Python Selenium的js扩展实现

　　python写的数据采集，对一般有规律的页面用 urllib2 + BeautifulSoup + 正则就可以搞定。但是有些页面的内容是通过js生成，或者通过js跳转的，甚至js中还加入几道混淆机制；对这种涉及页面脚本解析的内容，前面的方式便很无力。

　　这时我们需要能解析、运行js的引擎——浏览器，而python selenium能提供程序与浏览器的交互接口，再加上phantomjs这个可以后台运行的浏览器，即使用 selenium + phantomjs 便可以解决以上的问题。

　　selenium可以操作页面的元素，并且提供执行js脚本的接口。但其调用js脚本后并不能直接返回执行的结果，这样再采集内容的过程中就会受到一些限制。比如我们想使用页面中的函数进行数据转换，或者获取iframe里的内容，这些js产生数据要传回比较麻烦。

　　所以我便写一个简化js数据回传的扩展 exescript.py

#!/usr/bin/env python

# -*- coding:utf-8 -*-

# created by heqingpan

_init_js="""

(function (){

if (window.__e)

{ return;

}

var e=document.createElement('div');

e.setAttribute("id","__s_msg");

e.style.display="none";

document.body.appendChild(e);

window.__e=e;

})();

window.__s_set_msg=function(a){

window.__e.setAttribute("msg",a.toString()||"");

}

"""

_loadJsFmt="""

var script = document.createElement('script');

script.src = "{0}";

document.body.appendChild(script);

"""

_jquery_cdn="http://lib.sinaapp.com/js/jquery/1.7.2/jquery.min.js"

_warpjsfmt="__s_set_msg({0})"

class ExeJs(object):

def __init__(self,driver,trytimes=10):

from time import sleep

self.driver=driver

driver.execute_script(_init_js)

while trytimes >0:

try:

self.msgNode=driver.find_element_by_id('__s_msg')

break

except Exception:

sleep(1)

trytimes -= 1

if self.msgNode is None:

raise Exception()

def exeWrap(self,jsstr):

""" jsstr 执行后有返回值，返回值通过self.getMsg()获取 """

self.driver.execute_script(_warpjsfmt.format(jsstr))

def loadJs(self,path):

self.execute(_loadJsFmt.format(path))

def loadJquery(self,path=_jquery_cdn):

self.loadJs(path)

def execute(self,jsstr):

self.driver.execute_script(jsstr)

def getMsg(self):

return self.msgNode.get_attribute('msg')

打开ipython上一个例子，获取博客园首页文章title列表

from selenium import webdriver

import exescript

d=webdriver.PhantomJS("phantomjs")

d.get("http://www.cnblogs.com/")

exejs=exescript.ExeJs(d)

exejs.exeWrap('$(".post_item").length')

print exejs.getMsg()

#out:

"""

jsstr="""(function(){

var r=[];

$(".post_item").each(function(){

var $this=$(this);

var $h3=$this.find("h3");

r.push($h3.text());

});

return r.join(',');})()"""

exejs.exeWrap(jsstr)

l=exejs.getMsg()

for title in l.split(','):

print title

#out:

"""

mac TeamTalk开发点点滴滴之一——DDLogic框架分解上

The directfb backend was supported together with linux-fb backend in GTK+2.10

Science上发表的超赞聚类算法

功能齐全、效率一流的免费开源数据库导入导出工具（c#开发，支持SQL server、SQLite、ACCESS三种数据库），每月借此处理数据5G以上

企业级应用框架(三)三层架构之数据访问层的改进以及测试DOM的发布

Unity3D 第一季 00 深入理解U3D开发平台

Welcome to Swift (苹果官方Swift文档初译与注解二十一)---140~147页(第三章--集合类型)

appium简明教程（11）——使用resource id定位

SQL语句汇总(终篇）—— 表联接与联接查询

fopen警告处理方式

AndroidWear开发之HelloWorld篇

AMD and CMD are dead之KMD.js版本0.0.2发布

SQL语句汇总(三）——聚合函数、分组、子查询及组合查询

DevExpress GridControl功能总结

ASP.NET之Jquery入门级别

2014年前端面试经历

grunt源码解析：整体运行机制&grunt-cli源码解析

跟用户沟通，问题尽量分析清楚，以及解决问题

ASP.NET之Ajax系列（一）

算法复杂度分析

"""

posted on 2014-09-30 10:03 顺其自然EVO 阅读(1322) 评论(0) 编辑收藏所属分类: 测试学习专栏、selenium and watir webdrivers 自动化测试学习

新用户注册刷新评论列表


只有注册用户登录后才能发表评论。




网站导航: 博客园 IT新闻 Chat2DB C++博客博问管理
相关文章: 如何进行Web服务的性能测试？利用drozer进行Android渗透测试 Appium Android Bootstrap源码分析之命令解析执行 Fliptest—iOS 的应用A/B测试框架 iOS功能测试工具 Frank iOS单元测试框架Kiwi for iOS Appium Android Bootstrap之控件AndroidElement 移动应用测试框架—Calabash Android 简介 Appium Server源码分析之作为Bootstrap客户端移植MonkeyRunner的图片对比功能实现-Appium篇

qileilove

Python Selenium的js扩展实现

导航

统计

常用链接

留言簿(55)

随笔分类

随笔档案

文章分类

文章档案

搜索

最新评论

阅读排行榜

评论排行榜