跳到主要内容

💥 4.0 功能介绍


3.x 是自主研发底层的初步尝试,很多地方摸着石头过河,存在一些不太成熟的地方。

经过一段时间的使用,积累一些经验之后,4.0 在 3.x 的基础上对底层进行了大幅重构,新增大量功能,改善运行效率和稳定性,优化项目结构,解决很多存在的问题。对比旧版本有质的提高。

但同时不少 api 发生了变化,不能完全兼容旧版本。

api 的变化有些是功能优化必需的改变,有些则是本人对命名简洁的执念,趁着大版本的更新顺便把长期不太满意的命名给改了。

给使用者造成一定不便感到抱歉,但长痛不如短痛,趁着项目用的人不多,干脆舍弃历史包袱果断改掉。

有些原来的写法在 4.0.0 中还能正常使用,但 IDE 会提示无效,将在以后的版本中完全删除。推荐尽快更新为新写法。

本节仅简述功能变化,具体使用方法详见各对应章节。

✅️ 新的抓包功能

3.2 中,抓包功能主要由 FlowViewer 和wait.data_packets()提供。

FlowViewer 是本人的一个练手作品,写得比较随意,技术也还没到家。存在漏抓、信息不全、api 不够合理的问题。

4.0 中,每个页面对象都内置了监听器,能力全面升级,api 也更合理。

📌 旧 api 变化

  • 弃用 FlowViewer,以后也不会再升级
  • 删除wait.set_targets()
  • 删除wait.stop_listening()方法
  • 删除wait.data_packets()方法
  • DrissionPage.common路径删除FlowViewer

📌 新 api

  • 每个标签页对象(包括ChromiumFrame)新增listen属性,内置监听功能
  • listen.start()listen.stop()启动和停止监听
  • listen.wait()阻塞等待数据包
  • listen.steps()同步获取监听结果
  • 增加listen.wait_silent()等待所有请求完成(包含 targets 以外的)
  • 监听结果结构优化,request 和 response 数据分开存放

📌 示例

下面示例可直接运行查看结果。这个示例会计时,用于与下个示例对比。

from DrissionPage import ChromiumPage
from TimePinner import Pinner
from pprint import pprint

page = ChromiumPage()
page.listen.start('api/getkeydata') # 指定监听目标并启动监听
pinner = Pinner(True, False)
page.get('http://www.hao123.com/') # 访问网站
packet = page.listen.wait() # 等待数据包
pprint(packet.response.body) # 打印数据包正文
pinner.pin('用时', True)

输出:

{'hao123.new.shishi.bangdan.recom': [{'index': '1',
'pure_title': '以色列和哈马斯移交首批被扣押人员'},
{'index': '2',
'pure_title': '听到免签政策法国外长笑了'},
......
用时:3.3114853000151925

✅️ 新的页面访问逻辑

3.x 中存连接存在以下主要问题:

  • 浏览器页面对象get()方法的timeout参数只对加载阶段生效,无法覆盖连接阶段;
  • 加载策略none模式没有实际用处。

这两个问题都在 4.0 中解决,且能够让用户自主控制终止连接的时机。 另外还对连接逻辑进行了优化,避免卡死情况出现。

📌 api 变化

  • 页面对象page_load_strategy属性改名为load_mode
  • set.load_strategy改为set.load_mode

📌 行为变化

  • get()方法的timeout参数现在可覆盖整个过程
  • timeout参数对非get()方法触发的加载(如点击链接)也能生效
  • SessionPageWebPage的 s 模式,如收到空数据,也会重试
  • SessionPageget()方法可以指向本地文件

📌 新的none加载模式

旧版中,none加载策略是当页面连接成功就立刻停止加载,这在实际使用时没有什么意义。

新版中,这个模式改成:除非加载完成,否则程序不会主动将其停止(即使已超时),同时连接状态不再阻塞程序,而允许用户进行状态判断,主动停止加载。

这样提供给用户非常大的自由度,可等到关键数据包或元素出现就主动停止页面加载,大幅提升执行效率。


📌 示例

我们继续使用上一个示例的代码,但把加载模式设为none,且获取到数据时主动停止加载。

from DrissionPage import ChromiumPage
from TimePinner import Pinner
from pprint import pprint

page = ChromiumPage()
page.set.load_mode.none() # 设置加载模式为none
page.listen.start('api/getkeydata') # 指定监听目标并启动监听
pinner = Pinner(True, False)
page.get('http://www.hao123.com/') # 访问网站
packet = page.listen.wait() # 等待数据包
page.stop_loading() # 主动停止加载
pprint(packet.response.body) # 打印数据包正文
pinner.pin('用时', True)

