使用phatomJS和selenium滚动浏览网站

Question

我需要在一个网页上滚动（例如twitter），并制作一个网站上出现的新元素的网络抓取。我试着用python 3. x，selenium和PhantomJS来做这个。这是我的密码

import time
from selenium import webdriver
from bs4 import BeautifulSoup

user = 'ciroylospersas'
# Start web browser
#browser = webdriver.Firefox()
browser = webdriver.PhantomJS()
browser.set_window_size(1024, 768)
browser.get("https://twitter.com/")

# Fill username in login
element = browser.find_element_by_id("signin-email")
element.clear()
element.send_keys('your twitter user')
# Fill password in login
element = browser.find_element_by_id("signin-password")
element.clear()
element.send_keys('your twitter pass')

browser.save_screenshot('screen.png') # save a screenshot to disk

# Summit the login
element.submit()
time.sleep(5

browser.save_screenshot('screen1.png') # save a screenshot to disk
# Move to the following url
browser.get("https://twitter.com/" + user + "/following")
browser.save_screenshot('screen2.png') # save a screenshot to disk

scroll_script = "var h = document.body.scrollHeight; window.scrollTo(0, h); return h;"
newHeight = browser.execute_script(scroll_script)
print(newHeight)
browser.save_screenshot('screen3.png') # save a screenshot to disk

问题是我无法滚动到底部。屏幕2。png和屏幕3。png是相同的。但是如果我将webdriver从PhantomJS更改为Firefox，同样的代码可以正常工作。为什么？

Answer 1

在尝试解决类似问题时，我能够在phantomJS中实现这一点：

check_height = driver.execute_script("return document.body.scrollHeight;")
while True:
    browser.execute_script("window.scrollTo(0, document.body.scrollHeight);")
    time.sleep(5)
    height = driver.execute_script("return document.body.scrollHeight;")
    if height == check_height:
        break
    check_height = height

它将滚动到当前底部，等待，看看页面是否加载更多，如果没有，则退出（假设所有内容都加载了，如果高度匹配。）

在我的原始代码中，我在匹配高度旁边检查了一个“max”值，因为我只对前10页左右的“页面”感兴趣。如果还有更多，我希望它停止加载并跳过它们。

还有，这就是我作为例子的答案