Selenium 无法在 Instagram 上获取所有元素

Question

我正在使用 Python selenium 创建一个脚本来抓取 Instagram 用户帖子。 如果用户有 62 个帖子，我想获得所有 62 个帖子。

我尝试向下滚动直到所有帖子加载并使用 xpath 及其作品获取元素/帖子。 但只有 29 个元素/帖子，而不是全部 62 个元素/帖子。

    driver.get("https://instagram.com/celmirashop/")

    #scroll until all post loaded
    scroll()
    wait = WebDriverWait(driver, 15)
    wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, "div.eLAPa")))

    time.sleep(30)

    #getting list cards of posts
    list_cards = driver.find_elements_by_xpath("//*[@class='v1Nh3 kIKUG  _bz0w']")
    print(len(list_cards))

如果用户有 62 个帖子，我想获得 62 个（全部）帖子的元素

Answer 1

滚动 instagram 时，将显示新的 12 张图片，但 instagram 将删除 12 张通过的图片。 我通过在滚动时（每次向下滚动）保存 12 个图像找到了解决方案。 所以在Instagram删除传递的12张图片之前，我已经将这些图片保存在variabel上

driver.get("https://instagram.com/celmirashop/")


semua_url_lengkap = []
semua_url_post = []
nomor=1
for i in range(50):
    driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
    print(nomor)
    nomor+=1
    #mendapatkan list tiap cards update status
    article = driver.find_element_by_tag_name("article")
    list_cards = article.find_elements_by_tag_name("a")

    for item in list_cards:

        url_lengkap=item.get_attribute("href")
        semua_url_lengkap.append(url_lengkap)

        segmen = url_lengkap.rsplit('/', 2)
        semua_url_post.append(segmen[1])


print(len(semua_url_post))
print(semua_url_post)

Answer 2

他们设计应用程序的方式很难被抓取。 元素是延迟加载的，因此当您滚动时，某些元素也可能会消失。

我会说使用 xpath 通用且不变，例如//a//img ，因为它们会将 class 名称再次更改为随机名称。

另外，既然您已经有了滚动的方法，请从头开始。 记录所有元素并再滚动一些，然后再次记录并刮掉一些。 循环，直到找到页面元素的结尾，例如//footer 。