等到页面加载了Selenium WebDriver for Python

我想抓取由无限滚动实现的页面的所有数据。以下 python 代码有效。

for i in range(100):
    driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
    time.sleep(5)

这意味着每次向下滚动到底部时，我都需要等待 5 秒钟，这通常足以让页面完成加载新生成的内容。但是，这可能没有时间效率。页面可能会在 5 秒内完成新内容的加载。如何检测页面是否在每次向下滚动时都完成了新内容的加载？如果我能检测到这一点，我可以在知道页面完成加载后再次向下滚动以查看更多内容。这更省时。

默认情况下，

webdriver将等待页面通过.get()方法加载。

正如@user227215所说，您可能正在寻找一些特定的元素，因此您应该使用 WebDriverWait 来等待位于页面中的元素：

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
browser = webdriver.Firefox()
browser.get("url")
delay = 3 # seconds
try:
    myElem = WebDriverWait(browser, delay).until(EC.presence_of_element_located((By.ID, 'IdOfMyElement')))
    print "Page is ready!"
except TimeoutException:
    print "Loading took too much time!"

我已经用它来检查警报。您可以使用任何其他类型方法来查找定位器。

编辑 1：

我应该提到，默认情况下，webdriver将等待页面加载。它不会等待帧内加载或 ajax 请求。这意味着当您使用 .get('url') 时，您的浏览器将等到页面完全加载，然后转到代码中的下一个命令。但是，当您发布 ajax 请求时，webdriver不会等待，您有责任等待适当的时间加载页面或页面的一部分;所以有一个名为 expected_conditions 的模块。

尝试将

find_element_by_id传递给构造函数以进行presence_of_element_located(如接受的答案所示(会导致引发NoSuchElementException。我不得不在 fragles 的评论中使用语法：

from selenium import webdriver
from selenium.common.exceptions import TimeoutException
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
driver = webdriver.Firefox()
driver.get('url')
timeout = 5
try:
    element_present = EC.presence_of_element_located((By.ID, 'element_id'))
    WebDriverWait(driver, timeout).until(element_present)
except TimeoutException:
    print "Timed out waiting for page to load"

这与文档中的示例匹配。下面是指向 By 文档的链接。

找到以下 3 种方法：

就绪状态

正在检查页面就绪状态(不可靠(：

def page_has_loaded(self):
    self.log.info("Checking if {} page is loaded.".format(self.driver.current_url))
    page_state = self.driver.execute_script('return document.readyState;')
    return page_state == 'complete'

wait_for辅助函数很好，但不幸的是，click_through_to_new_page对竞争条件开放，在浏览器开始处理点击之前，我们设法在旧页面中执行脚本，page_has_loaded只是立即返回 true。

`id`

将新页面 ID 与旧页面 ID 进行比较：

def page_has_loaded_id(self):
    self.log.info("Checking if {} page is loaded.".format(self.driver.current_url))
    try:
        new_page = browser.find_element_by_tag_name('html')
        return new_page.id != old_page.id
    except NoSuchElementException:
        return False

比较 id 可能不如等待过时的引用异常有效。

`staleness_of`

使用staleness_of方法：

@contextlib.contextmanager
def wait_for_page_load(self, timeout=10):
    self.log.debug("Waiting for page to load at {}.".format(self.driver.current_url))
    old_page = self.find_element_by_tag_name('html')
    yield
    WebDriverWait(self, timeout).until(staleness_of(old_page))

有关更多详细信息，请查看哈利的博客。

正如David Cullen的回答中提到的，我总是看到建议使用如下行：

element_present = EC.presence_of_element_located((By.ID, 'element_id'))
WebDriverWait(driver, timeout).until(element_present)

我很难在某处找到可以与By一起使用的所有可能的定位器，因此我认为在此处提供列表会很有用。根据Ryan Mitchell的Web Scraping with Python：

ID
在示例中使用;按元素的 HTML id 属性查找元素
CLASS_NAME
用于按元素的 HTML 类属性查找元素。这是为什么功能CLASS_NAME不是简单的CLASS？使用表单object.CLASS 会给Selenium的Java库带来问题，其中.class是一个保留方法。为了保持硒语法一致在不同的语言之间，改用CLASS_NAME。
CSS_SELECTOR
按元素的类、ID 或标记名称查找元素，使用 #idName ， .className，tagName惯例。
LINK_TEXT
按 HTML 标记包含的文本查找它们。例如，一个链接说"下一步"可以使用(By.LINK_TEXT, "Next")选择。
PARTIAL_LINK_TEXT
与 LINK_TEXT 类似，但在部分字符串上匹配。
NAME
按名称属性查找 HTML 标记。这对于 HTML 表单很方便。
TAG_NAME
按标记名称查找 HTML 标记。
XPATH
使用 XPath 表达式...以选择匹配的元素。

From selenium/webdriver/support/wait.py

driver = ...
from selenium.webdriver.support.wait import WebDriverWait
element = WebDriverWait(driver, 10).until(
    lambda x: x.find_element_by_id("someId"))

你试过driver.implicitly_wait吗？它就像驱动程序的设置，因此您只在会话中调用它一次，它基本上告诉驱动程序等待给定的时间量，直到每个命令都可以执行。

driver = webdriver.Chrome()
driver.implicitly_wait(10)

因此，如果您将等待时间设置为 10 秒，它将尽快执行命令，等待 10 秒后才会放弃。我已经在类似的向下滚动场景中使用了它，所以我不明白为什么它在你的情况下不起作用。希望这是有帮助的。

为了能够修复这个答案，我必须添加新文本。请务必在 implicitly_wait 中使用小写的"w"。

在这里，我使用了一个相当简单的形式：

from selenium import webdriver
browser = webdriver.Firefox()
browser.get("url")
searchTxt=''
while not searchTxt:
    try:    
      searchTxt=browser.find_element_by_name('NAME OF ELEMENT')
      searchTxt.send_keys("USERNAME")
    except:continue

连续加载数据的 ajax 页面的解决方案。所述的预览方法不起作用。相反，我们可以做的是抓取页面 dom 并对其进行哈希处理，并在增量时间内一起比较新旧哈希值。

import time
from selenium import webdriver
def page_has_loaded(driver, sleep_time = 2):
    '''
    Waits for page to completely load by comparing current page hash values.
    '''
    def get_page_hash(driver):
        '''
        Returns html dom hash
        '''
        # can find element by either 'html' tag or by the html 'root' id
        dom = driver.find_element_by_tag_name('html').get_attribute('innerHTML')
        # dom = driver.find_element_by_id('root').get_attribute('innerHTML')
        dom_hash = hash(dom.encode('utf-8'))
        return dom_hash
    page_hash = 'empty'
    page_hash_new = ''
    
    # comparing old and new page DOM hash together to verify the page is fully loaded
    while page_hash != page_hash_new: 
        page_hash = get_page_hash(driver)
        time.sleep(sleep_time)
        page_hash_new = get_page_hash(driver)
        print('<page_has_loaded> - page not loaded')
    print('<page_has_loaded> - page loaded: {}'.format(driver.current_url))

<</div> div class="one_answers">

如何将WebDriverWait放入While循环并捕获异常。

from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.common.exceptions import TimeoutException
browser = webdriver.Firefox()
browser.get("url")
delay = 3 # seconds
while True:
    try:
        WebDriverWait(browser, delay).until(EC.presence_of_element_located(browser.find_element_by_id('IdOfMyElement')))
        print "Page is ready!"
        break # it will break from the loop once the specific element will be present. 
    except TimeoutException:
        print "Loading took too much time!-Try again"

你可以通过这个函数非常简单地做到这一点：

def page_is_loading(driver):
    while True:
        x = driver.execute_script("return document.readyState")
        if x == "complete":
            return True
        else:
            yield False

当您想在页面加载完成后执行某些操作时，可以使用：

Driver = webdriver.Firefox(options=Options, executable_path='geckodriver.exe')
Driver.get("https://www.google.com/")
while not page_is_loading(Driver):
    continue
Driver.execute_script("alert('page is loaded')")

在

代码中使用它：

from selenium import webdriver
driver = webdriver.Firefox() # or Chrome()
driver.implicitly_wait(10) # seconds
driver.get("http://www.......")

