大家好，我是安果！
之前写过一篇关于如何利用 Selenium 操作已经打开的浏览器进行爬虫的文章
如何利用 Selenium 对已打开的浏览器进行爬虫！
最近发现很多人都开始摒弃 Selenium，全面拥抱 Playwright 了，那如何利用 Playwright 进行爬虫，以应对一些反爬严格的网站呢？
对 Playwright 不了解的小伙伴，可以看很早之前写过的一篇文章
微软最强 Python 自动化工具开源了！不用写一行代码！
具体操作步骤如下：
PS：这里以 Chrome 为例，其他浏览器类似
1-1 查看本地 Chrome 浏览器的的安装地址
比如：C:Program FilesGoogleChromeApplicationchrome.exe
1-2 命令行启动浏览器
打开 CMD 终端，输入下面命令行打开 Chrome 浏览器
代码语言：javascript复制# 使用无痕模式，打开目标网站，最大化展示
cd C:Program FilesGoogleChromeApplication && chrome.exe --remote-debugging-port=6666 --user-data-dir="C:workchrome" --start-maximized --incognito --new-window https://www.taobao.com其中
- --remote-debugging-port 端口号
指定浏览器调试端口号
PS：这里可以随机指定一个端口号，不要指定为已经被占用的端口号
- --user-data-dir 用户数据保存目录
指定浏览器的用户数据保存目录
注意：需要设置到一个全新的目录，不要影响 Chrome 浏览器系统用户的数据
- --incognito 用户数据保存目录 无痕模式打开，默认非无痕模式
- --start-maximized 窗口最大化显示
- --new-window 目标地址 直接打开目标网站
1-3 编写代码操作浏览器
使用命令行打开 Chrome 浏览器后，就可以使用 Playwright 编写代码，继续对浏览器进行操作
注意：必须保证上面的操作只打开一个浏览器窗口，方便我们进行操作
2 实战一下
目标：使用 Playwright 操作上面命令行打开的浏览器页面，根据关键字进行搜索，获取商品标题及地址
需要注意的是，通过 connect_over_cdp 指定的端口号要和浏览器调试端口号保持一致
代码语言：javascript复制from playwright.sync_api import sync_playwright
with sync_playwright() as p:
browser = p.chromium.connect_over_cdp('http://localhost:6666/')
# 获取页面对象
# 上下文索引：第一个
# page索引：第一个
page = browser.contexts[0].pages[0]
# 输入
page.locator("#q").fill("Python")
# 点击搜索
page.locator(".btn-search").click()
# 等待元素出现
# 注意：由于page.locator能获取多条数据，这里使用first获取1条数据，避免wait_for()方法报错
page.locator("div[class^=Card--doubleCard]").first.wait_for(state='visible')
# 获取商品盒子下所有div元素列表
elements = page.locator("div[class^=Content--contentInner]>div").all()
# 遍历，获取标题及地址
for element in elements:
# 标题
title_element = element.locator("div[class^=Title--title--] > span").first
# 地址
href_element = element.locator("a[class^=Card--doubleCardWrapper--]")
href = "https:" href_element.get_attribute("href")
print("标题：", title_element.text_content(), "，URL：", href)推荐阅读
如何利用 Selenium 对已打开的浏览器进行爬虫！
微软最强 Python 自动化工具开源了！不用写一行代码！
最全总结 | 聊聊 Selenium 隐藏浏览器指纹特征的几种方式！
