playwright自动测试库的爬虫使用

playwright自动测试库的爬虫使用

在尝试使用playwright之前，也使用过Selenium，Selenium依赖多种不同的driver，根据浏览器的不断更新，就要不断去维护这些driver，以及处理相应的适用性问题，对于整体的产品来看，显得太重，playwright的这方面封装会更加轻量级，所以尝试了把playwright的使用

使用之前，首先在已新建的虚拟环境下，可以：

pip install playwright
//2.安装相应的封装好的驱动
playwight install

第二步可能网络不好时会下载失败，多尝试，下载后安装在用户的一个隐藏目录下（具体位置忘了）

下面我们对一个网站进行爬虫，并且模拟登录。

from playwright.sync_api import sync_playwright


def main():
    with sync_playwright() as p:
        browser = p.firefox.launch(headless=False)
        context = browser.new_context()
        # Open new page
        page = context.new_page()
        # Go to http://quotes.toscrape.com/
        page.goto("http://quotes.toscrape.com/")
        page.wait_for_timeout(5000)
        # 利用xpath查找指定的标签文字
        selector = "//div[@class='tags']/a[@class='tag']"
        tag = page.query_selector_all(selector)
        # tag实际上是一个list，包含各种对象，利用对象的inner_text方法可以提取文字，并不需要正则
        content= [t.inner_text() for t in tag]
        print(content)
        # Click text=Login
        page.click("text=Login")
        # assert page.url == "http://quotes.toscrape.com/login"
        # Click input[name="username"]
        page.click("input[name="username"]")
        # Click input[name="username"]
        # Fill input[name="username"]
        page.fill("input[name="username"]", "123")
        # Click input[name="password"]
        page.click("input[name="password"]")
        # Fill input[name="password"]
        page.fill("input[name="password"]", "123")
        #  click input:has-text("Login")
        page.click("input:has-text("Login")")
        # assert page.url == "http://quotes.toscrape.com/"
        # check
        #太快可能看不清是否有点击logout,定义个睡眠时间
        page.wait_for_timeout(1000)
        selector = '//*[@href="/logout"]'
        try:
            logout = page.wait_for_selector(selector, timeout=5000)
            print(logout.inner_text())
        except Exception as e:
            print(e)
            exit()

        # ---------------------
        context.close()
        browser.close()


if __name__ == '__main__':
    main()

这里面的代码有部分是根据脚本录制生成的，playwright的录制功能稳定性较强，但有时如果想等待新页面生成后再去 *** 作，就需要用到wait_for_selector的方法，这个selector一般的xpath，正则，css选择器都可以输入进去，这里运用的是xpath，值得注意的是，当我们获取了div元素里的标签后，实际上在playwright里是一个对象，是需要用到inner_text()的方法提取对象的属性。

result：