代码之家 › 专栏 › 技术社区 › parik

如何在Selenium中使用滚动进行分页?

scrapy scroll selenium-webdriver selenium python

parik · 技术社区 · 4 年前

我需要为 this page :

我读过 this question 我试着这样做:

scrolls = 10
while True:
    scrolls -= 1
    driver.execute_script("window.scrollTo(0, document.body.scrollHeight)")
    time.sleep(3)
    if scrolls < 0:
        break

我需要向下滚动以获取所有产品,但我不知道需要滚动多少次才能获取所有产品。

我也试着有一个大屏幕

'SELENIUM_DRIVER_ARGUMENTS': ['--no-sandbox', '--window-size=1920,30000'],

向下滚动

time.sleep(10) 
self.driver.execute_script("window.scrollBy(0, 30000);")

有人知道如何获得所有产品吗? 如果Selenium不是最好的解决方案,我对另一种解决方案持开放态度。谢谢。

更新1: 我需要所有的产品ID。为了获得产品ID,我使用了以下方法:

products = response.css('div.jfJiHa > .iepIep')
        for product in products:
            detail_link = product.css('a.jXwbaQ::attr("href")').get()
            product_id = re.findall(r'products/(\d+)', detail_link)[0]

0 回复 | 直到 4 年前

tomjn 4 年前

正如所评论的那样,如果没有看到你的整个蜘蛛,很难看出你在哪里出了问题,但如果我们假设你的解析是使用 scrapy 这就是为什么你总是只收到30件产品。

您需要从中创建一个新的选择器 driver 在每次滚动和查询之后。从页面中获取300个项目的完整代码示例是

import re
import time
from pprint import pprint

import parsel
from selenium.common.exceptions import NoSuchElementException
from selenium.webdriver import Firefox

with Firefox() as driver:
    driver.get("https://www.compraonline.bonpreuesclat.cat/products/search?q=pasta")

    all_items = {}

    while True:
        sel = parsel.Selector(driver.page_source)
        for product in sel.css("div[data-test] h3 > a"):
            name = product.css("::text").get()
            product_id = re.search("(\d+)", product.attrib["href"]).group()
            all_items[product_id] = name
        try:
            element = driver.find_element_by_css_selector(
                "div[data-test] + div.iepIep:not([data-test])"
            )
        except NoSuchElementException:
            break
        driver.execute_script("arguments[0].scrollIntoView(true);", element)
        time.sleep(1)

    pprint(all_items)
    print("Number of items =", len(all_items))

这个的关键点

使用页面后 driver.get 我们开始循环
我们创造了一个新的 Selector (这里我直接使用 parsel.Selector 这是什么 痒 内部使用)
我们提取我们需要的信息。显示的产品都有 data-test 属性。如果这是一个 scrapy.Spider 我愿意 yield 信息,但在这里我只是把它添加到所有项目的词典中。
在获取所有可见项后,我们试图找到 div 用一个 数据测试 属性,那不有一个 数据测试 属性 (using the css + symbol)
如果不存在这样的元素(因为我们已经看到了所有项目),则跳出循环,否则将该元素滚动到视图中并暂停一秒钟
重复此操作,直到解析完所有项目

Prophet 4 年前

每次阅读展示的产品时,尝试向下滚动可见屏幕高度量页面,直到 //button[@data-test='footer-feedback-button'] 或者位于底部的任何其他元素都是可见的

Swaroop Humane 4 年前

此代码可能会有所帮助-

from selenium import webdriver
from selenium.common.exceptions import StaleElementReferenceException
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait

driver = webdriver.Chrome()
wait = WebDriverWait(driver, 30)

driver.get('https://www.compraonline.bonpreuesclat.cat/products/search?q=pasta')

BaseDivs = driver.find_elements_by_xpath("//div[contains(@class,\"base__Wrapper\")]")

for div in BaseDivs:
    try:
        wait.until(EC.visibility_of_element_located((By.XPATH, "./descendant::img")))
        driver.execute_script("return arguments[0].scrollIntoView(true);", div)
    except StaleElementReferenceException:
        continue

此代码将等待图像加载,然后聚焦于元素。这样,它会自动向下滚动到页面末尾。

如果这就是你要找的,请标记答案。

parik 4 年前

我解决了我的问题,但不是用Selenium,我们可以通过另一个请求获得所有搜索产品: https://www.compraonline.bonpreuesclat.cat/api/v4/products/search?limit=1000&offset=0&sort=favorite&term=pasta