【爬虫】DrissionPage-7

官方文档：
https://www.drissionpage.cn/browser_control/get_page_info/

1. 页面信息

📌 html

• 描述：返回当前页面的 HTML 文本。
• 注意：不包含 <iframe> 元素的内容。
• 返回类型：str

示例：

html_content = tab.html
print(html_content)

📌 json

• 描述：将请求内容解析为 JSON 格式。如果访问的 URL 返回的是 *.json 文件，浏览器会直接显示 JSON 数据，此属性可以将这些数据转换为 dict 格式。
• 返回类型：dict

示例：

json_data = tab.json
print(json_data)

📌 title

• 描述：返回当前页面的标题文本。
• 返回类型：str

示例：

page_title = tab.title
print(page_title)

📌 user_agent

• 描述：返回当前页面的 user agent 信息。
• 返回类型：str

示例：

user_agent_info = tab.user_agent
print(user_agent_info)

📌 save()

• 描述：将当前页面保存为文件，同时返回保存的内容。如果 path 和 name 参数都为 None，则只返回内容，不保存文件。

• 参数：

  参数名称	类型	默认值	说明
  path	str / Path	None	保存路径。如果为 None 且 name 不为 None，则保存到当前路径。
  name	str	None	保存的文件名。如果为 None 且 path 不为 None，则使用 title 值。
  as_pdf	bool	False	为 True 时保存为 PDF，否则保存为 MHTML，并忽略 kwargs 参数。
  **kwargs	多种	无	PDF 生成参数，如 landscape, displayHeaderFooter, printBackground 等。

• 返回类型：

  类型	说明
  str	当 as_pdf 为 False 时返回 MHTML 文本。
  bytes	当 as_pdf 为 True 时返回文件字节数据。

示例：

# 保存为 PDF
pdf_data = tab.save(as_pdf=True, path='path/to/save', name='page.pdf')# 保存为 MHTML
mhtml_content = tab.save(path='path/to/save', name='page.mhtml')

---

2. 运行结果信息

📌 url

• 描述：返回当前访问的 URL。
• 返回类型：str

示例：

current_url = tab.url
print(current_url)

📌 tab_id

• 描述：返回当前标签页的 ID。
• 返回类型：str

📌 states.is_loading

• 描述：返回页面是否正在加载状态。
• 返回类型：bool

示例：

is_loading = tab.states.is_loading
print(is_loading)

📌 states.is_alive

• 描述：返回页面是否仍然可用，标签页已关闭则返回 False。
• 返回类型：bool

示例：

is_alive = tab.states.is_alive
print(is_alive)

📌 states.ready_state

• 描述：返回页面当前加载状态，有以下四种：

  • 'connecting'：网页连接中
  • 'loading'：文档还在加载中
  • 'interactive'：DOM 已加载，但资源未加载完成
  • 'complete'：所有内容已完成加载

• 返回类型：str

示例：

ready_state = tab.states.ready_state
print(ready_state)

📌 url_available

• 描述：以布尔值返回当前链接是否可用。
• 返回类型：bool

📌 states.has_alert

• 描述：以布尔值返回页面是否存在弹出框。
• 返回类型：bool

示例：

has_alert = tab.states.has_alert
print(has_alert)

---

3. 窗口信息

📌 rect.size

• 描述：以 tuple 返回页面大小，格式为 (宽, 高)。
• 返回类型：Tuple[int, int]

示例：

page_size = tab.rect.size
print(page_size)

📌 rect.window_size

• 描述：以 tuple 返回窗口大小，格式为 (宽, 高)。
• 返回类型：Tuple[int, int]

📌 rect.window_location

• 描述：以 tuple 返回窗口在屏幕上的坐标，左上角为 (0, 0)。
• 返回类型：Tuple[int, int]

📌 rect.window_state

• 描述：返回窗口当前状态，有 'normal'、'fullscreen'、'maximized'、'minimized' 几种。
• 返回类型：str

示例：

window_state = tab.rect.window_state
print(window_state)

📌 rect.viewport_size

• 描述：以 tuple 返回视口大小，不含滚动条，格式为 (宽, 高)。
• 返回类型：Tuple[int, int]

