selenium+python处理广告弹窗

1. 背景

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

image.png
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 time

import 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