Centos7 服务器上phantomjs自启动问题

无界面浏览器

phantomjs是selenium子包webdriver下面的一个浏览器，本身是一个浏览器（headless browser），更详细的使用教程可移步：[官方文档]http://selenium-python-zh.readthedocs.io/en/latest/index.html

phantomjs 配置问题

很多博客写phantomjs使用教程并不是写的很详细，或许我看得不够详细，直到在工作过程中遇到问题，才花时间详细了解一下。

配置使用，建议记一下

from selenium import webdriver
# 引入配置对象DesiredCapabilities
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities
dcap = dict(DesiredCapabilities.PHANTOMJS)
#从USER_AGENTS列表中随机选一个浏览器头，伪装浏览器
dcap["phantomjs.page.settings.userAgent"] = (random.choice(USER_AGENTS))
# 不载入图片，爬页面速度会快很多
dcap["phantomjs.page.settings.loadImages"] = False
# 设置代理
service_args = ['--proxy=127.0.0.1:9999','--proxy-type=socks5']
#打开带配置信息的phantomJS浏览器
driver = webdriver.PhantomJS(phantomjs_driver_path, desired_capabilities=dcap,service_args=service_args)
# 隐式等待5秒，可以自己调节
driver.implicitly_wait(5)
# 设置10秒页面超时返回，类似于requests.get()的timeout选项，driver.get()没有timeout选项
# 以前遇到过driver.get(url)一直不返回，但也不报错的问题，这时程序会卡住，设置超时选项能解决这个问题。
driver.set_page_load_timeout(10)
# 设置10秒脚本超时时间
driver.set_script_timeout(10)

需要记住的点：
（一）：浏览器头设置
dcap["phantomjs.page.settings.userAgent"] = (random.choice(USER_AGENTS))
（二）：图片是否载入问题
dcap["phantomjs.page.settings.loadImages"] = False
（三）：代理设置
service_args = ['--proxy=127.0.0.1:9999','--proxy-type=socks5']
（四）：页面连接超时时间设置
driver.set_script_timeout(10)

phantomjs进程自启动问题

因为在服务器上开启了定时任务，当把定时任务关掉后，还是会发现phantomjs会占用内存，百度（用不了梯子）了好些个方法，找到了解决的办法，这里稍微记录一下。

phantomjs 对多进程的支持性极不稳定，会出现一些莫名的问题，但是phantomjs 相对于Google浏览器占用内存少，轻量级，无界面，是一大可取之处。

（1）代码问题：

因为这一串代码，很粗心的没有用 try catch 方法包起来，只是简单的退出来，集成在scrapy 这个框架里，难免不出现问题。

正确代码姿势：

            driver = webdriver.PhantomJS()try:driver.get(request.url)print('current_url1 >>>>', driver.current_url)time.sleep(1)content = driver.page_source.encode('utf-8')driver.quit()except Exception as e:driver.quit()

总结：

生活中加上 try catch 语句总免会减少些奇葩的bug 发生，难道不是吗？heh…….