分享一款懒人必备的Python爬虫神器

来源：https:///post/7140542063061237773

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-playwrightplaywright install

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.com

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 timefrom playwright.sync_api import Playwright, sync_playwright, expectimport 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./secaiku/tool/spectrum    page.goto('https://www./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=',')

可以说从安装到实现就几分钟,而且特别容易上手,我第一次用也一下就能实现效果

剩下的就是简单的写个函数计算色差啥的就没难度了.

最后

大厂出品果然不同,使用它在不考虑运行效率(有异步但是我懒得看了)的情况下可以轻松实现复杂操作,懒人最爱!