获取具有随机类名的元素

Question

看起来Instagram网站上的<class id>for<img class>每天都在变化。现在是FFVAD，明天将是另一回事。例如（我把它缩短了，链接很长）：

<img class="FFVAD" alt="Tag your best friend" decoding="auto" style="" sizes="293px" src="https://scontent- lax3-2.cdninstagram.com/vp/0436c00a3ac9428b2b8c977b45abd022/5BAB3EBC/t51.2885-15/s640x640/sh0.08/e35/33110483_592294374461447_8669459880035221504_n.jpg">

话虽如此，我需要修复脚本并对其进行硬编码Class ID，以便能够抓取该网页。

var = driver.find_elements_by_class_name('FFVAD')

有人告诉我，我可以img.get_attribute('class')用来查找class ID并将其存储以备后用。但是我仍然不知道如何实现这一目标，因此硒或汤可以Class ID从中获取html tag并在以后存储或解析。

我现在所得到的就是这个。它有点脏，不是正确的，但是想法就在那里。

import requests
import selenium.webdriver as webdriver

url = ('https://www.instagram.com/kitties')
driver = webdriver.Firefox()
driver.get(url)
last_height = driver.execute_script("return document.body.scrollHeight")

while True:
    imgs_dedupe = driver.find_elements_by_class_name('FFVAD')

    for img in imgs_dedupe:
        posts = img.get_attribute('class')
        print posts

    driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
    time.sleep(scroll_delay)
    new_height = driver.execute_script("return document.body.scrollHeight")

    if new_height == last_height:
        break
    last_height = new_height

运行它时，我得到此输出，并且由于页面上有3张图像，所以得到3倍 Class ID

python tag_print.py 
FFVAD
FFVAD
FFVAD

Answer 1

您当前正在通过硬编码的类名称搜索该元素。

如果类名是随机的，则不能再对其进行硬编码。您必须：

• 通过其他特征 （例如，元素层次结构，某些其他属性等） 搜索元素 ； XPath可以做到这一点

  In [10]: driver.find_elements_by_xpath('//article//img')
  

  Out[10]:
  [ ,
  ,
  ]
  
  
  

  • 您还 可以按元素的 视觉特征进行 搜索：大小，可见性，位置。但是，这不能仅通过XPath来完成，您必须获取所有<img>标记并用手检查每个标记。
    （因为很长，请参见下面的示例。）

• 从其他页面逻辑中以某种方式学习该类名 （如果页面的逻辑本身可以找到和使用它，则它必须存在于其他地方，并且该逻辑必须由其他东西找到，等等）

在这种情况下，类名是renderImage函数中局部变量的一部分，因此只能通过探索AST来通过DOM进行挽救。该函数本身埋在webpack机器内部的某个位置（它似乎将所有资源打包到几个带有一个字母名称的全局对象中）。或者，您可以将所有包含的JS文件作为原始数据读取，并renderImage在其中查找定义。因此，在这种情况下，尽管理论上仍然可行，但是这是不成比例的。

通过视觉特征获取元素的示例

无论在任何页面上，都
可以找到并排放置的3张相同大小的图像（这是它们在https://www.instagram.com/kitties上的显示方式）。

由于HTMLElement不能直接将s传递给Python（至少，我找不到任何方法），因此我们需要传递一些唯一的ID来代替它们，例如唯一的XPath。

（JS代码可能更优雅，我对此语言没有太多经验）

In [22]: script = """
  //https://stackoverflow.com/questions/2661818/javascript-get-xpath-of-a-node/43688599#43688599
  function getXPathForElement(element) {
      const idx = (sib, name) => sib 
          ? idx(sib.previousElementSibling, name||sib.localName) + (sib.localName == name)
          : 1;
      const segs = elm => !elm || elm.nodeType !== 1 
          ? ['']
          : elm.id && document.querySelector(`#${elm.id}`) === elm
              ? [`id("${elm.id}")`]
              : [...segs(elm.parentNode), `${elm.localName.toLowerCase()}[${idx(elm)}]`];
      return segs(element).join('/');
  }

  //https://plainjs.com/javascript/styles/get-the-position-of-an-element-relative-to-the-document-24/
  function offsetTop(el){
    return window.pageYOffset + el.getBoundingClientRect().top;
  }

  var expected_images=3;
  var found_groups=new Map();
  for (e of document.getElementsByTagName('img')) {
    let group_id = e.offsetWidth + "x" + e.offsetHeight;
    if (!(found_groups.has(group_id))) found_groups.set(group_id,[]);
    found_groups.get(group_id).push(e);
  }
  for ([k,v] of found_groups) {
    if (v.length != expected_images) {found_groups.delete(k);continue;}
    var offset_top = offsetTop(v[0]);
    for (e of v){
      let _c_oft = offsetTop(e);
      if (_c_oft !== offset_top){
        found_groups.delete(k);
        break;
      }
    }
  }
  if (found_groups.size != 1) {
    console.log(found_groups);
    throw 'Unexpected pattern of images after filtering';
  }

  var found_group = found_groups.values().next().value;


  result=[]
  for (e of found_group) {
    result.push(getXPathForElement(e));
  }
  return result;
"""

In [23]: d.execute_script(script)
Out[23]:
[u'id("react-root")/section[1]/main[1]/div[1]/article[1]/div[1]/div[1]/div[1]/div[1]/a[1]/div[1]/div[1]/img[1]',
 u'id("react-root")/section[1]/main[1]/div[1]/article[1]/div[1]/div[1]/div[1]/div[2]/a[1]/div[1]/div[1]/img[1]',
 u'id("react-root")/section[1]/main[1]/div[1]/article[1]/div[1]/div[1]/div[1]/div[3]/a[1]/div[1]/div[1]/img[1]']

In [27]: [d.find_element_by_xpath(xp) for xp in _]
Out[27]:
[<selenium.webdriver.firefox.webelement.FirefoxWebElement (session="1ab4eeb4-10c4-4da4-996c-ee6744445dcc", element="55c48964-8cd0-4472-b35b-214a5a9bfbf7")>,
 <selenium.webdriver.firefox.webelement.FirefoxWebElement (session="1ab4eeb4-10c4-4da4-996c-ee6744445dcc", element="b7f7c8a4-e343-49ca-b416-49f72e67ae07")>,
 <selenium.webdriver.firefox.webelement.FirefoxWebElement (session="1ab4eeb4-10c4-4da4-996c-ee6744445dcc", element="728f6148-6a03-4c9a-9933-36859d65eb51")>]