差分

このページの2つのバージョン間の差分を表示します。

--- selenium-webdriver [2025/01/13 01:58] – skk
+++ selenium-webdriver [2025/02/22 16:07] (現在) – skk
@@ 行 1: / 行 1: @@
-= [[selenium-webdriver]] LM: [2025-01-13 01:58:03]
+= [[selenium-webdriver]] LM: [2025-02-22 16:05:39]
 ~~NOCACHE~~
@@ 行 42: / 行 42: @@
 ===== - tips  =====
-==== - 名前をつけて保存の処理 ====
+==== - 画像保存の方法 ====
 [2025-01-13]
 selenium を使って，Web 上の画像を保存する方法は，大きく分けて，
-. screenshot をとる
+  - screenshot をとる
-.
+  - 名前をつけて保存
+  - 画像の URL を取得し，request.get() する
+の３つな気がする．1 番目は表示さえされてれば確実に画像が保存できるのだが，画像が縮小されていると画質が落ちてしまうし，取得した画像を jpeg や webp に変換していると結構な CPU リソースを食ってしまう．
+番目の名前をつけて保存は，もし画像の URL とスクレイピング先のホストが同じ場合，キャッシュから保存されるので，１度の URL アクセスで画像が保存できるのでもっとも効率的になるが，違う場合，クロスサイト対策（？）の関係で，もう一度 URL アクセスが発生してしまう．
+そのため，2 番目と 3 番目はアクセスという面で考えると同じになってしまう．
+状況に応じて，適した方法を選ぶ必要がある．
+==== - 名前をつけて保存 ====
+[2025-01-13]
+ブラウザ上の画像を右クリックし，名前をつけて保存，と押すと，保存ダイアログが出てきて，保存先を選び，画像を保存することになる．
+この時出てくる保存ダイアログは，ブラウザの一部ではなく，OS（Windows）の管理下にあるので，selenium からコントロールすることができない．
+よって，名前をつけて保存の処理を自動で行ないたい場合は，selenium とは別の枠組で考える必要がある．
+FreeBSD/Linux などの XWindow な環境の場合，xdotool を利用すると，簡単に XWindow 上での操作が行なえるので，selenium と組み合わせると便利かもしれない．他にも pyautogui などがあるようだが，僕の FreeBSD 環境では上手く動かせなかった．[[http://takeno.iee.niit.ac.jp/~shige/FreeBSD/fbsd-omemo.html#o-20220127|参考１]][[https://stackoverflow.com/questions/58432057/how-do-i-click-enter-when-a-save-as-window-is-open-with-selenium|参考２]]
+僕の場合，ウィンドウマネージャを指定せずに，Xvfb に対して seleinum で操作している chromium を表示している状態である．
+次に，selenium において，次のように javascript を利用してブラウザ上での右クリックを行なわせる．
+<code python>
+driver.execute_script(f"""
+   const downloadImage = document.createElement('a');
+   document.body.appendChild(downloadImage);
+   downloadImage.setAttribute('download', 'image');
+   downloadImage.href = '{img_src}';
+   downloadImage.click();
+""")
+</code>
+実行すると，Xvfb 上では名前をつけて保存ダイアログにフォーカスがあたった状態で出てくる．
+あとは，保存先ディレクトリを指定し，保存ボタンを押す．xdotool ならば，
+<code bash>
+% xdotool key Home
+% xdotool type /home/skk/Downloads/
+% xdotool key Return
+</code>
+となる．もしコマンドライン上で実際に動かす場合は，DISPLAY 環境変数も指定しなければならない．
+これらのコマンドを python 上でコマンド呼出せばよい．例えば，以下のような形．
+<code python>
+xdotool = ["xdotool", "key", "Home"]
+subprocess.run(xdotool)
+</code>
 ==== - selenium (bot) 検知への対応について ====
@@ 行 58: / 行 107: @@
   * https://stackoverflow.com/questions/67551031/how-to-pass-desired-capabilities-to-undetected-chromedriver-with-selenium-python
   * https://stackoverflow.com/questions/72406597/how-to-avoid-bot-detection-on-websites-using-selenium-python
+  * [2025-02-22] https://www.zenrows.com/blog/selenium-cloudflare-bypass
 === - undetected chromedriver [2023-09-07] ===
@@ 行 71: / 行 121: @@
 FreeBSD で動作させる為には，[[https://www.sakaki.works/doku/doku.php?id=selenium-webdriver#undetected-chromedriver_%E3%81%AE%E5%8B%95%E4%BD%9C%E8%A8%AD%E5%AE%9A_2023-09-07|下記]]参照．
