- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有以下代码等待 JavaScript 渲染完成。
ChromeDriver driver = new ChromeDriver();
driver.get(url);
WebDriverWait wait = new WebDriverWait(driver, 3000);
wait.until(new Predicate<WebDriver>() {
public boolean apply(WebDriver driver) {
return ((JavascriptExecutor)driver).executeScript("return document.readyState").equals("complete");
}
}
);
问题是,页面源码完成后如何读取?下面的方法不保证它会根据其文档返回修改页面的源。
driver.getPageSource();
最佳答案
也许,这并不是真正的答案,但它的文本太长,无法发表评论
首先,你想实现什么目标?
据我尝试发现,ChromeDriver
的getPageSource()
返回“当前”源代码。不是最初从服务器发送的源代码。
JavaScript 加载页面的问题似乎是,浏览器接收页面内容,并在最初解释和渲染它之后,对于浏览器,文档已准备就绪
通过 javascript 的请求不会改变(不能改变?)document.readyState
因此,在页面加载并最初呈现后,其他所有内容都“只是”dom 操作
一些建议只要到达页面末尾和/或在页面上找到某个元素就向下滚动
但是
假设您必须向下滚动 50,000 像素到页面末尾,如果前面的元素被 javascript 删除,您将永远无法立即获得“完整”源代码
在我看来,你必须问自己一个问题:你想要实现什么目标
对我来说,类似下面的代码是有效的:
private void performScrollToEndOfPage(final WebDriver driver) throws Exception {
final JavascriptExecutor js = (JavascriptExecutor) driver;
Long prev = null;
while (true) {
this.checkItems(driver);
long val = 2000;
if (prev != null) {
val += prev.longValue();
}
final Object current = js.executeScript("window.scrollTo(0, " + Long.toString(val) + ");return window.pageYOffset;");
if (!(current instanceof Long)) {
break;
}
// 1000 milliseconds by try and error, if this value is too low, increase it
Thread.sleep(1000);
if (current.equals(prev)) {
break;
}
prev = (Long) current;
}
}
private void checkItems(final WebDriver driver) {
final List<WebElement> elements = driver.findElements(By.tagName("a"));
for (final WebElement anchor : elements) {
final String href = anchor.getAttribute("href");
if ((href == null) || href.isBlank() || href.isEmpty()) {
// TODO: throw Exception or whatever
}
}
}
编辑 - 回复您的评论
据我从您的评论中了解到,您的意图似乎是逆向工程。
我认为,创建一个“通用”链接爬虫几乎是不可能的。
因此您可能非常了解页面源代码及其所有依赖项。
您可以在单击页面上的“所有可用元素”时跟踪/捕获网络流量
我可以给你的一个(可能很奇怪的)例子是针对 Instagram 的:
import java.io.IOException;
import java.util.Iterator;
import java.util.LinkedHashSet;
import java.util.List;
import java.util.Set;
import org.apache.http.client.methods.CloseableHttpResponse;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.client.methods.HttpUriRequest;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.openqa.selenium.By;
import org.openqa.selenium.JavascriptExecutor;
import org.openqa.selenium.WebDriver;
import org.openqa.selenium.WebElement;
import org.openqa.selenium.chrome.ChromeDriver;
public class Analyzer {
private final String baseUrl = "https://www.instagram.com";
private final WebDriver driver;
private final Set<String> hrefs = new LinkedHashSet<>();
private final String profileName;
private Analyzer(final String profileName) {
super();
this.profileName = profileName;
this.driver = new ChromeDriver();
}
public String getBaseUrl() {
return this.baseUrl;
}
public WebDriver getDriver() {
return this.driver;
}
public String getProfileName() {
return this.profileName;
}
public void run() {
this.getDriver().get(this.getUrl());
this.performScrollToEndOfPage();
this.getDriver().quit();
final Iterator<String> iterator = this.hrefs.iterator();
while (iterator.hasNext()) {
final String href = iterator.next();
final boolean linkBroken = this.isLinkBroken(href);
// remove unbroken links
if (!linkBroken) {
// remove unbroken URLs/hrefs
iterator.remove();
}
}
// TODO: handle broken links
System.out.println(this.hrefs);
}
private void collectOperation() {
// collect whatever you want
// items with src-attribute (for example image-tags),
// action-attribute (for example form-tags) or
// href-attribute (for example anchor-tags)
// and evaluate the attributes value(s)
final List<WebElement> elements = this.getDriver().findElements(By.tagName("a"));
for (final WebElement anchor : elements) {
final String href = anchor.getAttribute("href");
final List<WebElement> images = anchor.findElements(By.tagName("img"));
if ((href == null) || href.isBlank() || href.isEmpty() || (images == null) || images.isEmpty()) {
continue;
}
this.hrefs.add(href);
}
}
private String getUrl() {
return this.getBaseUrl() + "/" + this.getProfileName();
}
private boolean isLinkBroken(final String href) {
try (CloseableHttpClient client = HttpClients.createDefault();) {
final HttpUriRequest request = new HttpGet(href);
try (CloseableHttpResponse response = client.execute(request)) {
if (response.getStatusLine().getStatusCode() == 200) {
return false;
}
}
} catch (final IOException e) {
// TODO: logging or something else
e.printStackTrace();
}
return true;
}
private void performScrollToEndOfPage() {
final JavascriptExecutor js = (JavascriptExecutor) this.driver;
// This will scroll the web page till end.
