一款懒人必备的Python爬虫神器

2023-02-28

div text page

前言今天把最近的一个应用做好了,测试了一下运行没有问题,剩下的就是检验一下结果如何.从光谱到Lab值通常使用matlab中的roo2lab(),不过经过我最近的测试发现转换的结果并不理想,而且这个转化的代码也不是我写的所以另寻他法,找到了下面这个网页。动手有了这个网页,很简单就想到去解析.然后很快找

前言

今天把最近的一个应用做好了,测试了一下运行没有问题,剩下的就是检验一下结果如何.从光谱到Lab值通常使用matlab中的roo2lab(),不过经过我最近的测试发现转换的结果并不理想,而且这个转化的代码也不是我写的所以另寻他法,找到了下面这个网页。

动手

有了这个网页,很简单就想到去解析.然后很快找到了这个api,可以看到用post提交表单请求就可以返回结果。

于是一番操作,修改form表单,构造传入的spectrum,但是最终请求得到的却是一个页面,并不是想要的json.然后许久没写爬虫的我直接恼火,想到自动化工具模拟操作.可是selenium很难用而且还得去找浏览器新版本的驱动,随后直接搜索一番,发现了这个神器—playwright。

首先老规矩去它的首页看看教程

接着安装一下playwright以及浏览器的驱动。

pip install pytest-playwright
playwright install1.
2.

第二步的时候很慢,所以我只等他下载好了chrome和ffmpeg直接就ctrl+c停止了,毕竟我也用不着其他的浏览器驱动。

然后稍微浏览一下这个文档功能非常丰富,不过我用到的功能也不多,接下来的使用才是真正适合我们懒人的。

记住一行代码

python -m playwright codegen xxx.com1.

其中xxx.com就是我们的目标网址,运行后会创建一个熟悉的自动化页面,然后我们就进行一些我们想要的操作,比如设置开始的最小波长为400nm,然后观察以及光源改为D65/10.一系列操作后会看到对应的代码已经生成好了。

至今为止我还没有写一行代码,不过构造输入的光谱还是得自己来的。

把这一段代码复制下来,然后自己写构造输入的函数(就几行),然后通过选择器(直接左键元素复制xpath)得到lab值,这样目标就搞定了。

整体代码如下：

import time
from playwright.sync_api import Playwright, sync_playwright, expect
import numpy as np
data_test=np.loadtxt('./dist/1_res.csv',delimiter=',')
def get_str(arr):
    arr_str=""
    for i in arr:
        arr_str+=str(format(i,".2f"))+"\r\n"
    return arr_str
labs=[]
def run(playwright: Playwright) -> None:
    browser = playwright.chromium.launch(headless=False)
    context = browser.new_context()
    # Open new page
    page = context.new_page()
    # Go to https://www.qtccolor.com/secaiku/tool/spectrum
    page.goto("https://www.qtccolor.com/secaiku/tool/spectrum")
    # Click div[role="tab"]:has-text("光谱数据")
    page.locator("div[role=\"tab\"]:has-text(\"光谱数据\")").click(
    # Click text=最小波长：nm
    page.locator("text=最小波长：nm").click()
    # Fill [placeholder="\33 80"]
    page.locator("[placeholder=\"\\33 80\"]").fill("400")
    # Select 1964
    page.locator("select[name=\"obs\"]").select_option("1964")
    # Select D65
    page.locator("select[name=\"ill\"]").select_option("D65")
    # Fill textarea[name="spectrum"]
    for i in range(len(data_test)):
        inputs=get_str(data_test[i,:])
        # Click textarea[name="spectrum"]
        page.locator("textarea[name=\"spectrum\"]").click()
        page.locator("textarea[name=\"spectrum\"]").press("Control+a")
        page.locator("textarea[name=\"spectrum\"]").fill(inputs)
        # Click button:has-text("转换颜色")
        page.locator("button:has-text(\"转换颜色\")").click()
        time.sleep(1)
        # Click text=Lab0.000.000.00 >> td >> nth=1
        L=float(page.locator('xpath=//*[@id="scroll_container"]/div[1]/div/div[2]/table/tbody/tr[2]/td[2]').inner_text())
        # Click text=Lab0.000.000.00 >> td >> nth=2
        a=float(page.locator('xpath=//*[@id="scroll_container"]/div[1]/div/div[2]/table/tbody/tr[2]/td[3]').inner_text())
        # Click text=Lab0.000.000.00 >> td >> nth=3
        b=float(page.locator('xpath=//*[@id="scroll_container"]/div[1]/div/div[2]/table/tbody/tr[2]/td[4]').inner_text())
        print(L,a,b)
        labs.append([L,a,b])
    # ---------------------
    context.close()
    browser.close()
with sync_playwright() as playwright:
    run(playwright)
    np.savetxt('./1_lab_res.csv',labs,delimiter=",")1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.