如何使用硒浏览整个网站？

Question

是否可以使用 selenium 浏览给定 URL（网站）的所有 URI？

我的目标是使用 selenium 和我选择的给定 URL 启动 firefox 浏览器（感谢这个网站，我知道该怎么做），然后让 firefox 浏览 URL（网站）拥有的所有页面。我感谢任何有关如何在 Python 中执行此操作的提示/帮助。

Answer 1

您可以在如下所示的类中使用递归方法来执行此操作。

public class RecursiveLinkTest {
    //list to save visited links
    static List<String> linkAlreadyVisited = new ArrayList<String>();
    WebDriver driver;

    public RecursiveLinkTest(WebDriver driver) {
        this.driver = driver;
    }

    public void linkTest() {
        // loop over all the a elements in the page
        for(WebElement link : driver.findElements(By.tagName("a")) {
            // Check if link is displayed and not previously visited
            if (link.isDisplayed() 
                        && !linkAlreadyVisited.contains(link.getText())) {
                // add link to list of links already visited
                linkAlreadyVisited.add(link.getText());
                System.out.println(link.getText());
                // click on the link. This opens a new page
                link.click();
                // call recursiveLinkTest on the new page
                new RecursiveLinkTest(driver).linkTest();
            }
        }
        driver.navigate().back();
    }

    public static void main(String[] args) throws InterruptedException {
        WebDriver driver = new FirefoxDriver();
        driver.get("http://newtours.demoaut.com/");
        // start recursive linkText
        new RecursiveLinkTest(driver).linkTest();
    }
}

希望对你有所帮助。

Answer 2

正如 Khyati 所提到的，但是 selenium 可能不是网络爬虫或机器人。您必须知道要测试的位置/内容。

如果你真的想走这条路，我建议你点击页面，拉回所有元素，然后循环点击任何与导航功能相对应的元素（即“//a”或超链接点击） .

虽然如果你沿着这条路走，并且有一个页面打开另一个页面然后有一个返回链接，你会想要保留所有访问过的 URL 的列表，并确保你不会复制这样的页面。

这可行，但也需要一些逻辑才能实现......如果你不小心，你可能会发现自己陷入无限循环。

Answer 3

我知道你要一个 python 示例，但我只是在为量角器测试设置一个简单的 rep o 的过程中，你想要完成的任务似乎很容易用量角器完成（这只是一个webdriver 的包装器）

这是javascript中的代码：

describe( 'stackoverflow scrapping', function () {
  var ptor = protractor.getInstance();

  beforeEach(function () {
    browser.ignoreSynchronization = true;
  } );

  afterEach(function () {

  } );

  it( 'should find the number of links in a given url', function () {
    browser.get( 'http://stackoverflow.com/questions/24257802/how-to-browse-a-whole-website-using-selenium' );

    var script = function () {
      var cb = arguments[ 0 ];
      var nodes = document.querySelectorAll( 'a' );
      nodes = [].slice.call( nodes ).map(function ( a ) {
        return a.href;
      } );
      cb( nodes );
    };

    ptor.executeAsyncScript( script ).then(function ( res ) {
      var visit = function ( url ) {
        console.log( 'visiting url', url );
        browser.get( url );
        return ptor.sleep( 1000 );
      };

      var doVisit = function () {
        var url = res.pop();
        if ( url ) {
          visit( url ).then( doVisit );
        } else {
          console.log( 'done visiting pages' );
        }
      };

      doVisit();

    } );
  } );

} );

你可以从here克隆repo

注意：我知道量角器可能不是最好的工具，但使用它非常简单，我只是试了一下。

我使用 firefox（您可以使用 firefox-conf 分支，但它需要您手动触发 webdriver）和 chrome 对此进行了测试。如果您使用的是 osx，这应该没有问题（假设您安装了 nodejs）

Answer 4

Selenium API 提供了所有工具，您可以通过这些工具执行各种操作，例如 type 、click 、 goto 、 navigateTo 、在帧之间切换、拖放等。 如果我理解正确的话，您的目标只是简单地浏览，点击并在网站内提供不同的网址。是的，你绝对可以通过 Selenium webdriver 做到这一点。 并且您可以制作一个属性文件，以便更好地方便和准备，您可以在其中传递不同的属性，如 URL、Base URI 等，并在不同的浏览器中通过 Selenium Webdriver 进行自动化测试。

Answer 5

这是可能的。我已经使用 Java webdriver 和 URI 实现了这一点。这主要是为了识别损坏的链接。

使用带有标签的“getElements”可以使用webdriver一旦打开并保存“href”值。

使用 java 的 URL 类检查所有链接状态并将其放入堆栈。

然后从堆栈中弹出链接并使用 Webdriver “获取”链接。再次从页面中获取所有链接，删除堆栈中存在的重复链接。

循环直到堆栈为空。

您可以根据自己的要求对其进行更新。例如遍历的级别，不包括不具有给定网站域的其他链接等。

如果您在实施中遇到困难，请发表评论。