使用 selenium 和 PhantomJS 刮表答案

【问题标题】：Scrape Table using selenium and PhantomJS使用 selenium 和 PhantomJS 刮表
【发布时间】：2016-11-09 12:51:16
【问题描述】：

我正在尝试抓取下表：

当我使用 chrome 网络驱动程序时，我的代码正在运行，但是当使用 PhantomJS 驱动程序时，输出似乎没有得到数字，它只得到文本。

我的 Python 代码是这样的：

    from selenium import webdriver

path_to_chromedriver = '/Users/amr_f/Desktop/chromedriver' # change path as needed
browser = webdriver.PhantomJS('/home/ubuntu/phantomjs-2.1.1-linux-x86_64/bin/phantomjs')
url = 'http://www.cibeg.com/English/Pages/default.aspx'
browser.get(url)

browser.find_element_by_xpath('//*[@id="sliderHome"]/div[2]/div/ul/li[3]/a').click()

data = []

for tr in browser.find_elements_by_xpath('//*[@id="divCurrTableContainer"]/table'):
    tds = tr.find_elements_by_tag_name('td')
    if tds: 

        data.append([td.text for td in tds])
print(data)

【问题讨论】：

标签： python selenium web-scraping phantomjs

【解决方案1】：

通过添加 browser.set_window_size(1124, 850) 来设置 PhantomJS 驱动程序的窗口大小，我能够从页面中检索表的数据。

如果我没记错的话，会发生这种情况，因为某些 javascript 库在“加载时”使用窗口的大小。没有窗口大小参数会导致例程无法正确加载页面上的所有元素。

from selenium import webdriver


browser = webdriver.PhantomJS('/home/ubuntu/phantomjs-2.1.1-linux-x86_64/bin/phantomjs')
browser.set_window_size(1124, 850)
url = 'http://www.cibeg.com/English/Pages/default.aspx'
browser.get(url)    
browser.find_element_by_xpath('//*[@id="sliderHome"]/div[2]/div/ul/li[3]/a').click()    
data = []

for tr in browser.find_elements_by_xpath('//*[@id="divCurrTableContainer"]/table'):
    tds = tr.find_elements_by_tag_name('td')
    if tds:     
        data.append([td.text for td in tds])

print(data)

添加窗口大小后，我可以检索到：

[['USD', '16.26', '16.75', 'EUR', '17.6696', '18.3563', 'GBP', '20.0895', '20.8621', 'CHF', '16.4571', '17.0536', 'SAR', '4.3297', '4.4663', 'KWD', '53.5202', '55.3353']]

【讨论】：