+=== - seleniumbase [2025-02-22] ===
+undetected_chromedriver は，2025/02 現在，あまりメンテされておらず，Cloudflare などの anti-bot システムで検知されがちなツールになってきている模様．
+ZenRow というクラウドサービスを使っても anti-bot の回避はできるようだが月額がまーまー高い．広告記事だと思うけど，この ZenRow の特集記事が良くできているので参考に読むと良い．
+今は，SeleniumBase というツールまたは，nodriver というツールが最近ではアクティブな模様．nodriver は undetected_chromedriver の作者が作っている後継だけど，selenium の書きにくいところと決別したいらしく，結構独自の書き方にしないといけなくて，既存のコードがある場合には導入しにくい．SeleniumBase は undetected_chromedriver を fork して独自進化させてるっぽいので，undetected_chromedriver からの乗り換えにはとても便利．
+また，multiprocessing 環境への対応を頑張った形跡が見られるのも嬉しい．undetected_chromedriver は，複数のプロセスを動かそうとすると，Text Busy と言われることがちょいちょいあった．これは，ChromeDriver を利用するたびに chromedriver をダウンロードしてきてパッチを当ててたので，複数プロセスで動かそうとすると，時々競合のような状態になっていたと想像している．
+SeleniumBase は，初回起動時に uc_driver という，パッチを当てまくった chromedriver を作成して，以降は必要がなければずっとそれを使い続けるので，複数のプロセスから ChromeDriver(=uc_driver) を利用しても問題が起きない．
+さらに，undetected_chromedriver を FreeBSD で無理矢理動かしていた時は，zombie プロセスが大量に作成されてしまったので，定期的にプログラムを再起動してゾンビを殺していたが，終了処理などがきれいになっているのか，SeleniumBase だと zombie が発生しなかった．
+ということで，今から利用する場合は，SeleniumBase の方が全然良い．（nodriver ももしかしたら良いのかもしれないけど，試してはいない）
 === - UA について ===
@@ 行 105: / 行 169: @@
 ====== - freebsd における tips  ======
+===== - SeleniumBase の動作設定 [2025-02-22] =====
+SeleniumBase もソースコードないでは Linux への分岐しか対応してない．ただ，undetected_chromedriver は Linux バイナリをダウンロードしてきていたので，Linux Emulation しなければならなかったが，SeleniumBase は chromedriver に対してなんらかの方法でパッチを当てているので，FreeBSD でインストールできる Chromium に附属している chromedriver をベースにして動作する．つまり，linux emulation しなくても大丈夫．
+==== - python ライブラリの準備 ====
+<code bash>
+# pip install seleniumbase
+</code>
+==== - python ライブラリの FreeBSD 対応 ====
+/usr/local/lib/python3.11/site-packages/seleniumbase/undetected  以下に，下記のファイルが存在している．
+<code>
+__init__.py     cdp_driver      dprocess.py     patcher.py      webelement.py
+__pycache__     cdp.py          options.py      reactor.py
+</code>
+patecher.py で以下．
+<code python>
+c16
+< IS_POSIX = sys.platform.startswith(("darwin", "cygwin", "linux"))
+---
+> IS_POSIX = sys.platform.startswith(("darwin", "cygwin", "linux", "freebsd"))
+c31
+<     if sys_plat.endswith("linux"):
+---
+>     if sys_plat.endswith("linux") or sys_plat.endswith("freebsd"):
+</code>
+/usr/local/lib/python3.11/site-packages/seleniumbase/fixtures/shared_utils.py というファイルでも OS 分岐を行なっていたので，ここでも Linux と同じ動作にしてしまう．
+<code python>
+def is_linux():
+     return "linux" in sys.platform or "freebsd" in sys.platform
+</code>
+これで少なくとも，僕の環境では SeleniumBase が FreeBSD で動作している．
 ===== - undetected-chromedriver の動作設定 [2023-09-07] =====
 undetected-chromedriver がダウンロードできるバイナリは上述の通りで，FreeBSD で動作させる為には，以下のどちらかの対応かと考えた．
@@ 行 117: / 行 219: @@
 ==== - python ライブラリの準備 ====
-<code>
+<code bash>
 # pip install undetected-chromedriver
 </code>

selenium-webdriver.1736701090.txt.gz · 最終更新: 2025/01/13 01:58 by skk

文書の先頭へ