【爬虫项目】canvas 图片爬取

爬取难点

HTML 的 canvas 标签生成的图片，使用平常获取图片URL下载是行不通的。

说明

爬虫完整代码

https://pan.bigdataboy.cn/#/s/wjHw

网站

csTimer - 魔方竞速训练专用计时器

爬取内容

• 模仿公式
• 公式对应的 canvas 图片

工具选取

• Python
• selenium

开始爬取

爬取 canvas的思路是执行 canvas.toDataURL("image/png") 方法获取图片的 base64编码，再转码为 bytes，然后保存在本地

构造主类

class Main:
    # 图片保存路径
    IMG_PATH = "./img/"
    # 公式保存文件
    FILE = "a.txt"
    # 保存公式的个数
    COUNT = 5000
    # 保存速度
    SPEED = 0.1 # None：无限制。支持浮点数

    def __init__(self):
        #TODO 打开网站

    def save(self, i):
        #TODO 保存 公式 及 图片

    def run(self):
        #TODO  运行类

构造类方法

def __init__(self):
    options = ChromeOptions()
    options.add_experimental_option('excludeSwitches', ['enable-automation']) # 隐藏自动化测试
    # options.add_argument("--headless") # 注释掉，就无需打开浏览器窗口
    # 加载网站
    self.bro = webdriver.Chrome(executable_path="./chromedriver_win32/chromedriver.exe", options=options)
    self.bro.get(url="https://www.cstimer.net/")

    # 检查网页是否加载完成
    WebDriverWait(self.bro, 60).until(
        EC.presence_of_element_located((By.XPATH, '//div[@id="leftbar"]/div[@class="mybutton c6"]/div/span[2]')))
    # 判断图片框是否显示
    if not self.bro.find_element_by_id('toolsDiv').is_displayed():
        # 点击显示图片
        self.bro.find_element_by_xpath('//div[@id="leftbar"]/div[@class="mybutton c6"]/div/span[2]').click()

保存类方法

    def save(self, i):
        # 保存公式
        formula = self.bro.find_element_by_xpath('//div[@id="scrambleTxt"]/div').text
        with open(self.FILE, mode='a+', encoding="UTF-8") as f:
            text = f"{formula}----{i}\n"
            logger.info(text)
            f.write(text)

        # 保存图片
        JS = 'return document.getElementById("toolsDiv").childNodes[0].childNodes[0].childNodes[0].toDataURL("image/png");'
        img_base64 = self.bro.execute_script(JS).split(',')[1]  # 执行js文件得到带图片的 base64 编码
        img_bytes = base64.b64decode(img_base64)  # 转为bytes类型
        path = f"{self.IMG_PATH}{i}.png"
        logger.info(path)
        with open(path, 'wb') as f:  # 保存图片到本地
            f.write(img_bytes)

运行类方法

def run(self):
    i = 1
    while self.COUNT >= i:
        self.bro.find_element_by_xpath('//div[@class="title"]/nobr[2]/span[2]').click()
        self.save(i)
        if self.SPEED:
            sleep(self.SPEED)
            logger.info(f"延迟： {str(self.SPEED)} 中....")
        i += 1
    logger.info(f"爬取完成")

使用

if __name__ == '__main__':
    mian = Main()
    mian.run()