pythonでログイン認証ありサイトからスクレイピング

目的

毎回ログイン認証するのが面倒なので。

参考サイト

こちらを参考にしました。
Python + Selenium で Chrome の自動操作を一通り

環境

Windows10 home 64bit
python3.6.5

準備

pip install selenium
pip install chromedriver-binary 

ChromeDriver を Python でのみ利用するため実行ファイルはダウンロードせず、コード内でchromedriver-binaryをimportします。

実行

コードはこちら
gist

はじめに、安全のためログインID・パスワードを環境変数へ書き出し、実行のたびに環境変数から読み込むようにします。

#書き込み
import os
os.environ["MY_LOGIN_ID"] = "YOUR_LOGIN_ID"
os.environ["MY_LOGIN_PASSWORD"] = "YOUR_LOGIN_PASSWORD"

メインクラスを作成します。

ScrapeLoginAuthSite.py

import chromedriver_binary
from selenium import webdriver

class ScrapeLoginAuthSite():
    def __init__(self,username,password):
        self.username = username
        self.password = password
        self.url = "WEBSITE_URL"
        #chrome driver -headless mode
        options = webdriver.ChromeOptions()
        options.add_argument('--headless')
        self.driver = webdriver.Chrome(options=options)
        #if you want debug 
        #self.driver = webdriver.Chrome()

実際はheadlessモードで実行しますが、ブラウザを表示し画面の挙動を確認しながら実行するにはoptionsを無効にします。

認証を行うメイン関数を実装します。実際のログイン画面を見ながら取得する要素を決定します。こちらのサイトが参考になりました。Selenium API(逆引き)
最後にsubmit_button.submit()で認証ボタンを押します。

ScrapeLoginAuthSite.py

    def main(self):
        driver = self.driver
        #Login window
        print("login window open")
        driver.get(self.url)
        username_box = driver.find_element_by_id("userId")
        username_box.send_keys(self.username)
        password_box = driver.find_element_by_id("password")
        password_box.send_keys(self.password)
        submit_button = driver.find_element_by_id("loginButton")
        submit_button.submit()

ログインが成功したら、任意の要素を取得し、テキストを返します。

ScrapeLoginAuthSite.py

    # Mypage window
        if "https://MYPAGE_URL" in driver.current_url:
            print("Mypage window open")
            element = driver.find_element_by_id("element_id")
            return element.text 

最後にブラウザを閉じて終了します。

ScrapeLoginAuthSite.py

# destractor
    def __del__(self):
        print("del:driver")
        self.driver.quit()

実装が完了したら、以下のように実行します。

if __name__ == "__main__":
  login_id = os.environ.get("MY_LOGIN_ID")
  login_pass = os.environ.get("MY_LOGIN_PASSWORD")
  text = ScrapeLoginAuthSite(login_id,login_pass).main()

以上