Long prev = null;
while (true) {
this.collectOperation();
// scroll by 2000px
long val = 2000;
if (prev != null) {
val += prev.longValue();
}
final Object current = js.executeScript("window.scrollTo(0, " + Long.toString(val) + ");return window.pageYOffset;");
try {
// try and error, if this value is too low, increase it
Thread.sleep(1000);
} catch (final Exception e) {
// TODO: logging or something else
e.printStackTrace();
}
if (!(current instanceof Long)) {
break;
}
if (current.equals(prev)) {
break;
}
prev = (Long) current;
}
}
public static void main(final String[] args) {
// i hope Microsoft will be lenient with me
final String profileName = "microsoft";
final Analyzer analyzer = new Analyzer(profileName);
analyzer.run();
}
}
instagram 的工作方式与“我们的”页面完全相同。您可以向下滚动到某人“页面”的最后,您只会看到大约 35 个帖子。
无论使用驱动程序 findElements
或 getPageSource
-方法并使用 ( 解析 getPageSource
s return
-value例如)Jsoup
关于java - 页面完全加载后读取页面源代码(执行JavaScript),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57233642/
我想要显示正在加载的 .gif,直到所有内容都已加载,包括嵌入的 iframe。但是,目前加载 gif 会在除 iframe 之外的所有内容都已加载后消失。我怎样才能让它等到 iframe 也加载完毕
首先,这是我第一次接触 Angular。 我想要实现的是,我有一个通知列表,我必须以某种方式限制 limitTo,因此元素被限制为三个,在我单击按钮后,其余的应该加载。 我不明白该怎么做: 设置“ V
我正在尝试在我的设备上运行这个非常简单的应用程序(使用 map API V2),并且出于某种原因尝试使用 MapView 时: 使用 java 文件: public class MainMap e
我正在使用 Python 2.6、Excel 2007 Professional 和最新版本的 PyXLL。在 PyXLL 中加载具有 import scipy 抛出异常,模块未加载。有没有人能够在
我想做这个: 创建并打包原始游戏。然后我想根据原始游戏中的蓝图创建具有新网格/声音/动画和蓝图的其他 PAK 文件。原始游戏不应该知道有关其他网格/动画/等的任何信息。因此,我需要在原始游戏中使用 A
**摘要:**在java项目中经常会使用到配置文件,这里就介绍几种加载配置文件的方法。 本文分享自华为云社区《【Java】读取/加载 properties配置文件的几种方法》,作者:Copy工程师。
在 Groovy 脚本中是否可以执行条件导入语句? if (test){ import this.package.class } else { import that.package.
我正在使用 NVidia 视觉分析器(来自 CUDA 5.0 beta 版本的基于 eclipse 的版本)和 Fermi 板,我不了解其中两个性能指标: 全局加载/存储效率表示实际内存事务数与请求事
有没有办法在通过 routeProvider 加载特定 View 时清除 Angular JS 存储的历史记录? ? 我正在使用 Angular 创建一个公共(public)安装,并且历史会积累很多,
使用 Xcode 4.2,在我的应用程序中, View 加载由 segue 事件触发。 在 View Controller 中首先调用什么方法? -(void) viewWillAppear:(BOO
我在某些Django模型中使用JSONField,并希望将此数据从Oracle迁移到Postgres。 到目前为止,当使用Django的dumpdata和loaddata命令时,我仍然没有运气来保持J
创建 Nib 时,我需要创建两种类型:WindowNib 或 ViewNib。我看到的区别是,窗口 Nib 有一个窗口和一个 View 。 如何将 View Nib 加载到另一个窗口中?我是否必须创建
我想将多个env.variables转换为静态结构。 我可以手动进行: Env { is_development: env::var("IS_DEVELOPMENT")
正如我从一个测试用例中看到的:https://godbolt.org/z/K477q1 生成的程序集加载/存储原子松弛与普通变量相同:ldr 和 str 那么,宽松的原子变量和普通变量之间有什么区别吗
我有一个重定向到外部网站的按钮/链接,但是外部网站需要一些时间来加载。所以我想添加一个加载屏幕,以便外部页面在显示之前完全加载。我无法控制外部网站,并且外部网站具有同源策略,因此我无法在 iFrame
我正在尝试为我的应用程序开发一个Dockerfile,该文件在初始化后加载大量环境变量。不知何故,当我稍后执行以下命令时,这些变量是不可用的: docker exec -it container_na
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它,visit the help center 。 已关
我刚刚遇到一个问题,我有一个带有一些不同选项的选择标签。 现在我想检查用户选择了哪些选项。 然后我想将一个新的 html 文件加载到该网站(取决于用户选中的选项)宽度 javascript,我该怎么做
我知道两种保存/加载应用程序设置的方法: 使用PersistentStore 使用文件系统(存储,因为 SDCard 是可选的) 我想知道您使用应用程序设置的做法是什么? 使用 PersistentS
我开始使用 Vulkan 时偶然发现了我的第一个问题。尝试创建调试报告回调时(验证层和调试扩展在我的英特尔 hd vulkan 驱动程序上可用,至少它是这么说的),它没有告诉我 vkCreateDeb
我是一名优秀的程序员,十分优秀!