使用 Python + Selenium 批量下载素材

使用 Python + Selenium 批量下载素材

本文简单介绍使用 Python + Selenium 从ManyPixels线上图库批量下载素材的方法。截止到现在（2020/3/13），ManyPixels 上一共有 19 页的插图素材， 437 个文件。手工点击逐个下载是很不实际的，手指都可能点断，有必要使用代码实现程序自动批量下载。

ManyPixels 线上图库

ManyPixels，是一个免费线上图库，主要以收录插图素材为主。插图还可以自定义颜色。提供 PNG，SVG 格式下载。根据许可，ManyPixels 发布于此插图图库的所有素材皆可免费使用，无论是用于非商业或商业用途，无需向创作者或原发布商获得许可，下载后的插图可自由修改、编辑或复制。

Selenium

Selenium 是一个用于 Web 应用程序测试的工具。支持多平台：windows、linux、MAC ，支持多浏览器：ie、ff、safari、opera、chrome，多语言 C、 java、ruby、python、或者是 C#。「Selenium 测试直接运行在浏览器中，就像真正的用户在操作一样」。嗯，看中的就是：

就像真正的用户在操作一样

初看「批量下载」应该是一个爬虫任务，但为什么要用一个测试工具呢？因为通过右键查看 ManyPixels 的源码和普通的页面很不一样，根本看不到图片的标签。这就不能用传统的urllib.request或者是Scrapy了。在这里我不需要效率，只作为业余使用的工具，怎么方便怎么来，也懒得去深入urllib.request或者是Scrapy，就像用户去一个一个图片点击下载一样，那就是 Selenium 了。要在 Python 中使用 Selenium，先通过pip安装：pip install selenium，然后还得配合chromedriver才能使用（如果是 Chrome 浏览器），而且得是对应的版本。2020/3/14 更新，为方便 selenium 初学者使用，特上传到 CSDN 资源供各位下载，版本为 chromedriver win32，匹配最新的 Chrome81，下载地址为：https://download.csdn.net/download/chenbingcai/12247260

代码实现

因为我的工作语言不是 Python，作为工具，可能有点乱，完全不是Pythonic，这里只是提供一种思路。代码在运行中出现了以下几个问题，经调试在我本机环境上可成功运行。在这里我是下载 SVG 版本，而不是 PNG 版本，因为 SVG 在后期还可以通过svg-inject等 JS 库在网页中动态修改。

1. ssl_client_socket_impl.cc(941)] handshake failed
   解决办法：ChromeOptions添加一个参数：opt.add_argument('--ignore-certificate-errors')

2. HTML 元素无法执行click事件
   解决办法：通过 JS 选择这个元素，然后执行这段 JS，driver.execute_script(js)

3. gcm_channel_status_request.cc(145) GCM channel request failed
   解决办法：这个错误暂时无法解决，但并不影响本次运行功能。

4. no such element
   解决办法：可能是元素的xpath不正确，或页面没加载完成。在 Chrome 开发者工具中选中元素，右键Copy XPath；等待页面加载完成，until()，在这里我偷懒，简单粗暴的用了time.sleep()，不可取。这里通通清一式用find_element_by_xpath()可能也不是一个好的方法，只是目前刚好能成功运行。另外，判断元素是否存在，我是用了try except实现，或者还有更好的方法吧。

最后，抛砖引玉，以下是本功能的全部代码：

# -*- coding: utf-8 -*-

from selenium import webdriver
import time
import random

def sleep_by_time(seconds=3):
    sleep_time=random.random()*seconds
    time.sleep(sleep_time)

def download_SVG(xpath,driver):
    driver.find_element_by_xpath(xpath).click()


def save_SVG():

    opt = webdriver.ChromeOptions()
    opt.add_argument('--ignore-certificate-errors')
    driver = webdriver.Chrome(options=opt)
    driver.maximize_window()

    driver.implicitly_wait(30)

    driver.get('https://www.manypixels.co/gallery/')

    page_count = int(driver.find_element_by_xpath('//*[@id="body"]/div[1]/div/div[2]/ul/li[last()-1]').text) + 1

    for i in range(1,page_count):
        
        js = 'document.querySelector("#body > div.style__ContainerIllustrations-sc-1olxldb-2.irWJZG > div > div.style__ContainerGallery-sc-3zib4p-1.bdbuba > div.style__Container-sc-3zib4p-0.iYHiIc > div:nth-child(1)").click()'
        driver.execute_script(js)

        sleep_by_time()

        j = 0
        while True:
            j = j+1
            download_SVG('//*[@id="body"]/div[1]/div/div[1]/div[2]/div[2]/button[1]',driver)
            
            if j == 1:
                next_span = driver.find_element_by_xpath('//*[@id="body"]/div[1]/div/div[1]/div[2]/div[3]/span')
            else:
                try:
                    next_span = driver.find_element_by_xpath('//*[@id="body"]/div[1]/div/div[1]/div[2]/div[4]/span')
                except :
                    driver.find_element_by_xpath('//*[@id="body"]/div[1]/div/div[1]/div[2]/div[1]/span').click()
                    break

            next_span.click()
            sleep_by_time(5)
            

        # 下一页
        try:
            driver.find_element_by_xpath('//*[@id="body"]/div[1]/div/div[2]/ul/li[last()]').click()
        except:
            break

        sleep_by_time()

    driver.close()