Question

我已阅读Wait Until Page is Loaded，How to use Selenium Wait，Explicit Wait和其他文档，以等待页面加载然后开始抓取。等待成功通过，但是我仍然得到相同的一半/不完整的呈现HTML代码。

from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
from selenium.common.exceptions import TimeoutException

# prepare the option for the chrome driver
options = webdriver.ChromeOptions()
options.add_argument('headless')

# start chrome browser
browser = webdriver.Chrome(options=options,executable_path='C:/chromedriver_win32/chromedriver.exe')
browser.get('https://swappa.com/listing/view/LTNZ94446')

try:
    WebDriverWait(browser, 30).until(EC.presence_of_element_located((By.ID, "wrap")))
    print(browser.page_source)
except TimeoutException:
    print("not found")

为此，我的输出从一半开始而不是从顶部的<html>开始。

<div class="col-xs-6 col-sm-2 col-md-2">
                <div class="img-container" style="margin-bottom: 15px;">


                        <a href="https://static.swappa.com/media/listing/LTNZ94446/mhhHypyw.jpg" class="lightbox">
                            <img class="img-responsive" src="https://static.swappa.com/images/cache/7b/67/7b679a1d89816bc341a802f19f661eac.jpg" alt="Listing Image" style="margin:0px 0px 0px 0px; ">
                        </a>




                </div>
            </div>

我不确定哪里出了问题。

显然可以看到元素ID的存在。（<div id="wrap">），因为它不会引发超时错误
我尝试使用element的可见性，但仍然没有运气
也尝试过使用readystate，但没有运气。

如果有其他方法可以使用其他库（例如BeautifulSoup / URLLib / URLlib2 / Scrapy），那么这些方法也会有所帮助

Answer 1

您可以使用JavaScript检查页面是否已完全加载：

options = webdriver.ChromeOptions()
options.add_argument('headless')

# start chrome browser
browser = webdriver.Chrome(options=options)
browser.get('https://swappa.com/listing/view/LTNZ94446')

WebDriverWait(browser, 30).until(lambda d: d.execute_script(
        'return ["complete", "interactive"].indexOf(document.readyState) != -1'))

# or use only complete
# WebDriverWait(browser, 30).until(lambda d: d.execute_script('return document.readyState == "complete"'))
print(browser.page_source)

Answer 2

您可以使用python requests模块。

代码：

import requests
response=requests.get("https://swappa.com/listing/view/LTNZ94446")
if response.status_code==200:
    print(response.text)

WebDriverWait可以工作，但是page_source仍返回一半的呈现HTML

2 个答案: