selenium通过performance log获取状态码，Content-Type，以及重定向路径

selenium的官方不提供获取状态码，Content-Type，以及重定向路径的方法，并且官方说这些功能将来也不会有。java - How to get HTTP Response Code using Selenium WebDriver - Stack Overflow

非官方的方法大概有下面几种

1.通过requests重新请求一遍url，获取response里面的状态码

2.通过中间代理服务器来获取，比如selenium-wire，selenium-wire里面内建了一个代理服务器，通过代理服务器可以获取各个请求的状态码

3.通过分析chrome的performance log来获取状态码以及重定向路径

1的方法会多访问一遍网络，并且不能支持mata或js的重定向。2的方法只访问一次网络，但同样不能支持mata或js的重定向，只有3的方法只访问一次网络可以获取所有的状态。

并且1的方法在python环境上打开一些https网站还有如下bug

ssl.SSLError: [SSL: UNSAFE_LEGACY_RENEGOTIATION_DISABLED] unsafe legacy renegotiation disabled (_ssl.c:1131) · Issue #2653 · urllib3/urllib3 · GitHuby

这个问题的原因是This error comes up when using OpenSSL 3 to connect to a server which does not support it. The solution is to downgrade the cryptography package in python:

python - SSL error unsafe legacy renegotiation disabled - Stack Overflow

要么修改openssl.cnf，要么降级cryptography，要么设置ctx，根据我测试的结果只有修改cnf才能彻底解决，最简单的方法是在cnf后面加上Options = UnsafeLegacyRenegotiation

如果使用docker应该写成这样

RUN echo 'Options = UnsafeLegacyRenegotiation' >> /usr/lib/ssl/openssl.cnf

如何通过performance log来获取状态

performanceLog.py

import json

def getHeader(headers,header):
    for key,value in headers.items():
        if key.lower()==header:
            return value
    return ''
def getRedirectPath(driver):
    redirctPath=[]
    requestDic={}
    frameId=None
    for entry_json in driver.get_log('performance'):
        entry = json.loads(entry_json['message'])
        # print(entry)
        if entry['message']['method'] == 'Network.requestWillBeSent':
            if entry['message']['params']['loaderId']==entry['message']['params']['requestId'] and (frameId is None or frameId==entry['message']['params']['frameId']):
                # print(entry)
                if frameId is None:
                    frameId=entry['message']['params']['frameId']
                if entry['message']['params']['redirectHasExtraInfo']:
                    # 设置重定向前的状态
                    item=redirctPath[len(redirctPath)-1]
                    item['status']=entry['message']['params']['redirectResponse']['status']
                    item['reason']='location'
                    item['contentType']=getHeader(entry['message']['params']['redirectResponse']['headers'],'content-type')

                item={
                    'url':entry['message']['params']['request']['url'],
                    'status':'',
                    'reason':'',
                    'contentType':''
                }
                requestDic[entry['message']['params']['requestId']]=item
                redirctPath.append(item)
        elif entry['message']['method'] == 'Network.responseReceived' and entry['message']['params']['requestId'] in requestDic:
            # print(entry)
            item=requestDic[entry['message']['params']['requestId']]
            item['status']=entry['message']['params']['response']['status']
            item['contentType']=getHeader(entry['message']['params']['response']['headers'],'content-type')
        elif entry['message']['method'] == 'Page.frameRequestedNavigation' and frameId==entry['message']['params']['frameId']:
            # print(entry)
            # 设置重定向前的状态
            item=redirctPath[len(redirctPath)-1]
            item['reason']=entry['message']['params']['reason']
    return redirctPath

后来发现一些网站不能获取contentType,原因是header需要忽略大小写，修改了一下代码。当然你自己修改代码后可以获取任何你需要的header。

各个事件的顺序大致如下

Page.frameStartedLoading
Network.requestWillBeSent
Network.responseReceived
Network.dataReceived
Page.frameNavigated
Network.requestServedFromCache
Network.loadingFinished
Network.resourceChangedPriority
Page.domContentEventFired
Network.loadingFailed
Page.loadEventFired
Page.frameStoppedLoading

注释：Page.frameScheduledNavigation已经被废弃，改成Page.frameRequestedNavigation

官方对performance log的文档很少，在网上也没有找到类似的讨论，上面的代码完全是我根据数据分析出来的，目前看来是对的，如果不对请告诉我。

Chrome DevTools Protocol - version 1-2 - Page domain

测试代码

from selenium import webdriver
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities
import time
from performanceLog import getRedirectPath

caps = DesiredCapabilities.CHROME
caps['goog:loggingPrefs'] = {'performance': 'ALL'}
options = webdriver.ChromeOptions()
# 必须是headless=new，否则download.default_directory不起作用
options.add_argument('--headless=new')
# 下面这些参数是必须的，否则可能出错
options.add_argument('--disable-gpu')
options.add_argument('--no-sandbox')
options.add_argument('--disable-dev-shm-usage')

driver = webdriver.Chrome(options=options,desired_capabilities=caps)

driver.get('http://localhost/redirect')
# 必须等待几秒钟，否则metaTagRefresh不起作用
time.sleep(3)

print(getRedirectPath(driver))
driver.quit()

输出结果

[{
'url': 'http://localhost/redirect',
'status': 302,
'reason': 'location',
'contentType': 'text/html; charset=utf-8'
}, {
'url': 'http://localhost/static/index3.html',
'status': 200,
'reason': 'scriptInitiated',
'contentType': 'text/html'
}, {
'url': 'http://localhost/static/redirect.html',
'status': 200,
'reason': 'metaTagRefresh',
'contentType': 'text/html'
}, {
'url': 'http://localhost/',
'status': 200,
'reason': '',
'contentType': 'text/html; charset=utf-8'
}]

可以看出这里面有3种不同类型的重定向，location的通常的重定向，后面2种用requests或者代理都无法获取。

location：response header里面的location重定向

scriptInitiated：js重定向

metaTagRefresh：meta tag重定向