输出:

{'hao123.new.shishi.bangdan.recom': [{'index': '1',
'pure_title': '以色列和哈马斯移交首批被扣押人员'},
{'index': '2',
'pure_title': '听到免签政策法国外长笑了'},
......
用时:1.2575092000188306

可见节省了2秒时间。 当网站要访问一些不稳定资源时,节省的时间相当客观,也能提高程序的稳定性。


✅️ 新的下载管理功能

在旧版中,下载管理功能存在以下问题:

  • 浏览器下载管理和内置下载器DownloadKit的配置都使用download_set属性进行设置,容易造成混淆。
  • 浏览器下载任务不能在下载前指定文件名
  • 该功能有随着浏览器版本更新失效的风险

4.0 对浏览器下载管理功能进行了完完全全的重构,结构更为合理,功能更多。 同时,内置下载器的设置和浏览器下载任务设置进行了分离。

📌 api 变化

  • 页面对象删除download_set属性
  • 增加set.download_path()方法
  • 增加set.download_file_name()方法

📌 新增功能

  • Tab 对象和 Frame 对象也支持download()方法
  • 每个 Tab 对象可单独设置下载路径和重命名文件名
  • 可拦截浏览器下载任务并获取其信息
  • 可取消浏览器下载任务、获取下载进度、等待任务完成
  • 可设置遇到文件夹已存在时的处理方式

📌 行为变化

4.0 中默认不启用浏览器下载任务管理,只有在启动参数中设置了下载路径,或调用set.download_path()方法时才会启动。

未启动任务管理功能时,下载行为和普通使用一样。


📌 示例

以下示例可直接运行。

from DrissionPage import ChromiumPage

page = ChromiumPage()
page.get('https://office.qq.com/download.html')
page.set.download_path('tmp') # 设置文件保存路径
page.set.download_file_name('qq') # 设置文件名
page('#downloadWin').click() # 点击触发下载
mission = page.wait.download_begin() # 等待下载开始并获取任务对象
mission.wait() # 等下下载任务完成

输出:

url:https://dldir1.qq.com/qqfile/qq/TIM3.4.8/TIM3.4.8.22124.exe
文件名:qq.exe
目标路径:D:\coding\projects\DrissionPage\tmp
100.0% 下载完成 D:\coding\projects\DrissionPage\tmp\qq.exe

✅️ 页面对象

这里说的页面对象包括 Page 对象(ChromiumPageWebPage)、Tab 对象(ChromiumTabWebPageTab)、ChromiumFrame对象。

📌 启动参数变化

4.0 中,创建WebPageChromiumPage对象时,不再接收ChromiumDriver对象。

意思是不再支持传递控制权的方式创建页面对象。

因为本身支持多个页面对象控制同一个标签页,如果需要多页面对象协同,只要get_tab()创建一个新对象就行,可和原有对象并行使用。

而且,传递控制权本身有稳定性方面隐患,因此新版中将其删除。

相应地,启动参数的名称也发生了变化:

  • WebPage对象的driver_or_options参数改名为chromium_options
  • ChromiumPage对象的addr_driver_opts参数改名为addr_or_opts

另外,ChromiumPage的启动参数addr_or_opts现在可以接收int数据,直接传入端口号。


📌 内置动作链

4.0 中,每个页面对象内置actions属性,即动作链。

内置的动作链与直接创建的动作链对象有一个不同点,每次操作会等待页面加载完成再执行。

示例:

page.actions.hold(ele).move(50).release()

📌 状态信息

旧版中,页面对象拥有ready_stateis_loadingis_alive属性,现在都合并到states属性中。

# ------ 旧版代码 ------
print(page.is_loading)

# ------ 新版代码 ------
print(page.states.is_loading)

📌 其它

  • ChromiumPageWebPage改为固定单例
  • get_tab()获取的 Tab 对象默认单例,可用Settings设置允许多例
  • 页面对象增加raw_data参数,s 模式下返回原始数据
  • 所有页面对象增加close()方法,SessionPage用于关闭连接,浏览器页面对象用于关闭标签页
  • 浏览器页面对象增加wait()方法,用于等待若干秒
  • 浏览器页面对象增加wait.ele_loaded()方法,等待元素加载到DOM
  • 浏览器页面对象增加wait.title_change()wait.url_change()方法,用于等待 title 和 url 变化
  • 浏览器页面对象增加wait.alert_closed()方法,用于等待弹窗被手动关闭
  • 浏览器页面对象增加set.cookie()方法,可设置单个 cookie
  • 浏览器页面对象增加set.blocked_urls()方法,可设置忽略的连接
  • Tab 和 Page 对象增加disconnect()方法,用于断开与网页连接
  • Tab 和 Page 对象增加reconnect()方法,用于断开并重新连接网页
  • Tab 和 Page 对象增加save()方法,用于把网页保存为 mhtml
  • Tab 和 Page 对象增加add_init_js()remove_init_js()方法
  • quit()方法增加force参数,可强制关闭浏览器进程
  • ChromiumFrame增加ract属性
  • ChromiumFrameframe_size属性改为rect.size
  • wait.ele_delete()方法改为wait.ele_deleted()
  • wait.ele_display()方法改为wait.ele_displayed()
  • wait.load_complete()方法改为wait.doc_loaded()
  • 优化SessionPageWebPages 模式访问速度
  • WebPage在 d 模式时,post()返回Response对象

✅️ cookies 设置

  • set.cookies()可接收单个 cookie
  • 增加set.cookies.clear()方法用于清除 cookies
  • 增加set.cookies.remove()方法用于删除一个 cookie 项

✅️ 标签页管理

📌 不再支持to_tab()功能

to_tab()的设计源自于 selenium,用于在多个标签页间切换程序焦点。

selenium 没有 tab 对象,driver 每次只能操作一个 tab。多 tab 使用时需在不同的 tab 间来回切换,且切换的时候会丢失之前获取过的元素,效率低,使用不便。

DrissionPage 3.x 开始就支持多 tab 对象共存,对象之间互不影响,而且标签页无需激活即可操作。因此不再需要切换标签页。

而且焦点切换时如果页面正在加载,实现逻辑较为复杂,也会有稳定性问题。

基于此,决定删除to_tab()方法,使用get_tab()取代之。

涉及的 api修改:

  • 删除to_tab()方法
  • 删除to_main_tab()set.main_tab()方法
  • 删除main_tab属性
  • new_tab()方法删除switch_to参数

新建标签页并切换到新标签页:

# ------ 旧版代码 ------
tab = page.new_tab(switch_to=True)

# ------ 新版代码 ------
tab = page.new_tab()

操作另一个标签页

# ------ 旧版代码 ------
page.to_tab(page.tabs[1])

# ------ 新版代码 ------
tab = page.get_tab(1) # 创建一个可与page同时使用的tab对象

📌 new_tab()的新功能

Page 对象的new_tab()方法增加了 3 个参数:

  • new_window:是否创建新的窗口,新窗口与旧标签页同属一个浏览器,只是独立窗口
  • background:新建的标签页是否为不激活状态(即使不激活也可以操作)
  • new_context:是否创建独立的隐身窗口,该窗口与旧标签页 cookies 相互独立

现在new_tab()返回新建的标签页对象,而非其 tab_id。

示例:

tab = page.new_tab()
tab.get('https://DrissionPage.cn')

📌 标签页的位置与大小

在旧版中,只有ChromiumPageWebPage对象可以设置窗口位置、大小、状态。

Tab 对象(ChromiumTanWebPageTab)虽然能获取窗口窗口上述信息,但只是获取 Page 所控制的标签页信息。

在 4.0 中,独立窗口的标签页,也能设置和获取上面这些属性。

以下属性和方法名称进行了修改:

