Python 可靠地检测页面加载或超时，Selenium 2

我正在使用Selenium 2（2.33版Python绑定，Firefox驱动程序）编写一个通用的web scraper。它应该获取任意URL，加载页面，并报告所有出站链接。因为URL是任意的，我不能对页面的内容做任何假设，所以通常的建议（等待特定元素出现）是不适用的

我有一个应该轮询

文档的代码。readyState

直到它达到“完成”或30秒超时，然后继续：

def readystate_complete(d):
    # AFAICT Selenium offers no better way to wait for the document to be loaded,
    # if one is in ignorance of its contents.
    return d.execute_script("return document.readyState") == "complete"

def load_page(driver, url):
    try:
        driver.get(url)
        WebDriverWait(driver, 30).until(readystate_complete)
    except WebDriverException:
        pass

    links = []
    try:
        for elt in driver.find_elements_by_xpath("//a[@href]"):
            try: links.append(elt.get_attribute("href"))
            except WebDriverException: pass
    except WebDriverException: pass
    return links

这种方法很有效，但是在大约五分之一的页面上，

.until

调用永远挂起。当这种情况发生时，通常浏览器实际上还没有完成加载页面（“throbber”仍在旋转），但几十分钟过去了，超时不会触发。但有时页面看起来已经完全加载，脚本仍然无法继续

有什么好处？如何使超时可靠地工作？是否有更好的方法请求等待页面加载（如果无法对内容做出任何假设）

注意：

WebDriverException

的强制捕获和忽略被证明是必要的，以确保它从页面中提取尽可能多的链接，而不管页面中的JavaScript是否正在用DOM做有趣的事情（例如，我过去常常在提取HREF属性的循环中出现“stale element”错误）

---

注意：这个问题在这个网站和其他地方都有很多不同之处，但它们都有细微但关键的区别，这使得答案（如果有的话）对我来说毫无用处，或者我尝试过这些建议，但它们都不起作用。请准确回答我提出的问题。

如果页面仍在无限期加载，我猜readyState永远不会达到“完成”。如果您使用的是Firefox，可以通过调用

window.stop（）

，强制页面加载停止：

---

我有一个类似的情况，我使用Selenium为一个相当知名的网站服务编写了屏幕截图系统，遇到了同样的困境：我对加载的页面一无所知

在与一些Selenium开发人员交谈之后，答案是不同的WebDriver实现（例如Firefox驱动程序与IEDriver）在网页何时被认为是加载的以及WebDriver何时返回控制时做出了不同的选择

如果您深入研究Selenium代码，您可以找到尝试并做出最佳选择的地方，但由于有许多事情可能会导致正在查找的状态失败，例如多个帧中一个帧没有及时完成，因此在某些情况下，驱动程序显然不会返回

有人告诉我，“这是一个开源项目”，可能不会/无法针对每种可能的情况进行纠正，但我可以在适用的情况下进行修复并提交补丁

从长远来看，这对我来说有点太难了，和你一样，我创建了自己的超时过程。因为我使用Java，所以我创建了一个新线程，当达到超时时，它会尝试做几件事让WebDriver返回，即使有时只需按某些键让浏览器响应也行得通。如果它没有返回，那么我将关闭浏览器并重试

再次启动驱动程序为我们处理了大多数情况，就好像浏览器的第二次加载使其处于更稳定的状态一样（请注意，我们是从虚拟机启动的，浏览器经常希望检查更新，并在最近未启动时运行某些例程）

另一个方面是，我们首先启动一个已知的url，确认浏览器的某些方面，并且在继续之前，我们实际上能够与它进行交互。这些步骤加在一起，故障率相当低，大约3%，在所有浏览器/版本/操作系统（FF、IE、CHROME、Safari、Opera、iOS、Android等）上进行了1000次测试

