情况如下: 我有一个.pac url作为代理。在Ubuntu中,代理可以作为网络代理使用,也可以设置为自动模式,并在配置url中填充.pac url。 当我使用python从Google图像中爬行时,对Google的请求将不起作用。所以我使用selenium的chromewebdriver来模拟uses的鼠标和键盘操作及其工作。 然后我添加'--headless'参数来增加并发量,得到一个TimeoutException。你知道吗
然后我下载.pac文件并尝试使用“options.add\参数('--代理pac url=xxx.pac公司“)”来解决此问题,但代理仍然无法工作。你知道吗
我得到了一个使用chrome扩展名“SwitchyOmega”来使用.pac文件代理的解决方案。 当我从github下载最新版本并使用options.add\扩展名('xxx/开关)_铬.crx“)”加载扩展,得到:“from unknown error:CRX verification failed:3”
最后,在chrome中配置SwitchyOmega,并使用开发工具将本地扩展名文件打包为.crx,在webdriver中正确加载了扩展名。但是我发现扩展没有配置。你知道吗
所以我怎么才能解决这个代理问题,谢谢!你知道吗
这是我的密码:
class GoogleCrawler:
def __init__(self):
driver_executable = self.get_driver_executable()
options = webdriver.ChromeOptions()
options.add_argument('blink-settings=imagesEnabled=false')
# options.add_argument('--headless')
# options.add_argument('--proxy-pac-url=./xxx.pac')
# options.add_extension('./SwitchyOmega_Chromium.crx')
self.browser = webdriver.Chrome(driver_executable,
chrome_options=options)
self.driver_version_check()
def get_google_image_urls(self, keyword):
self.browser.get(f'https://www.google.com/search?q={keyword}&tbm=isch')
time.sleep(2)
img_urls = []
first_thumbnail_image_xpath = '//div[@data-ri="0"]'
image_xpath = '//div[@class="irc_c i8187 immersive-container"]//img[@class="irc_mi"]'
body_element = self.browser.find_element_by_tag_name('body')
wait = WebDriverWait(self.browser, 15)
first_thumbnail_image = wait.until(
element_to_be_clickable((By.XPATH, first_thumbnail_image_xpath)))
first_thumbnail_image.click()
scroll_flag = 0
last_scroll_distance = 0
while scroll_flag <= 50:
image_elements = self.browser.find_elements(By.XPATH, image_xpath)
img_urls.extend([
image_element.get_attribute('src')
for image_element in image_elements
])
body_element.send_keys(Keys.RIGHT)
scroll_distance = self.browser.execute_script(
'return window.pageYOffset;')
if scroll_distance == last_scroll_distance:
scroll_flag += 1
else:
last_scroll_distance = scroll_distance
scroll_flag = 0
self.browser.close()
img_urls = set(img_urls)
print(
f'[INFO]Scraping Image urls DONE: Keyword: {keyword}, Total: {len(img_urls)}'
)
return keyword, img_urls
目前没有回答
相关问题 更多 >
编程相关推荐