我用 python 结合 selenium 编写了一些代码来解析来自 quora.com
的不同问题。我的刮刀此时正在做它的工作。问题是我在这里使用了硬编码延迟来让抓取器工作,即使已经定义了显式等待。由于该页面是无限滚动的页面,因此我尝试将滚动过程限制为有限的数量。现在我有两个问题:
- 为什么
wait.until(EC.staleness_of(page))
在我的抓取工具中不起作用。现在已被注释掉。 - 如果我使用其他内容而不是
page = wait.until(EC.visibility_of_element_ located((By.CLASS_NAME, "question_link")))
抓取工具会抛出错误:can't焦点元素
。
顺便说一句,我不想选择 page = driver.find_element_by_tag_name('body')
这个选项。
这是我到目前为止所写的内容:
import time
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Chrome()
driver.get("https://www.quora.com/topic/C-programming-language")
wait = WebDriverWait(driver, 10)
page = wait.until(EC.visibility_of_element_located((By.CLASS_NAME, "question_link")))
for scroll in range(10):
page.send_keys(Keys.PAGE_DOWN)
time.sleep(2)
# wait.until(EC.staleness_of(page))
for item in wait.until(EC.visibility_of_all_elements_located((By.CLASS_NAME, "rendered_qtext"))):
print(item.text)
driver.quit()
最佳答案
您可以尝试下面的代码来获取尽可能多的 XHR,然后解析页面:
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.common.exceptions import TimeoutException
driver = webdriver.Chrome()
driver.get("https://www.quora.com/topic/C-programming-language")
wait = WebDriverWait(driver, 10)
page = wait.until(EC.visibility_of_element_located((By.CLASS_NAME, "question_link")))
links_counter = len(wait.until(EC.visibility_of_all_elements_located((By.CLASS_NAME, "question_link"))))
while True:
page.send_keys(Keys.END)
try:
wait.until(lambda driver: len(driver.find_elements_by_class_name("question_link")) > links_counter)
links_counter = len(driver.find_elements_by_class_name("question_link"))
except TimeoutException:
break
for item in wait.until(EC.visibility_of_all_elements_located((By.CLASS_NAME, "rendered_qtext"))):
print(item.text)
driver.quit()
在这里,我们向下滚动页面并等待最多 10 秒以加载更多链接,如果链接数量保持不变,则中断 while
循环
至于你的问题:
wait.until(EC.staleness_of(page))
不起作用,因为当您向下滚动页面时,您不会获得新的 DOM - 您只需创建 XHR 即可添加更多链接进入现有的 DOM,因此第一个链接(页面
)在这种情况下不会过时(我对此不太有信心,但是......)我想你只能将 key 发送到可以聚焦的节点(用户可以手动设置焦点),例如链接、输入字段、文本区域、按钮...,但不包括内容划分 (
div
)、段落 (p
) 等
关于python - 即使显式等待已经存在,也无法摆脱硬编码延迟,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47856783/