一篇文章带你学会两个场景下Selenium爬取动态网页小技巧

/1 前言/

  selenium是一个用于Web应用程序测试的工具。Selenium测试直接运行在浏览器中，就像真正的用户在操作一样，是爬复杂动态网页的必备工具。支持的浏览器包括IE，Mozilla Firefox，Safari，Google Chrome，Opera等。

  这里分两个场景，给大家介绍Selenium爬动态网页小技巧。

/2 场景一：替换日期控件值/

  以12306网站为例，如下图所示，按照正常的方法，我们首先要定位到时间元素，然后调用selenium的click()方法进行点击。

  这种操作也是可行的。但是，过了一段时间，我们再次运行自动化代码的时候，就会发现功能运行不正常。因为日期更改后，日历控件布局发生了变化，而且操作起来很麻烦。

  我们先看一下日期框的元素，如下图所示：

  重点看一下value=‘text’，这种属性值可以通过JavaScript来改变，三行代码就能解决这个问题，如下图所示：

  第一行是要输入的日期，第二行是JavaScript代码，“documen.getElementById”是通过HTML的“id”定位元素，通过改变该元素的“value”实现值的变化。

效果演示如下：

/3 场景二：动态网页自动下拉/

  一些复杂的动态网页需要下拉才能把元素显示完全，例如腾讯视频主页，如下图所示：

  如果需要自动爬取这类动态网页，我们同样可以执行JavasScript的方法来实现，用5行代码就可以连续滑动网页，将动态网页元素全部展示出来，代码如下图所示：

  小编这里采取的分步下拉的方法，每次滚动1/10,“window.scrollTo”为向下滑动的命令，“document.body.clientHeight”为整个窗口的高度，“h=(i/10)”为每次滑动的高度。

  效果演示如下：

/4 结语/

  将JavaScript应用到selenium中可以帮我们解决很多问题，这里举两个小例子只是抛砖引玉，希望大家以后遇到selenium不好解决的问题时可以考虑在JavaScript身上寻找突破。

  欢迎大家积极尝试，消耗在家的无聊时间。本文涉及的代码都上传到了github地址上，后台回复“selenium”这个单词即可获取代码。