Python 爬虫可模拟浏览器行为下载文件，具体步骤如下：安装 requests、selenium 及 bs4 库；设置 Selenium 驱动程序，如 Chrome 的 chromedriver；导航到目标页面；发送流式传输 HTTP 请求获取文件；将文件写入磁盘；关闭浏览器。
如何用 Python 爬虫模拟浏览器下载
使用 Python 爬虫模拟浏览器下载文件是一种常见且有用的技术。通过模拟浏览器行为，爬虫可以绕过某些反爬虫机制并获取受保护的内容。以下是如何实现此功能：
1. 安装必要的库
首先，需要安装以下库：
立即学习“Python免费学习笔记（深入）”；
- requests：用于发送 HTTP 请求
- selenium：用于控制浏览器
- bs4：用于解析 HTML
2. 设置 Selenium 驱动程序
接下来，需要设置 Selenium 驱动程序。驱动程序将控制浏览器。对于 Chrome，需要安装 chromedriver 并将其添加到系统路径中。
from selenium import webdriver # 创建一个 Chrome 驱动程序 driver = webdriver.Chrome()
3. 导航到页面
使用 Selenium 导航到要爬取的页面。
# 导航到页面
driver.get("https://example.com/file.pdf")4. 模拟文件下载
为了模拟文件下载，可以使用 requests 库的 get() 方法发送一个请求，并使用 stream=True 选项来流式传输响应。
import requests
# 以流式传输方式获取文件
response = requests.get(
"https://example.com/file.pdf",
stream=True,
)5. 将文件写入磁盘
使用 open() 函数将文件写入磁盘。
# 设置文件路径
filepath = "downloaded_file.pdf"
# 将文件写入磁盘
with open(filepath, "wb") as f:
for chunk in response.iter_content(chunk_size=1024):
if chunk: # 防御空块
f.write(chunk)6. 关闭浏览器
完成后，关闭浏览器。
# 关闭浏览器 driver.close()