  • rect.borwser_size改为rect.window_size
  • rect.borwser_location改为rect.window_location
  • set.window.maximized()改为set.window.max()
  • set.window.minimized()改为set.window.mini()
  • set.window.fullscreen()改为set.window.full()

示例:

tab = page.get_tab(1)
print(tab.rect.window_state) # 获取窗口状态
print(tab.rect.window_location) # 获取窗口位置
print(tab.rect.window_size) # 获取窗口大小

tab.set.window.size(500, 500) # 设置窗口大小
tab.set.window.location(500, 500) # 设置窗口位置
tab.set.window.max() # 窗口最大化
# 更多详见相关文档……

📌 标签页的行为

在旧版中,标签页的开关、激活由 Page 对象管理。JS 弹窗也只有 Page 对象能处理。

在 4.0 中,标签页对象可以激活、关闭自己,也可以处理自己的弹出对话框。

  • tab.set.activate():标签页对象激活自己
  • tab.close():标签页对象关闭自己
  • tab.handle_alert():标签页对象处理自己的弹窗
  • tab.states.has_alert:标签页增加此属性表示是否有弹窗存在

📌 get_tab()参数变化

现在get_tab()方法可接收标签页序号(序号从 0 开始)。tab_id参数改为id_or_num

但需要注意,序号与标签页视觉排序不一定一致,而是按照激活顺序排列。

示例:

tab = page.get_tab(1)  # 获取列表中第二个标签页的对象

✅️ 元素相关

📌 定位语法变化

旧版中,定位语法中使用@@-@|-表示否定,但视觉效果不明显,意义也不太明确。

因此改用@!替代,使其更能体现否定的含义。

@!可与@@@|混用,与还是或关系视@@还是@|而定。

也可以单独使用,否定某个单独属性。

示例:

# ------ 旧版语法 ------
page.ele('@@arg1=abc@@-arg2=def')
# ------ 新版语法 ------
page.ele('@@arg1=abc@!arg2=def')

# ------ 旧版语法 ------
page.ele('t:div@|arg1=abc@|-arg2=def')
# ------ 新版语法 ------
page.ele('t:div@|arg1=abc@!arg2=def')

# ------ 旧版语法 ------
page.ele('@@-arg1=abc')
# ------ 新版语法 ------
page.ele('@!arg1=abc')

📌 相对定位参数优化

旧版本中,相对定位如果想用序号获取元素,需要写成ele.next(index=1)

但是我想把这个语句变得更简化一点,写成ele.next(1)即可表示获取下一个兄弟元素。

4.0 中支持这种写法,当filter_loc参数接收int类型参数,即可当作index参数使用。

parent()方法增加index参数,当level_or_loc传入定位符,使用此参数选择第几个结果。


📌 位置和大小

旧版中,元素大小和位置信息由locationlocationssize几个属性提供。

这些属性都与形状相关,为使逻辑更清晰,与页面对象逻辑一致,将它们统一归纳到rect属性中。

  • 删除sizelocationlocations属性,新增rect属性
  • 旧版中loactions.****的属性改为rect.****
  • 大小和位置信息,从int类型改为float类型
  • 增加states.has_rect属性,返回元素是否拥有大小和位置
  • 增加states.is_whole_in_viewport属性,返回元素是否整个都在视口内
# ------ 旧版代码 ------
ele.size
ele.location
ele.locations.midpoint

# ------ 新版代码 ------
ele.rect.size
ele.rect.location
ele.rect.midpoint

📌 点击

  • click()增加wait_stop参数,默认等待元素运动停止再点击
  • click()默认等待元素运动停止再执行点击
  • click.twice()改为click.multiple()

📌 查找元素失败显示细节

旧版链式查找元素时,遇到其中一个查找失败,不能很直观地显示哪个语句失败。

在 4.0 中,可以把查找失败的语句和定位语句显示在报错信息中。

示例

from DrissionPage import ChromiumPage

page = ChromiumPage(timeout=1)
page.get('https://baidu.com')
print(page('#wrapper')('#s_tab')('#abcd').text) # ('#abcd')这个元素不存在

输出:

DrissionPage.errors.ElementNotFoundError: 
没有找到元素。
method: ele()
args: {'locator': '#abcd'}

📌 设置查找失败元素返回默认值

如果查找元素后要获取一个属性,但这个元素不一定存在,或者链式查找其中一个节点找不到,可以设置查找失败时返回的值,而不是抛出异常。

这样可以简化一些采集逻辑。

示例

比如说,遍历页面上一个列表中多个对象,但其中有些元素可能确实某个子元素,旧版中要这样写:

from DrissionPage import ChromiumPage

page = ChromiumPage()
for li in page.eles('t:li'):
ele = li('.name')
name = ele.text if ele else None
ele = li('.age')
age = ele.text if ele else None
ele = li('.phone')
phone = ele.text if ele else None

在新版中,可以这样写:

from DrissionPage import ChromiumPage

page = ChromiumPage()
page.set.NoneElement_value('没找到')
for li in page.eles('t:li'):
name = li('.name').text
age = li('.age').text
phone = li('.phone').text

这样,假如某个子元素不存在,不会抛出异常,而是返回'没找到'这个字符串。


📌 更多

  • ele()s_ele()增加index参数,可指定获取第几个
  • 增加wait.stop_moving()方法,可等待移动结束
  • 增加wait()方法,用于等待若干秒
  • 增加check()方法,可选中或取消选中元素
  • 增加wait.has_rect()方法,用于等待元素拥有大小和位置
  • 滚动添加to_center()方式,可滚动到视口中央
  • 增加select.by_option()select.cancel_by_option()方法,可选取列表项元素
  • 增加states.has_rect属性
  • 元素被覆盖时,states.is_covered属性返回覆盖元素的 id
  • 添加states.is_whole_in_viewport属性,判断是否整个都在视口中
  • input()方法增加by_js参数
  • save()rename参数改为name
  • get_src()支持 blob 类型
  • css_path获取的路径更精确
  • 相对定位的timeout参数默认改为None
  • wait.delete()方法改为wait.deleted()
  • wait.disabled_or_delete()方法改为wait.disabled_or_deleted()
  • wait.display()方法改为wait.displayed()
  • 可用==比较两个元素
  • 查找元素速度提高

✅️ 启动配置

📌 删除 easy_set 方法

easy_set 原本设计目的是为了方便修改 ini 文件设置。

本想着设置一次,之后无需再调用。但可能由于文档描述不清晰,很多人将其写到了正式的代码中。

因为 ini 文件的修改会影响其它项目,这是作者不推荐的用法。

而且,实际使用中发现 easy_set 并没有变得更方便,功能可用ChromiumOptions对象的save()方法代替。

因此决定将其删除,也可以免去多维护一份代码。


📌 支持设置实验项

4.0 新增支持启动浏览器时设置实验项,即'chrome://flags'中的项目。

使用新增的set_flag()方法设置。使用clear_flags_in_file()清空配置文件中已设置的项。

有哪些实验项,具体在'chrome://flags'查看。

示例:

from DrissionPage import ChromiumOptions

co = ChromiumOptions()
co.set_flag('temporary-unexpire-flags-m118', '1')
co.set_flag('disable-accelerated-2d-canvas')

📌 ini 文件变化

  • chrome_options类改为chromium_options
  • binary_location项改为browser_path
  • page_load_strategy项改为load_mode
  • debugger_address项改为address
  • arguments项删除'--remote-allow-origins=*'参数
  • arguments项增加'--no-default-browser-check''--disable-suggestions-ui''--disable-popup-blocking''--hide-crash-restore-bubble''--disable-features=PrivacySandboxSettings4'参数
  • paths类增加tmp_paht
  • 删除experimental_options
  • chrome_options类增加prefsflagsexisting_only
  • 增加others类,包含retry_timesretry_interval

