Python Selenium 抓取崩溃，我可以找到部分网页的元素吗？

Question

我正在尝试从网站上抓取一些数据。该网站有一个“加载更多产品”按钮。我正在使用：

driver.find_element_by_xpath("""//*[@id="showmoreresult"]""").click()

点击按钮，然后循环进行一定次数的迭代。

我遇到的问题是，一旦完成了这些迭代次数，我想使用以下方法从网页中提取文本：

posts = driver.find_elements_by_class_name("hotProductDetails")

但是，这似乎使 Chrome 崩溃，因此我无法获取任何数据。 我想做的是用每次迭代后加载的新产品填充帖子。

单击“加载更多”后，我想从刚刚加载的 50 个产品中获取文本，附加到我的列表并继续。

我可以在每次迭代中运行posts = driver.find_elements_by_class_name("hotProductDetails") 行，但它每次都会抓取页面上的每个元素，并且确实减慢了进程。

有没有办法在 Selenium 中实现这一点，或者我是否受限于使用这个库？

这是完整的脚本：

import csv
import time
from selenium import webdriver
import pandas as pd

def CeXScrape():
    print('Loading Chrome...')
    chromepath = r"C:\Users\leonK\Documents\Python Scripts\chromedriver.exe"
    driver = webdriver.Chrome(chromepath)

    driver.get(url)

    print('Prepping Webpage...')    
    time.sleep(2)    
    driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")

    y = 0
    BreakClause = ExceptCheck = False    
    while y < 1000 and BreakClause == False:
        y += 1
        time.sleep(0.5)
        try:
            driver.find_element_by_xpath("""//*[@id="showmoreresult"]""").click()
            ExceptCheck = False
            print('Load Count', y, '...')
        except: 
            if ExceptCheck: BreakClause = True
            else: ExceptCheck = True
            print('Load Count', y, '...Lag...')
            time.sleep(2)
            continue

    print('Grabbing Elements...')
    posts = driver.find_elements_by_class_name("hotProductDetails")
    cats = driver.find_elements_by_class_name("superCatLink")

    print('Generating lists...')
    catlist = []
    postlist = []    
    for cat in cats: catlist.append(cat.text)
    print('Categories Complete...')
    for post in posts: postlist.append(post.text)
    print('Products Complete...')    
    return postlist, catlist

prods, cats = CeXScrape()

print('Extracting Lists...')

cat = []
subcat = []
prodname = []
sellprice = []
buycash = []
buyvoucher = []

for c in cats: 
    cat.append(c.split('/')[0])
    subcat.append(c.split('/')[1])

for p in prods:
    prodname.append(p.split('\n')[0])
    sellprice.append(p.split('\n')[2])
    if 'WeBuy' in p:
        buycash.append(p.split('\n')[4])
        buyvoucher.append(p.split('\n')[6])
    else:
        buycash.append('NaN')
        buyvoucher.append('NaN')    

print('Generating Dataframe...')

df = pd.DataFrame(
        {'Category' : cat,
         'Sub Category' : subcat,
         'Product Name' : prodname,
         'Sell Price' : sellprice,
         'Cash Buy Price' : buycash,
         'Voucher Buy Price' : buyvoucher})

print('Writing to csv...')

df.to_csv('Data.csv', sep=',', encoding='utf-8')

print('Completed!')

Answer 1

使用 XPATH 并限制您获得的产品。如果您每次获得 50 个产品，请使用如下所示的内容

"(//div[@class='hotProductDetails'])[position() > {} and position() <= {}])".format ((page -1 ) * 50, page * 50)

这将为您每次提供50 产品，并且您增加页面# 以获得下一批。一口气做完这件事无论如何都会崩溃