或者，如果您正在寻找特定的标签，则可以使用此代码：

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
driver = webdriver.Firefox() #or Chrome()
driver.get("http://www.......")
try:
    element = WebDriverWait(driver, 10).until(
        EC.presence_of_element_located((By.ID, "tag_id"))
    )
finally:
    driver.quit()

Selenium 无法检测页面何时完全加载，但 JavaScript 可以。我建议你试试这个。

from selenium.webdriver.support.ui import WebDriverWait
WebDriverWait(driver, 100).until(lambda driver: driver.execute_script('return document.readyState') == 'complete')

这将执行JavaScript代码而不是使用Python，因为JavaScript可以检测页面何时完全加载，它将显示"完成"。此代码表示在 100 秒内，继续尝试 document.readyState，直到完成显示。

这里有很好的答案。等待XPATH的快速示例。

# wait for sizes to load - 2s timeout
try:
    WebDriverWait(driver, 2).until(expected_conditions.presence_of_element_located(
        (By.XPATH, "//div[@id='stockSizes']//a")))
except TimeoutException:
    pass

我有点努力让它工作，因为这并没有像预期的那样对我有用。任何仍在努力使其工作的人都可以检查一下。

我想等待网页上出现一个元素，然后再继续我的操作。

我们可以使用 WebDriverWait(driver， 10， 1(.until((，但捕获是 until(( 期望一个函数，它可以每 1 秒执行一段时间(在我们的例子中是 10(的超时，所以保持它像下面这样对我有用。

element_found = wait_for_element.until(lambda x: x.find_element_by_class_name("MY_ELEMENT_CLASS_NAME").is_displayed())

这是直到((在幕后做的事情

def until(self, method, message=''):
        """Calls the method provided with the driver as an argument until the 
        return value is not False."""
        screen = None
        stacktrace = None
        end_time = time.time() + self._timeout
        while True:
            try:
                value = method(self._driver)
                if value:
                    return value
            except self._ignored_exceptions as exc:
                screen = getattr(exc, 'screen', None)
                stacktrace = getattr(exc, 'stacktrace', None)
            time.sleep(self._poll)
            if time.time() > end_time:
                break
        raise TimeoutException(message, screen, stacktrace)

如果您

尝试滚动并查找页面上的所有项目。您可以考虑使用以下方法。这是其他人在这里提到的几种方法的组合。它为我完成了这项工作：

while True:
    try:
        driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
        driver.implicitly_wait(30)
        time.sleep(4)
        elem1 = WebDriverWait(driver, 30).until(EC.presence_of_all_elements_located((By.CSS_SELECTOR, "element-name")))
        len_elem_1 = len(elem1)
        print(f"A list Length {len_elem_1}")
        driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
        driver.implicitly_wait(30)
        time.sleep(4)
        elem2 = WebDriverWait(driver, 30).until(EC.presence_of_all_elements_located((By.CSS_SELECTOR, "element-name")))
        len_elem_2 = len(elem2)
        print(f"B list Length {len_elem_2}")
        if len_elem_1 == len_elem_2:
            print(f"final length = {len_elem_1}")
            break
    except TimeoutException:
            print("Loading took too much time!")

nono = driver.current_url
driver.find_element(By.XPATH,"//button[@value='Send']").click()
  while driver.current_url == nono:
      pass
print("page loaded.")

就绪状态

`id`

`staleness_of`

相关内容

最新更新

热门标签：