📌 ChromiumOptions 修改

  • 增加set_flag()clear_flags_in_file(),用于设置实验项
  • 增加existing_only()方法和is_existing_only属性,可指定只接管浏览器而不自动启动新的
  • 增加ignore_certificate_errors()方法,可忽略证书报错
  • 增加retry_timesretry_interval属性和set_retry()方法,可设置重试参数
  • 增加incognito()方法,可设置无痕模式
  • 增加set_tmp_path()方法,可指定临时文件夹路径
  • 增加tmp_pathis_auto_port属性
  • auto_port()增加tmp_path参数
  • set_paths() 方法拆分成set_browser_path()set_local_port()set_address()set_download_path()set_user_data_path()set_cache_path() 方法
  • set_page_load_strategy()改成set_load_mode()
  • set_headless()改成headless()
  • set_no_imgs()改成no_imgs()
  • set_no_js()改成no_js()
  • set_mute()改成mute()
  • debugger_address改成address

📌 SessionOptions 修改

  • SessionOptionsset_paths()方法改为set_download_path()
  • 增加retry_timesretry_interval属性和set_retry()方法,可设置重试参数

📌 其它

  • 启动或接管浏览器时,可自动关闭弹出的隐私声明
  • 在无界面系统启动浏览器时,自动使用无头,可用set_headless(False)禁用
  • set_headless(False)但接管了无头浏览器,将关闭并启动新的有头浏览器
  • auto_port()方法支持多线程

✅️ 其它

📌 删除 2.x 代码

MixPageWebPage的前身,基于 selenium。

随着 3.x 版本迭代,自研的底层日渐成熟并完全超越旧版。旧版已到了退休的时候。。

为对项目进行精简,避免新代码受旧功能制约,因此将旧代码删除。

删除以下类:MixPageDriverPageDriverOptionsDrission

旧版对作者的成长有过巨大贡献,因此将其独立成一个库,以此来继续它的生命,和纪念它做出过的成果。

可用以下命令安装旧版尝旧:

pip install MixPage

📌 异常变化

  • CallMethodError改为CDPError
  • ElementLossError改为ElementLostError
  • ContextLossError改为ContextLostError
  • TabClosedError改为PageDisconnectedError
  • 增加WaitTimeoutError
  • 增加GetDocumentError
  • 增加WrongURLError
  • 增加StorageError
  • 增加CookieFormatError
  • 增加TargetNotFoundError

📌 Settings 变化

  • 增加singleton_tab_obj,设置 Tab 对象是否允许多例
  • raise_ele_not_found改为raise_when_ele_not_found
  • raise_click_failed改为raise_when_click_failed

📌 更多

  • handle_alert()方法增加next_one参数,可处理下一个出现的弹窗
  • 浏览器页面对象增加set.auto_handle_alert()方法,可设置自动处理弹窗
  • SessionPage增加set.encoding()方法和encoding属性
  • <option> 元素可以接受点击,操作更符合直觉
  • run_js()run_js_loaded()run_async_js()方法增加timeout参数
  • run_async_js()删除timeout参数
  • timeoutsimplicit改成base
  • ActionChains改成Actions
  • 动作链的移动方法增加duration参数
  • 动作链增加input()方法
  • 动作链key_down()key_up()方法可接收按键名称文本
  • 动作链type()方法text参数改为keys
  • get_screenshot()方法增加name属性,可指定文件名
  • 元素的get_screenshot()方法增加scroll_to_center参数,截图前先滚动到页面正中
  • wait.new_tab()方法成功时返回新标签页 id
  • tabs不包含 F12 的窗口
  • DrissionPage.common路径增加wait_until()方法,支持自定义组合等待条件
  • DrissionPage.common路径增加get_blob()方法,用于获取指定 blob 内容

✅️ 问题修复

  • 修复网络连接极不稳定时获取文档失败问题
  • 修复相对定位timeout失效问题
  • 修复 shadow root 内定位元素可能偏差问题
  • 修复异域ChromiumFrame内部元素无法获取屏幕坐标的问题
  • 修复相对路径插件加载失败的问题
  • 所有循环增加超时设置,避免出现卡死
  • 修复元素截图时窗口外部分空白问题
  • 修复 Tab 没有继承 Page 下载路径的问题
  • 修复 <iframe> 内元素获取 href 属性错误问题
  • 修复 cookie 设置 expires 时的问题