代码之家 › 专栏 › 技术社区 › Mario M.

通过xpath selenium phantomjs查找元素

rselenium phantomjs selenium-webdriver selenium r

1

Mario M. · 技术社区 · 7 年前

Rselenium 用于报废。为此,我安装了 java JDK's chromedriver , selenium server standalone 还有无头浏览器 phantomjs 在我的谷歌云虚拟机实例中。

remDr <- remoteDriver(browserName = 'chrome', port = 4444L)
remDr$open()
remDr$setWindowSize(1280L, 1024L)
remDr$navigate("https://www.ratebeer.com/reviews/sullerica-1561/294423")
text_post = remDr$findElements("xpath",'//*[@id="root"]/div/div[2]/div/div[2]/div[2]/div/div[1]/div[3]/div/div[2]/div[1]/div/div[2]/div/div[1]/div/div/div[1]')

text_post
## list()

最后 text_post 是空的。

但是,如果我在本地笔记本电脑上使用RSelenium、chrome浏览器和相同的XPath测试相同的脚本,那就是成功了!

发生什么事?

这是因为使用phantomjs吗?

提前谢谢。

sessionInfo()

R version 3.4.4 (2018-03-15)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 16.04.5 LTS

2 回复 | 直到 7 年前

1

0

undetected Selenium 7 年前

根据HTML,您可以使用 xpath 作为:

//div[@id="root"]//span[contains(.,'20')]//following::div[contains(@class,'LinesEllipsis')]

注 :由于元素是动态生成的元素,您必须归纳对于 元素是可见的 .

2

1

hrbrmstr 7 年前

你不需要一个重量级的第三方依赖。该站点使用graphql POST 异步XHR请求中的引擎盖下的请求,以检索数据。如果打开开发人员工具和

我做了一个“复制POST数据”(在所有浏览器中通常都是相同或相似的上下文菜单项)并在Response选项卡中取消了graphql查询的最小化,只是为了向您显示它是什么,也许还为了,让您更容易查看查询并自行扩充查询(我刚才所说的超出了评论中“但是关于”后续问题的范围;如果需要帮助,请提出新问题)。

'[
    {
        "operationName": "beer",
        "query": "query beer($beerId: ID!) {\n  info: beer(id: $beerId) {\n    id\n    name\n    __typename\n  }\n}\n",
        "variables": {
            "beerId": "294423"
        }
    },
    {
        "operationName": "beer",
        "query": "query beer($beerId: ID!) {\n  info: beer(id: $beerId) {\n    id\n    name\n    styleScore\n    overallScore\n    averageRating\n    ratingCount\n    __typename\n  }\n}\n",
        "variables": {
            "beerId": "294423"
        }
    },
    {
        "operationName": "beerReviews",
        "query": "query beerReviews($beerId: ID!, $authorId: ID, $order: ReviewOrder, $after: ID) {\n  beerReviewsArr: beerReviews(beerId: $beerId, authorId: $authorId, order: $order, after: $after) {\n    items {\n      ...ReviewItem\n      __typename\n    }\n    totalCount\n    last\n    __typename\n  }\n}\n\nfragment ReviewItem on Review {\n  id\n  comment\n  score\n  scores {\n    appearance\n    aroma\n    flavor\n    mouthfeel\n    overall\n    __typename\n  }\n  author {\n    id\n    username\n    reviewCount\n    __typename\n  }\n  checkin {\n    id\n    place {\n      id\n      name\n      city\n      state {\n        id\n        name\n        __typename\n      }\n      country {\n        id\n        name\n        __typename\n      }\n      __typename\n    }\n    __typename\n  }\n  servedIn\n  likeCount\n  likedByMe\n  createdAt\n  updatedAt\n  __typename\n}\n",
        "variables": {
            "beerId": "294423",
            "first": 7,
            "order": "RECENT"
        }
    }
]' -> graphql_query

我们需要将其重新压缩到一行中,以便进行API调用(我使用 gsub() httr raw :

httr::POST(
  url = "https://beta.ratebeer.com/v1/api/graphql/",
  httr::content_type("application/json"),
  encode = "raw",
  body = gsub("\n", " ", graphql_query),
  httr::verbose()
) -> res

现在,我们有了一个结构化但嵌套很重的列表,其中包含您的ifo。很确定你在找我 items 下:

str(httr::content(res), 4)
## List of 3
##  $ :List of 1
##   ..$ data:List of 1
##   .. ..$ info:List of 3
##   .. .. ..$ id        : chr "294423"
##   .. .. ..$ name      : chr "Sullerica 1561"
##   .. .. ..$ __typename: chr "Beer"
##  $ :List of 1
##   ..$ data:List of 1
##   .. ..$ info:List of 7
##   .. .. ..$ id           : chr "294423"
##   .. .. ..$ name         : chr "Sullerica 1561"
##   .. .. ..$ styleScore   : num 35.1
##   .. .. ..$ overallScore : num 51.8
##   .. .. ..$ averageRating: num 3.25
##   .. .. ..$ ratingCount  : int 21
##   .. .. ..$ __typename   : chr "Beer"
##  $ :List of 1
##   ..$ data:List of 1
##   .. ..$ beerReviewsArr:List of 4
##   .. .. ..$ items     :List of 10
##   .. .. ..$ totalCount: int 21
##   .. .. ..$ last      : chr "7177326"
##   .. .. ..$ __typename: chr "ReviewList"

邮递