Java + Selenium + Chrome抓取页面元素（支持Linux环境和Windows环境）

admin管理员组

文章数量:1665479

前言

尝试过Htmlunit和PhantomJS都无法抓取JS动态生成的页面，这两种方式实际抓取的都是原页面并不是js渲染之后的页面，后来经过尝试终于确定 Selenium + Chrome的方式能抓取js渲染之后的界面，其中也有不少坑，在这里记录一下。

一、下载chromedriver

chromedriver和谷歌版本需要严格对应
下载地址chromedriver
根据谷歌版本下载对应的chromedriver

依赖，高版本的selenium依赖只需要第一个，不用第二个依赖，但经过尝试 ，高版本的依赖可能会出现问题

<!-- https://mvnrepository.com/artifact/org.seleniumhq.selenium/selenium-java -->
        <dependency>
            <groupId>org.seleniumhq.selenium</groupId>
            <artifactId>selenium-java</artifactId>
            <version>3.11.0</version>
        </dependency>

        <!-- https://mvnrepository.com/artifact/com.google.guava/guava -->
        <dependency>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
            <version>24.1-jre</version>
        </dependency>

代码

public class webdriver {
    public static void main(String[] args){
        System.getProperties().setProperty("webdriver.chrome.driver",
                "D:\\web_driver\\chromedriver.exe");
        ChromeOptions options = new ChromeOptions();
        // 无界面参数，使用后不会打开浏览器，linuxx环境必须加入
        options.addArguments("--headless");
        //禁用沙盒
        options.addArguments("--no-sandbox");
        options.addArguments("--disable-gpu");
        options.addArguments("--disable-dev-shm-usage");
        WebDriver webDriver = new ChromeDriver(options);
//        webDriver.manage().window().maximize();
        webDriver.get("https://www.baidu/");
       try {
            Thread.sleep(10000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        System.out.println(webDriver.getPageSource());
        webDriver.close();

    }

}

有一块代码相当重要

try {
     Thread.sleep(10000);
 } catch (InterruptedException e) {
     e.printStackTrace();
 }

没有这段代码获取到的页面是未渲染的页面

二、linux环境

linux环境：centos7+，内核版本 _x86
centos7以下版本装不上chrome，linux内核为aarch64也装不上

查看linux内核版本
uname -a

安装chrome

配置chrome yum下载源：
在目录 /etc/yum.repos.d/ 下新建文件 google-chrome.repo

touch google-chrome.repo

在google-chrome.repo添加内容

#编辑google-chrome.repo
vi /etc/yum.repos.d/google-chrome.repo
#添加内容
[google-chrome]
name=google-chrome
baseurl=http://dl.google.com/linux/chrome/rpm/stable/$basearch
enabled=1
gpgcheck=1
gpgkey=https://dl-ssl.google.com/linux/linux_signing_key.pub

安装chrome

yum -y install google-chrome-stable --nogpgcheck

linux环境对不上的可能会报缺少依赖的错误
安装目录在/usr/bin/下

查看安装的chrome版本

/usr/bin/google-chrome -version

安装chromedriver
根据上面的chromedriver链接查看对应的chromedriver下载地址

#使用wget命令下载，这是85.0.4183版本谷歌对应的 driver
wget https://cdn.npm.taobao.org/dist/chromedriver/85.0.4183.87/chromedriver_linux64.zip
#使用unzip 命令解压
unzip chromedriver_linux64.zip
#将chromedriver 移至/usr/bin目录
mv chromedriver /usr/bin/chromedriver
#赋予权限
chomod 777 chromedriver

完成

！！！注意

上面的代码不能直接在liunx环境用，实用上面的代码只能获取到为渲染的页面
要获取到渲染后的页面必须在

webDriver.get("https://www.baidu/");

这段代码前加上

try {
  Thread.sleep(10000);
} catch (InterruptedException e) {
   e.printStackTrace();
}

完成

欢迎访问我的个人博客

本文标签： 环境元素页面seleniumJava