Question

我有一个包含大量链接（大约300个）的网页，我想收集有关这些链接的信息。

这是我的代码：

beginning_time = Time.now
#This gets a collection of links from the webpage
tmp = driver.find_elements(:xpath,"//a[string()]")
end_time = Time.now
puts "Execute links:#{(end_time - beginning_time)*1000} milliseconds for #{tmp.length} links"


before_loop = Time.now
#Here I iterate through the links
tmp.each do |link|
    #I am not interested in the links I can't see
    if(link.location.x < windowX and link.location.y < windowY)
        #I then insert the links into a NoSQL database, 
        #but for all purposes you could imagine this as just saving the data in a hash table.
        $elements.insert({
            "text" => link.text,
            "href" => link.attribute("href"),
            "type" => "text",
            "x" => link.location.x,
            "y" => link.location.y,
            "url" => url,
            "accessTime" => accessTime,
            "browserId" => browserId
        })
    end
end
after_loop = Time.now
puts "The loop took #{(after_loop - before_loop)*1000} milliseconds"

目前需要20ms来获取链接，大约需要4000ms（或4秒）来检索链接的信息。当我将访问器与NoSQL插件分开时，我发现NoSQL插件只需要20ms，并且大部分时间花费在访问器上（由于我不明白的原因，它与NoSQL插件分离后变得慢得多）），这使我得出结论，访问者必须执行JavaScript。

我的问题是：如何更快地收集这些链接及其信息？

首先想到的解决方案是尝试并行运行两个驱动程序，但WebDrivers不是线程安全的，这意味着我必须创建一个WebDriver的新实例并导航到该页面。这提出了一个问题，即如何下载页面源以便将其加载到另一个驱动程序中，这在Selenium中无法完成，因此必须使用桌面自动化工具在Chrome本身上执行，这会增加相当大的开销。 / p>

我听说的另一种选择是停止使用ChromeDriver并使用PhantomJS，但我需要在可视化浏览器中显示该页面。

还有其他我尚未考虑的替代方案吗？

Answer 1

您似乎完全使用Webdriver来执行Javascript而不是访问对象。

如果您使用javascript删除，请尝试以下几种想法（请原谅java，但您明白了这一点）;

 //We have restricted via xpath so will get less links back AND will not haveto check the text within loop
        List<WebElement> linksWithText = driver.findElements(By.xpath("//a[text() and not(text()='')]"));

        for (WebElement link : linksWithText) {

            //Store the location details rather than re-get each time
            Point location = link.getLocation();
            Integer x = location.getX();
            Integer y = location.getY();

            if (x < windowX && y < windowY) {
                ///Insert all info using webdriver commands;
            }
        }

我通常使用远程网格，因此性能是我测试中的一个关键问题，因此我总是试图通过CSS选择器或XPath来限制而不是获取所有内容并循环

Selenium WebDriver快速分析大量链接

1 个答案: