.1
系统：win7
IDE：pycharm
安装过chrome浏览器
配置好chromedriver
selenium 3.7.0

3. 广告弹窗的处理

文章图片
image.png

文章图片
image.png 代码

# 广告页面弹窗处理 def suspondWindowHandler(browser): # 第一种广告弹窗 try: suspondWindow = browser.find_element_by_xpath("//div[contains(@class, 'identity-dialog')]//*[contains(@class, 'close-icon')]") suspondWindow.click() print(f"searchKey: Suspond Page1 had been closed.") except Exception as e: print(f"searchKey: there is no suspond Page1. e = {e}") # 第二种广告弹窗 # 如果有广告界面弹出，关闭广告。否则会导致数据无法输入到搜索框 try: suspondWindow = browser.find_element_by_xpath("//div[contains(@class,'overlay-box')]//div[contains(@class,'overlay-close')]") suspondWindow.click() print(f"searchKey: Suspond Page2 had been closed.") except Exception as e: print(f"searchKey: there is no suspond Page2. e = {e}")

3.3. 调用原则。一般来说，在处理广告弹窗时，遵守以下规则时，可以提高程序的稳定性。
将所有出现过的广告类型，集中到一个函数中，如上suspondWindowHandler，每种类型的弹窗都try检测一下。
对广告弹窗元素的获取，尽量收集他们的特征，采用模糊匹配的方式来寻找，如上dialog，overlay-box，close-icon，overlay-close。这样覆盖面可能更广。不过要小心的是，也有可能会误伤。
进入页面时，要首先确保页面已经加载成功了，再来检测广告弹窗是否存在，一定要遵守这个顺序。
关闭广告弹窗之后，一定要重新获取页面元素，防止切换带来的元素失焦。
页面的每次刷新或者数据加载，都可能会带来广告弹出。

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.keys import Keys import timeimport parserPageModel# 启动浏览器，并设置好wait browser = webdriver.Chrome() browser.set_window_size(960, 960)# 设置浏览器窗口大小，和桌面分辨率有关 wait = WebDriverWait(browser, timeout=20)# 设置页面加载等待时间# 进入1688首页，搜索关键字 def searchKey(keyWord, DamatuInstance, retryCount): print(f"searchKey: enter, keyWord = {keyWord}, retryCount = {retryCount}") retryCount += 1 if retryCount > 8: return (False, 0, keyWord) mainUrl = "https://www.1688.com/" print(f"searchKey: 访问1688主页, 进行搜索. mainUrl = {mainUrl}") browser.get(mainUrl)# 尝试搜索 try: # 搜索框是否出现。用于判断搜索页面是否已经加载好 input = wait.until( EC.presence_of_element_located((By.XPATH, "//input[@id='alisearch-keywords']")) ) except Exception as e: # 搜索框都没出现，说明页面没有加载好，重试 print(f"searchKey: 搜索框还没有加载好，重新加载主页.retryCount = {retryCount}, url = {mainUrl}, e = {e}") searchKey(keyWord, DamatuInstance, retryCount) else: time.sleep(2) # 处理可能出现的广告 suspondWindowHandler(browser)try: # 重新拿到搜索框，防止处理广告页面之后，元素失焦 input = browser.find_element_by_xpath("//input[@id='alisearch-keywords']") # 输入搜索关键字 time.sleep(5) input.clear() input.send_keys(keyWord) # 敲enter键 input.send_keys(Keys.RETURN) print(f"searchKey: press return key.") time.sleep(3) # 处理可能出现的广告弹窗 suspondWindowHandler(browser)# 查看搜索结果是否出现。以商品List是否出现为标准 searchRes = wait.until( EC.presence_of_element_located((By.XPATH, "//div[contains(@class, 'sm-breadcrumb')]//span[@class='sm-widget-offer']")) ) print(f"searchKey: searchSuccess, searchRes = {searchRes}") except Exception as e: print(f"searchKey: 搜索结果总页数尚未加载好，重新加载主页. retryCount = {retryCount}, url = {mainUrl}, e = {e}") searchKey(keyWord, DamatuInstance, retryCount) else: # 如果发现结果页加载OK, 开始寻找总页数 try: # 获取结果总页数 print(f"searchKey: 搜索结果已出现，开始寻找总页数") totalPage = 0 print(f"searchKey: totalPageInit = {totalPage}") total = wait.until( EC.presence_of_element_located((By.XPATH, "//div[@class='fui-paging-form ']//span[contains(@class, 'total')]//em[contains(@class, 'num')]")) ) totalPage = int(total.text) print(f"searchKey: totalPage = {totalPage}") return (True, totalPage, keyWord) except Exception as e: print(f"searchKey: 搜索结果就一页. e = {e}") return (True, 1, keyWord) finally: # 特别注意：这个部分会在本函数return语句之前执行 # 参考文章解说return和finally： # Python: 浅析 return 和 finally 共同挖的坑http://python.jobbole.com/88408/ try: print(f"searchKey: 取第一页的数据出来，进行存储") # 解析页面内容： if browser.page_source: productInfoLst = parserPageModel.getProductMainInfo(browser.page_source) print(f"productInfoLst = {productInfoLst}") except Exception as e: print(f"searchKey: 取第一页数据出来这个过程出现异常。Exception = {e}")

4. 警告框alert的处理参考文章：https://www.cnblogs.com/qiaoyeye/p/5593428.html
5. 验证码弹出框的处理参考文章1：http://blog.csdn.net/zwq912318834/article/details/78605486
参考文章2：http://blog.csdn.net/zwq912318834/article/details/78616462