使用 selenium 和 python 捕获 AJAX 响应

Question

我点击 Firefox 中的链接，网页使用 javascript 发送请求，然后服务器发送某种响应，其中包括网站地址。 所以这个新网站会在一个新窗口中打开。 链接后面的 html 代码是（我省略了初始和最终<span>标记）：

> class="taLnk hvrIE6"
> onclick="ta.trackEventOnPage('AttractionContactInfo', 'Website',
> 2316062, 1); ta.util.cookie.setPIDCookie(15190);
> ta.call('ta.util.link.targetBlank', event, this,
> {'aHref':'LqMWJQiMnYQQoqnQQxGEcQQoqnQQWJQzZYUWJQpEcYGII26XombQQoqnQQQQoqnqgoqnQQQQoqnQQQQoqnQQQQoqnqgoqnQQQQoqnQQuuuQQoqnQQQQoqnxioqnQQQQoqnQQJMsVCIpEVMSsVEtHJcSQQoqnQQQQoqnxioqnQQQQoqnQQniaQQoqnQQQQoqnqgoqnQQQQoqnQQWJQzhYmkXHJUokUHnmKTnJXB',
> 'isAsdf':true})">Website

我想捕获服务器响应并使用 Python 和 Selenium 提取“新网站”。 我一直在使用 BeautifulSoup 进行抓取，并且对 Selenium 还很陌生。

到目前为止，我能够找到这个元素并使用 selenium 单击它，这会在新窗口中打开“新网站”。 我不知道如何从服务器捕获响应。

Answer 1

我曾经拦截了一些使用 selenium 将 javascript 注入页面的 ajax 调用。 历史的坏处是硒有时可能是“脆弱的”。 因此，在进行此注射时，我无缘无故地遇到了硒异常。

无论如何，我的想法是拦截 XHR 调用，并将其响应设置为我创建的新 dom 元素，我可以从 selenium 操作该元素。 在拦截的条件下，您甚至可以使用发出请求的 url 来拦截您真正想要的那个 (self._url)

顺便说一句，我从拦截所有 ajax 调用中得到了这个想法？

也许这有帮助。

browser.execute_script("""
(function(XHR) {
  "use strict";

  var element = document.createElement('div');
  element.id = "interceptedResponse";
  element.appendChild(document.createTextNode(""));
  document.body.appendChild(element);

  var open = XHR.prototype.open;
  var send = XHR.prototype.send;

  XHR.prototype.open = function(method, url, async, user, pass) {
    this._url = url; // want to track the url requested
    open.call(this, method, url, async, user, pass);
  };

  XHR.prototype.send = function(data) {
    var self = this;
    var oldOnReadyStateChange;
    var url = this._url;

    function onReadyStateChange() {
      if(self.status === 200 && self.readyState == 4 /* complete */) {
        document.getElementById("interceptedResponse").innerHTML +=
          '{"data":' + self.responseText + '}*****';
      }
      if(oldOnReadyStateChange) {
        oldOnReadyStateChange();
      }
    }

    if(this.addEventListener) {
      this.addEventListener("readystatechange", onReadyStateChange,
        false);
    } else {
      oldOnReadyStateChange = this.onreadystatechange;
      this.onreadystatechange = onReadyStateChange;
    }
    send.call(this, data);
  }
})(XMLHttpRequest);
""")

Answer 2

在尝试根据 AJAX 请求捕获 XHR 内容时，我来到了此页面。 我最终找到了这个包

from seleniumwire import webdriver  # Import from seleniumwire
# Create a new instance of the Firefox driver
driver = webdriver.Firefox()

# Go to the Google home page
driver.get('https://www.google.com')

# Access requests via the `requests` attribute
for request in driver.requests:
    if request.response:
        print(
            request.url,
            request.response.status_code,
            request.response.headers['Content-Type']
        )

这个包允许从任何请求中获取内容响应，例如 json ：

https://www.google.com/ 200 text/html; charset=UTF-8
https://www.google.com/images/branding/googlelogo/2x/googlelogo_color_120x44dp.png 200 image/png
https://consent.google.com/status?continue=https://www.google.com&pc=s&timestamp=1531511954&gl=GB 204 text/html; charset=utf-8
https://www.google.com/images/branding/googlelogo/2x/googlelogo_color_272x92dp.png 200 image/png
https://ssl.gstatic.com/gb/images/i2_2ec824b0.png 200 image/png
https://www.google.com/gen_204?s=webaft&t=aft&atyp=csi&ei=kgRJW7DBONKTlwTK77wQ&rt=wsrt.366,aft.58,prt.58 204 text/html; charset=UTF-8
..

Answer 3

我无法使用 selenium 捕获 AJAX 响应，但这是有效的，尽管没有 selenium：

1- 通过监控浏览器中的网络分析工具找出 XML 请求

2= 确定请求后，使用 Python 的请求或 urllib2 模块重新生成它。 我个人推荐 requests 因为它的附加功能，对我来说最重要的是 requests.Session。

您可以找到有关这两个步骤的大量帮助和相关帖子。

希望有一天它会帮助某人。