Question

我正在尝试从此网站获取pdf文件。我正在尝试创建一个双循环，以便我可以滚动多年（季节）以获得每年的所有主要pdf。

这行代码不起作用。问题是，我不能让这条线工作（多年来应该循环的那个（季节）：

for year in wait.until(EC.presence_of_all_elements_located((By.CSS_SELECTOR, "#season a aria-valuetext"))):
 year.click()

这是完整的代码：

  os.chdir("C:..")
    driver = webdriver.Chrome("chromedriver.exe")
    wait = WebDriverWait(driver, 10)
    driver.get("http://www.motogp.com/en/Results+Statistics/")
    links = []


    for year in wait.until(EC.presence_of_all_elements_located((By.CSS_SELECTOR, "#season a aria-valuetext"))):
     year.click()                                                          
     for item in wait.until(EC.presence_of_all_elements_located((By.CSS_SELECTOR, "#event option"))):
         item.click()
         elem = wait.until(EC.presence_of_element_located((By.CLASS_NAME, "padleft5")))
         print(elem.get_attribute("href"))
         links.append(elem.get_attribute("href"))
         wait.until(EC.staleness_of(elem))

    driver.quit()

这是上一篇文章，我在上面的代码中获得了帮助：

Scraping pdfs from this web

Answer 1

以下解决方案应该适合您。首先，我们在CSS滑块中迭代＃years。然后我们使用您的代码示例来处理列表。添加了sleep命令，因为我一直在超时。

<强> CODE

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.keys import Keys
import time

driver = webdriver.Chrome("chromedriver.exe")
wait = WebDriverWait(driver, 10)
driver.get("http://www.motogp.com/en/Results+Statistics/")

slider = driver.find_element_by_xpath('//*[@id="handle_season"]')

for year in range(68):
    wait.until(EC.presence_of_all_elements_located((By.XPATH, '//*[@id="event"]')))    
    for item in wait.until(EC.presence_of_all_elements_located((By.CSS_SELECTOR, "#event option"))):
        item.click()
        elem = wait.until(EC.presence_of_element_located((By.CLASS_NAME, "padleft5")))
        print(elem.get_attribute("href"))
        wait.until(EC.staleness_of(elem))

    slider.send_keys(Keys.ARROW_LEFT)
    time.sleep(1)


driver.quit()

结果：

Answer 2

如果您在防火墙后工作，那么您的EC很多时候都无法正常工作。看看time.sleep（10）函数是否没有让你通过它，而不是EC。其次，在运行EC之前检查page_source ...如果你在防火墙后面，HTML源代码会告诉你。

网络报废与硒的双循环和使用By.SELECTOR

2 个答案: