通过 xpath selenium phantomjs 查找元素

Question

我正在使用 Rselenium 进行报废。为此，我在 Google Cloud 的 VM 实例中安装了 java 和 JDK's、chromedriver、selenium server standalone 和无头浏览器 phantomjs。

我需要抓取第一评分的文字：

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()

终于text_post空了。

但是，如果我在我的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，它就成功了！

这是怎么回事？

是不是使用了phantomjs？

提前致谢。

sessionInfo()

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

Answer 1

根据 HTML，您可以使用 xpath 作为：

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

注意：由于元素是动态生成的元素，因此您必须引入 WebDriverWait 才能使 元素可见.

Answer 2

您不需要重量级的第三方依赖项。该站点在异步 XHR 请求中使用 graphql POST 请求来检索数据。打开开发者工具就可以看到

我做了一个 "Copy POST Data"（在所有浏览器中通常是相同或非常相似的上下文菜单项）并取消最小化响应选项卡中的 graphql 查询只是为了向您展示它是什么，也许，让您更轻松地查看查询并自行扩充它（我刚才所说的超出了 "but what about…" 的范围，请继续评论中的问题；如果您需要帮助，请提出一个新问题）。

'[
    {
        "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

我们需要将其压缩回一行以用于 API 调用（我使用下面的 gsub() 来完成。我们还需要手动指定内容类型并确保 httr 不会尝试通过将编码设置为 raw:

来破坏正文数据

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深的列表，其中包含您的 ifo。很确定您正在寻找下面的 items：

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"

它确实只有 21 个中的 10 个，所以在浏览器中向下滚动 window，打开开发者工具，查看发出的第二个 POST 请求，查看更改了哪些参数，现在您将更好地了解如何访问网站的后端 API 而不是必须抓取内容。

通过 xpath selenium phantomjs 查找元素

find elements by xpath selenium phantomjs

selenium

r

phantomjs

selenium-webdriver

rselenium