等待页面加载有Selenium WebDriver for Python

我想抓取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)

这意味着每次我向下滚动到底部时，我都需要等待5秒钟，这通常足以使页面完成加载新生成的内容。但是，这可能不是省时的。该页面可能会在5秒内完成新内容的加载。每次向下滚动时，如何检测页面是否完成了新内容的加载？如果我可以检测到此情况，则知道页面完成加载后，可以再次向下滚动以查看更多内容。这样更省时。

该webdriver会通过等待页面加载默认.get()的方法。

正如您可能正在寻找@ user227215所说的某些特定元素时，应该使用它WebDriverWait来等待页面中的某个元素：

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!"

我用它来检查警报。您可以使用任何其他类型的方法来查找定位器。

编辑1：

我应该提到，webdriver默认情况下，会等待页面加载。它不等待加载内部框架或ajax请求。这意味着当您使用时.get('url')，浏览器将等待页面完全加载完毕，然后转到代码中的下一个命令。但是，当您发布ajax请求时，请webdriver不要等待，您有责任等待适当的时间以加载页面或页面的一部分；因此有一个名为的模块expected_conditions。

试图传递find_element_by_id给的构造函数presence_of_element_located（如已接受的答案所示）NoSuchElementException被引发。我不得不在fragles的注释中使用语法：

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。这是By的文档的链接。

查找以下3种方法：

readyState

检查页面readyState（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'

该wait_for助手功能还是不错的，可惜click_through_to_new_page是开放的，我们管理的旧页面执行脚本的竞争条件，浏览器已经开始处理前点击，并page_has_loaded刚刚返回true，立竿见影。

id

将新的页面ID与旧的页面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Harry的博客。

正如David Cullen的回答中所提到的，我一直看到建议使用类似于以下内容的行：

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

对于我来说，很难找到可以与一起使用的所有可能的定位器By，因此我认为在此处提供列表会很有用。根据Ryan Mitchell的《使用Python进行Web爬取》：

ID

在示例中使用；通过其HTML id属性查找元素

CLASS_NAME

用于通过其HTML类属性查找元素。为什么这个功能CLASS_NAME不简单CLASS？使用表单object.CLASS 会给Selenium的Java库带来问题，这.class是保留方法。为了使Selenium语法在不同语言之间保持一致，CLASS_NAME使用了替代语言。

CSS_SELECTOR

通过他们的阶级，ID或标签名称找到元素，使用#idName， .className，tagName约定。

LINK_TEXT

通过HTML标签包含的文本查找。例如，可以使用来选择显示“下一步”的链接(By.LINK_TEXT, "Next")。

PARTIAL_LINK_TEXT

与相似LINK_TEXT，但匹配部分字符串。

NAME

通过名称属性查找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...选择匹配的元素。

从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"))

附带说明一下，您可以检查是否没有对DOM的其他修改（而不是向下滚动100次）（我们是在页面底部延迟加载AJAX的情况下）

def scrollDown(driver, value):
    driver.execute_script("window.scrollBy(0,"+str(value)+")")

# Scroll down the page
def scrollDownAllTheWay(driver):
    old_page = driver.page_source
    while True:
        logging.debug("Scrolling loop")
        for i in range(2):
            scrollDown(driver, 500)
            time.sleep(2)
        new_page = driver.page_source
        if new_page != old_page:
            old_page = new_page
        else:
            break
    return True

你试过了吗driver.implicitly_wait。就像驱动程序的设置一样，因此您在会话中只调用一次，它基本上告诉驱动程序等待给定的时间，直到可以执行每个命令。

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

因此，如果将等待时间设置为10秒，它将尽快执行该命令，等待10秒钟后才会放弃。我在类似的向下滚动场景中使用过此功能，因此我看不到为什么在您的情况下不起作用。希望这会有所帮助。

为了能够解决此问题，我必须添加新文本。确保在中使用小写字母“ w” implicitly_wait。

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"

在这里，我使用了一种非常简单的形式：

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

您可以通过以下功能非常简单地执行此操作：

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

当您想要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')")