前言

最近有一些爬虫用户在使用 playwright 的时候，提到 playwright 默认是用无痕模式打开的浏览器，很多网站会有反爬机制，使用无痕模式打开的时候功能无法正常使用。
playwright 提供了 launch_persistent_context 启动浏览器的方法，可以非无痕模式启动浏览器。

  • 无痕模式启动浏览器适合做自动化测试的人员
  • 非无痕模式启动浏览器适合一些爬虫用户人员

无痕模式启动浏览器

launch 方法是无痕模式启动浏览器

from playwright.sync_api import sync_playwright
# 上海悠悠 wx:283340479
# blog:https://www.cnblogs.com/yoyoketang/


with sync_playwright() as p:
    browser = p.chromium.launch(headless=False)
    context = browser.new_context()
    page = context.new_page()
    page.goto("https://www.cnblogs.com/yoyoketang")

    # do ....
    context.close()
    browser.close()

非无痕模式 launch_persistent_context

如果网站被识别无痕模式不能使用，那么可以用 launch_persistent_context 非无痕模式启动浏览器
相关参数说明：

  • user_data_dir ： 用户数据目录，此参数是必须的，可以自定义一个目录
  • accept_downloads： 接收下载事件
  • headless： 是否设置无头模式
  • channel： 指定浏览器类型，默认chromium
from playwright.sync_api import sync_playwright
# 上海悠悠 wx:283340479
# blog:https://www.cnblogs.com/yoyoketang/


p = sync_playwright().start()
browser = p.chromium.launch_persistent_context(
    # 指定本机用户缓存地址
    user_data_dir=f"D:\chrome_userx\yoyo",
    # 接收下载事件
    accept_downloads=True,
    # 设置 GUI 模式
    headless=False,
    bypass_csp=True,
    slow_mo=1000,
    channel="chrome"
)
page = browser.new_page()
page.goto("https://www.cnblogs.com/yoyoketang/")

# do ...
browser.close()

问题1：以上代码执行时，会发现多一个空白页？

因为使用 launch_persistent_context 方法会自动打开一个 tab 标签页，后面代码 browser.new_page() 重新打开了一个新的page 对象。

解决办法很简单，去掉browser.new_page() 代码即可。直接用默认打开发tab 标签页对象。

from playwright.sync_api import sync_playwright
# 上海悠悠 wx:283340479
# blog:https://www.cnblogs.com/yoyoketang/


p = sync_playwright().start()
browser = p.chromium.launch_persistent_context(
    # 指定本机用户缓存地址
    user_data_dir=f"D:\chrome_userx\yoyo",
    # 接收下载事件
    accept_downloads=True,
    # 设置 GUI 模式
    headless=False,
    bypass_csp=True,
    slow_mo=1000,
    channel="chrome"
)
page = browser.pages[0]
page.goto("https://www.cnblogs.com/yoyoketang/")

# do ...

browser.close()

问题2：launch_persistent_context 创建的浏览器对象，无法使用browser.new_context() 创建上下文？

因为 launch_persistent_context 字面上意思就已经是一个context 上下文对象了，所以无法创建上下文，只能创建page对象。

问题3：user_data_dir 路径参数是干什么的？

user_data_dir 是指定浏览器启动的用户数据缓存目录，当指定一个新的目录时，启动浏览器会发现自动生成缓存文件

打开D:\chrome_userx\yoyo 目录会看到加载的浏览器缓存文件。

问题4：user_data_dir 能不能记住用户登录的状态？

user_data_dir 就是你自己定义的打开浏览器保存的用户数据，包含了用户的cookies，所以你只要登录过，就会自动保存。
所以你只要代码打开网站，如果不能通过代码自动登录（可能有一些验证码什么的），你可以断点后手工去登录一次，也会记住cookies。下次代码再打开就不需要登录了。

问题5：为什么按你的教程，我这个网站就无法保持登录？

能不能保持登录状态，主要看你网站的cookies 有效期，有些网站关闭浏览器后就失效了，比如一些银行的网站，你只要关闭浏览器窗口，下次就需要再次登录。
简单来说一句话：你手工去操作一次，关闭浏览器，再打开还要不要登录，如果关闭浏览器需要再次登录，那代码也没法做到保持登录。
有些博客网站，你登录一次，cookies 几个月都有效，这种就可以利用缓存的cookies 保持登录。

问题6： 为什么网上其他教程 user_data_dir 写chrome 的安装目录？

其实没必要非要写 chrome 的安装目录"C:\Users\{getpass.getuser()}\AppData\Local\Google\Chrome\User Data"。
如果你写的是系统默认安装目录的用户数据，那你本地浏览器打开后，执行代码就会报错。所以不推荐！

问题7： 默认启动的是 chromium 浏览器，能不能换成其他的?

可以通过 "channel" 参数指定浏览器，可以支持 chromium 系列：chromium、chrome、chrome-beta、msedge

问题8： 如何设置窗口最大化?

添加args=['--start-maximized'] 和 no_viewport=True 两个参数设置窗口最大化

browser = p.chromium.launch_persistent_context(
    # 指定本机用户缓存地址
    user_data_dir=f"D:\chrome_userx\yoyo",
    # 接收下载事件
    accept_downloads=True,
    # 设置 GUI 模式
    headless=False,
    bypass_csp=True,
    slow_mo=1000,
    channel="chrome",
    args=['--start-maximized'],
    no_viewport=True
)

或者 使用viewport={'width': 1920, 'height': 1080} 设置屏幕分辨率

browser = p.chromium.launch_persistent_context(
    # 指定本机用户缓存地址
    user_data_dir=f"D:\chrome_userx\yoyo",
    # 接收下载事件
    accept_downloads=True,
    # 设置 GUI 模式
    headless=False,
    bypass_csp=True,
    slow_mo=1000,
    channel="chrome",
    viewport={'width': 1920, 'height': 1080}
)

问题9：如果我想同时打开多个浏览器，每个浏览器登录不同账号，多账号同时操作怎么办？

多账号同时执行，参考下一篇多线程https://www.h3blog.com/article/510/

文章转自：https://www.cnblogs.com/yoyoketang/p/17427192.html