如何使用python和selenium通过使用load more按钮的无限滚动来抓取网站

Question

我想抓取Facebook的mbasic.facebook.com界面。 它具有加载更多按钮以向下滚动到新帖子。 我一直在做大量有关Facebook常规界面抓取的研究，并使用Python中的Selenium找到了这个Scraping无限滚动网站

import unittest, time, re

class Sel(unittest.TestCase):
    def setUp(self):
        self.driver = webdriver.Chrome()
        self.driver.implicitly_wait(30)
        self.verificationErrors = []
        self.accept_next_alert = True
    def test_sel(self):
        driver = self.driver
        delay = 3
        driver.get("https://www.facebook.com")
        elem = driver.find_element_by_name("email")
        elem.clear()
        elem.send_keys("")

        elem2 = driver.find_element_by_name("pass")
        elem2.clear()
        elem2.send_keys("")
        elem2.send_keys(Keys.RETURN)
        for i in range(1,100):
            self.driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
            time.sleep(4)
        html_source = driver.page_source
        data = html_source.encode('utf-8')
        print(data)


if __name__ == "__main__":
    unittest.main()

但是我不想循环，而是想触发一个事件，例如，如果用户手动按下“加载更多帖子”按钮，则将加载新页面，并且我将获得该页面的页面来源。 有什么办法吗？ 任何帮助，将不胜感激。

Answer 1

那么，您是否在每次加载更多帖子时尝试获取页面源代码？ 因为该代码无法反映这一点。 假设每次加载新帖子列表时都需要源代码，则可以使用XPath找到并单击“更多帖子”按钮。

for i in range(1, 10):
    driver.execute_script('window.scrollTo(0, document.body.scrollHeight);')
    driver.find_element_by_xpath('//span[contains(., "More")]/..').click()
    html_source = driver.page_source
    data = html_source.encode('utf-8')
    print(data)
    sleep(4)