📌 rect.viewport_size_with_scrollbar

• 描述：以 tuple 返回浏览器窗口大小，含滚动条，格式为 (宽, 高)。
• 返回类型：Tuple[int, int]

📌 rect.page_location

• 描述：以 tuple 返回页面左上角在屏幕中坐标，左上角为 (0, 0)。
• 返回类型：Tuple[int, int]

📌 rect.viewport_location

• 描述：以 tuple 返回视口在屏幕中坐标，左上角为 (0, 0)。
• 返回类型：Tuple[int, int]

📌 rect.scroll_position

• 描述：返回页面滚动条位置，格式为 (x, y)。
• 类型：Tuple[float, float]

示例：

scroll_position = tab.rect.scroll_position
print(scroll_position)

---

4. 配置参数信息

📌 timeout

• 描述：整体默认超时时间（秒），包括元素查找、点击、处理提示框、列表选择等需要用到超时设置的地方，都以这个数据为默认值。默认为 10。
• 返回类型：int 或 float

示例：

default_timeout = tab.timeout
print(default_timeout)

📌 timeouts

• 描述：以字典方式返回三种超时时间（秒）：

  • 'base'：与 timeout 属性是同一个值
  • 'page_load'：用于等待页面加载
  • 'script'：用于等待脚本执行

• 返回类型：dict

示例：

timeouts_info = tab.timeouts
print(timeouts_info)

输出：

{'base': 10, 'page_load': 30.0, 'script': 30.0}

📌 retry_times

• 描述：网络连接失败时的重试次数，默认为 3。
• 返回类型：int

📌 retry_interval

• 描述：网络连接失败时的重试等待间隔秒数，默认为 2。
• 返回类型：int 或 float

📌 load_mode

• 描述：返回页面加载策略，有以下三种：

  • 'normal'：等待页面所有资源完成加载
  • 'eager'：DOM 加载完成即停止
  • 'none'：页面完成连接即停止

• 返回类型：str

示例：

load_strategy = tab.load_mode
print(load_strategy)

---

5. Cookies 和缓存信息

📌 cookies()

• 描述：以列表方式返回 Cookies 信息。

• 参数：

  参数名称	类型	默认值	说明
  all_domains	bool	False	是否返回所有 Cookies，为 False 只返回当前 URL 的。
  all_info	bool	False	返回的 Cookies 是否包含所有信息，False 时只包含 name、value、domain 信息。

• 返回类型：CookiesList（Cookies 组成的列表）

示例：

from DrissionPage import Chromiumtab = Chromium().latest_tab
tab.get('https://www.baidu.com')for cookie in tab.cookies():print(cookie)

输出：

{'domain': '.baidu.com', 'domain_specified': True, ......}
......

📌 指定返回类型

• cookies().as_str()：返回 'name1=value1; name2=value2' 格式的字符串。
• cookies().as_dict()：返回 {name1: value1, name2: value2} 格式的字典。
• cookies().as_json()：返回 JSON 格式的字符串。

说明： as_str() 和 as_dict() 都只会保留 'name' 和 'value' 字段。

示例：

cookies_str = tab.cookies().as_str()
print(cookies_str)cookies_dict = tab.cookies().as_dict()
print(cookies_dict)cookies_json = tab.cookies().as_json()
print(cookies_json)

📌 session_storage()

• 描述：用于获取 sessionStorage 信息，可获取全部或单个项。

• 参数：

  参数名称	类型	默认值	说明
  item	str	None	要获取的项目，为 None 则返回全部项目组成的字典。

• 返回类型：

  类型	说明
  dict	item 参数为 None 时返回所有项目。
  str	指定 item 时返回该项目内容。

示例：

session_storage_info = tab.session_storage()
print(session_storage_info)session_storage_item = tab.session_storage(item='key_name')
print(session_storage_item)

📌 local_storage()

• 描述：用于获取 localStorage 信息，可获取全部或单个项。

• 参数：

  参数名称	类型	默认值	说明
  item	str	None	要获取的项目，为 None 则返回全部项目组成的字典。

• 返回类型：

  类型	说明
  dict	item 参数为 None 时返回所有项目。
  str	指定 item 时返回该项目内容。

示例：

local_storage_info = tab.local_storage()
print(local_storage_info)local_storage_item = tab.local_storage(item='key_name')
print(local_storage_item)