---

最后但并非最不重要的一点是，对于您的情况，听起来您只需要捕获页面上的链接，而不需要完全实现浏览器自动化。我还可以采用其他方法，比如cURL和linux工具

据我所知，您的

readystate\u complete

没有作为驱动程序执行任何操作。get（）已经在检查该条件。不管怎样，我看到它在很多情况下都不起作用。您可以尝试的一件事是通过代理路由您的流量，并将其用于ping任何网络流量。Ie具有等待交通量停止方法：

def wait_for_traffic_to_stop(self, quiet_period, timeout):
"""
Waits for the network to be quiet
:Args:
- quiet_period - number of seconds the network needs to be quiet for
- timeout - max number of seconds to wait
"""
    r = requests.put('%s/proxy/%s/wait' % (self.host, self.port),
        {'quietPeriodInMs': quiet_period, 'timeoutInMs': timeout})
    return r.status_code

---

以下是（使用方法）提出的解决方案：

“推荐”（尽管仍然丑陋）的解决方案可以是：

天真的尝试是这样的：

def wait_for(condition_function):
    start_time = time.time()
    while time.time() < start_time + 3:
        if condition_function():
            return True
        else:
            time.sleep(0.1)
    raise Exception(
        'Timeout waiting for {}'.format(condition_function.__name__)
    )


def click_through_to_new_page(link_text):
    browser.find_element_by_link_text('my link').click()

    def page_has_loaded():
        page_state = browser.execute_script(
            'return document.readyState;'
        ) 
        return page_state == 'complete'

    wait_for(page_has_loaded)

最后一个示例包括如下比较页面ID（可以是防弹的）：

现在我们可以做：

with wait_for_page_load(browser):
    browser.find_element_by_link_text('my link').click()

---

以上代码示例来自。

如果您使用的是

WebDriverWait

，那么您使用的是Selenium 2，而不是Selenium RC。@RossPatterson I认为Selenium 2和Selenium RC是相同的东西，而Selenium IDE是老式的QuicKeys样式的东西。谢谢你的更正。你最后做了什么？@KnewB我放弃了。我的代码现在设置一分钟的全局超时，然后执行

driver.get（url）

，后面紧跟

driver.find\u elements\u by_xpath（“//a[@href]”）

。这似乎是在报告链接之前等待页面加载。它仍然会一直挂起，所以我还编写了一个看门狗进程，如果它在五分钟内没有报告任何进展，就会终止并重新启动整个浏览器。它经常触发，令人头痛，但我不值得花时间进一步调试它。我仍然希望有更多线索的人会出现在这里。您可以使用pageLoadTimeOut（）方法。这将花费浏览器等待页面加载的最长时间。

from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait 
from selenium.webdriver.support import expected_conditions

old_value = browser.find_element_by_id('thing-on-old-page').text
browser.find_element_by_link_text('my link').click()
WebDriverWait(browser, 3).until(
    expected_conditions.text_to_be_present_in_element(
        (By.ID, 'thing-on-new-page'),
        'expected new text'
    )
)

def wait_for(condition_function):
    start_time = time.time()
    while time.time() < start_time + 3:
        if condition_function():
            return True
        else:
            time.sleep(0.1)
    raise Exception(
        'Timeout waiting for {}'.format(condition_function.__name__)
    )


def click_through_to_new_page(link_text):
    browser.find_element_by_link_text('my link').click()

    def page_has_loaded():
        page_state = browser.execute_script(
            'return document.readyState;'
        ) 
        return page_state == 'complete'

    wait_for(page_has_loaded)

def click_through_to_new_page(link_text):
    link = browser.find_element_by_link_text('my link')
    link.click()

    def link_has_gone_stale():
        try:
            # poll the link with an arbitrary call
            link.find_elements_by_id('doesnt-matter') 
            return False
        except StaleElementReferenceException:
            return True

    wait_for(link_has_gone_stale)

class wait_for_page_load(object):

    def __init__(self, browser):
        self.browser = browser

    def __enter__(self):
        self.old_page = self.browser.find_element_by_tag_name('html')

    def page_has_loaded(self):
        new_page = self.browser.find_element_by_tag_name('html')
        return new_page.id != self.old_page.id

    def __exit__(self, *_):
        wait_for(self.page_has_loaded)

with wait_for_page_load(browser):
    browser.find_element_by_link_text('my link').click()