我使用Python绑定来运行Selenium WebDriver:
from selenium import webdriver
wd = webdriver.Firefox()
我知道我可以像这样抓取一个webelement:
elem = wd.find_element_by_css_selector('#my-id')
我知道我可以得到整页的源代码…
wd.page_source
但是是否有一种获取“元素源”的方法?
elem.source # <-- returns the HTML as a string
Python的Selenium WebDriver文档基本上不存在，我在代码中没有看到任何支持该功能的东西。
访问一个元素(及其子元素)的HTML的最佳方法是什么?
当前回答
您可以读取innerHTML属性以获取元素内容的源，也可以读取outerHTML以获取带有当前元素的源。
Python:
element.get_attribute('innerHTML')
Java:
elem.getAttribute("innerHTML");
C#:
element.GetAttribute("innerHTML");
Ruby:
element.attribute("innerHTML")
JavaScript:
element.getAttribute('innerHTML');
PHP:
$element->getAttribute('innerHTML');
它在ChromeDriver上进行了测试和使用。
其他回答
实际上没有一种直接的方法来获取web元素的HTML源代码。你必须使用JavaScript。我不太确定python绑定，但在Java中可以很容易地这样做。我相信在Python中一定有类似JavascriptExecutor类的东西。
WebElement element = driver.findElement(By.id("foo"));
String contents = (String)((JavascriptExecutor)driver).executeScript("return arguments[0].innerHTML;", element);
获得我喜欢的渲染HTML的方法如下:
driver.get("http://www.google.com")
body_html = driver.find_element_by_xpath("/html/body")
print body_html.text
但是，上面的方法删除了所有的标记(是的，嵌套标记也是如此)，只返回文本内容。如果您对获取HTML标记也感兴趣，那么可以使用下面的方法。
print body_html.getAttribute("innerHTML")
我希望这能有所帮助: http://selenium.googlecode.com/svn/trunk/docs/api/java/org/openqa/selenium/WebElement.html
下面介绍Java方法:
java.lang.String getText()
但不幸的是，它在Python中不可用。因此，您可以将方法名称从Java转换为Python，并尝试使用现有方法的另一种逻辑，而无需获得整个页面的源代码……
E.g.
my_id = elem[0].get_attribute('my-id')
您可以读取innerHTML属性以获取元素内容的源，也可以读取outerHTML以获取带有当前元素的源。
Python:
element.get_attribute('innerHTML')
Java:
elem.getAttribute("innerHTML");
C#:
element.GetAttribute("innerHTML");
Ruby:
element.attribute("innerHTML")
JavaScript:
element.getAttribute('innerHTML');
PHP:
$element->getAttribute('innerHTML');
它在ChromeDriver上进行了测试和使用。
当然，我们可以用下面的脚本在Selenium Python中获得所有的HTML源代码:
elem = driver.find_element_by_xpath("//*")
source_code = elem.get_attribute("outerHTML")
如果你想保存到文件:
with open('c:/html_source_code.html', 'w') as f:
f.write(source_code.encode('utf-8'))
我建议保存到一个文件，因为源代码非常非常长。
