Internet Explorer中的Selenium远程控制HTML源提取

Question

Selenium Remote Control有一个“get_html_source”方法，它以字符串形式返回当前页面的来源。

AFAIK，此方法适用于Firefox和Safari中的所有情况。但是当它在Internet Explorer中调用时，它会返回错误的源。

有人知道这是否是Selenium或Internet Explorer的错误，是否有修复？

Answer 1

我99％肯定get_html_source使用浏览器的innerHTML属性。 InnerHTML返回浏览器的文档内部表示，并且在平台之间始终不一致且“不稳定”。

您可以通过将以下onload属性临时添加到页面的body标记来进行测试。

onload="var oArea = document.createElement('textarea');oArea.rows=80;oArea.cols=80;oArea.value = document.getElementsByTagName('html')[0].innerHTML;document.getElementsByTagName('body')[0].appendChild(oArea)"

这将使用文档的innerHTML在页面底部添加一个文本区域。如果您看到相同的“不正确”HTML源代码，您就会知道IE是罪魁祸首。

如果您正在使用有效标记，则可能的解决方法是通过HTML Tidy或其他清理程序运行源代码。我不知道任何可以在浏览器之间提供一致渲染的内容。

Answer 2

感谢艾伦。事实证明，不同浏览器的innerHTML实现存在问题。

对于与列表有关的标记，例如

，结束标记是可选的。

像safari和firefox这样的浏览器会使用各自的innerHTML方法获取结束标记，但是Internet Explorer的innerHTML方法会忽略它们。

因为列表是结构化的，例如

• 苹果
• 梨

html源代码字符串上的正则表达式替换应该可以解决问题。