使用 Selenium 的网页抓取同义词库

问题描述

我对网络抓取世界还很陌生，但我确实需要在同义词网站上为我正在从事的项目做一些网络抓取。我已经使用beautifulsoup4成功创建了一个程序，该程序要求用户输入一个单词，然后根据同义词返回最可能的同义词。但是，我不仅希望拥有这些同义词，还希望拥有该词的每一种含义的同义词（在同义词库中通过同义词上方的按钮列表进行描述）。我注意到当点击一个按钮时，类的名称也会改变，所以我做了一些挖掘并决定使用 Selenium 而不是 beautifulsoup。 我现在有一个代码可以在搜索栏上写一个词并点击它，但是，我无法获得同义词或所说的按钮，仅仅是因为 find_element 什么也没找到，而且是新手这个，恐怕我使用了错误的语法。

这是我目前的代码（它寻找“good”的同义词）：

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import webdriverwait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.keys import Keys
import time

PATH = "C:\Program Files (x86)\chromedriver_win32\chromedriver.exe"
driver = webdriver.Chrome(PATH)

driver.get("https://thesaurus.com")

search = driver.find_element_by_id("searchbar_input")
search.send_keys('good')
search.send_keys(Keys.RETURN)

try:
    headword = webdriverwait(driver,10).until(
        EC.presence_of_element_located((By.ID,"headword"))
    )
    
    print(headword.text)
    #buttons = headword.find_element_by_class_name("css-bjn8wh e1br8a1p0")
    #print(buttons.text)

    meanings = webdriverwait(driver,"meanings"))
    )
    print(meanings.text)

    #words = meanings.find_elements_by_class_name("css-1kg1yv8 eh475bn0")
    #print(words.text)
    
    

except:
    print('Failed')
    driver.quit()

对于第一部分，我想访问按钮。词条只是包含我想要按下的所有按钮的元素。这是根据检查工具的词条元素：

<div id="headword" class="css-bjn8wh e1br8a1p0">
    <div class="css-vw3jp5 e1ibdjtj4">
         *unecessary stuff*
    <div class="css-bjn8wh e1br8a1p0">
        <div class="postab-container css-cthfds ew5makj3">
            <ul class="css-gap396 ew5makj2">
                <li data-test-pos-tab="true" class="active-postab css-kgfkmr ew5makj4"> 
                    <a class="css-sc11zf ew5makj1">
                        <em class="css-1v93s5a ew5makj0">adj.</em>
                        <strong>pleasant,fine</strong>
                    </a>
                </li>
                <li data-test-pos-tab="true" class=" css-1ha4k0a ew5makj4">
                     *similar stuff*
                <li data-test-pos-tab="true" class=" css-1ha4k0a ew5makj4">
                ...

这些 <li data-test-pos-tab="true" class=" css-1ha4k0a ew5makj4"> 中的每一个都是我想要点击的按钮。到目前为止，我已经尝试了很多东西，比如代码中显示的东西，还有：

buttons = headword.find_elements_by_class_name("css-1ha4k0a ew5makj4")
buttons = headword.find_elements_by_css_selector("css-1ha4k0a ew5makj4")
buttons = headword.find_elements_by_class_name("postab-container css-cthfds ew5makj3")
buttons = headword.find_elements_by_css_selector("postab-container css-cthfds ew5makj3")

但无论如何，Selenium 都能找到这些元素。

对于第二部分，我想要同义词。这是意义元素：

<div id="meanings" class="css-16lv1yi e1qo4u831">
    <div class="css-1f3egm3 efhksxz0">
        *unecessary stuff*
    <div data-testid="word-grid-container" class="css-ixatld e1cc71bi0">
        <ul class="css-1ngwve3 e1ccqdb60">
            <li>
                <a font-weight="inherit" href="/browse/acceptable" data-linkid="nn1ov4" class="css-1kg1yv8 eh475bn0">
                </a>
            </li>
            <li>
                <a font-weight="inherit" href="/browse/bad" data-linkid="nn1ov4" class="css-1kg1yv8 eh475bn0">
            ...

其中每个元素都是我想得到的同义词。与前一个案例类似，我尝试了几种方法，例如：

synGrid = meanings.find_element_by_class_name("css-ixatld e1cc71bi0")
synGrid = meanings.find_element_by_css_selector("css-ixatld e1cc71bi0")
words = meanings.find_elements_by_class_name("css-1kg1yv8 eh475bn0")
words = meanings.find_elements_by_css_selector("css-1kg1yv8 eh475bn0")

Selenium 再次找不到这些元素... 为了实现这一目标，我真的很感激一些帮助，即使这只是朝着正确的方向推进而不是提供完整的解决方案。 希望我写了所有需要的信息，如果没有，请告诉我。

解决方法

看看这是否有效：

meanings = driver.find_elements_by_xpath(".//div[@id='meanings']/div[@data-testid='word-grid-container']/ul/li")
for e in meanings:
    e.find_element_by_tag_name("a").click()
    //Add a implicit wait if you need
    driver.back()

,

如果您使用 css selector，那么您必须将 dot 用于 class

css_selector(".css-ixatld.e1cc71bi0") 

和 hash 用于 id

css_selector("#headword") 

就像您在文件中使用的一样 .css

在 css selector 中，您还可以使用 CSS 中可用的其他方法。
请参阅 w3schools.com

上的 css selectors

---

Selenium 将 class_name 转换为 css selector，但 class_name() 需要单个名称，当有两个或多个名称时，Selenium 会出现问题。当它将 class_name 转换为 css_selector 时，它仅在名字之前添加 dot，但在第二名和其他名称之前也需要 dot。所以你必须手动添加第二个 dot

class_name("css-ixatld.e1cc71bi0")