解析导航栏的url--selnium，beautifulsoup实战

前段时间做ui自动化测试的时候，导航栏菜单始终有点问题，最后只好直接获取到url，然后直接使用driver.get(url)进入页面；

包括做压测的时候，比如我要找出所有报表菜单的url，这样不可能手动去一个一个找出来，然后复制，这样浪费时间，并且也容易漏掉，所以我就写了个脚本来干这事；

首先说下思路：登录-->获取所有的a标签-->筛选掉不用的标签-->打印或者保存到文件中

其中我获取页面所有的标签使用了两种方法，webdriver和beautifulsoup4，两种的区别：1、beautifulsoup4来解析的时候，比较稳定，并且速度快，2、webdriver可能简单一点吧，我推荐是用beautifulsoup4；之所以是用webdriver登录，是因为用webdriver登录简单，不像requests来请求的话，第一次还要分析url，参数之类的，用webdriver的话，只需要定位几个元素就ok了，何乐而不为呢。。。

下面我将两种方式的运行时间、最终的解析结果：

下面的是第一种方式：使用beautifulsoup4来解析：

 #coding=utf-8

 """
 是为了获取XXX系统菜单的url
 使用的是selenium登录，获取网页的内容，然后用beautifulsoup来解析
 """
 import unittest
 import time
 from selenium import webdriver
 from bs4 import BeautifulSoup

 # 登录url
 url = 'http://XXXX.XXXX.com/' # 系统的url
 username = 'XXXX'
 password = 'XXXXX'

 class GetUrl(unittest.TestCase):
     def setUp(self):
         self.dr = webdriver.Chrome()
         self.dr.get(url)

     def tearDown(self):
         self.dr.quit()

     def _login(self):
         self.dr.find_element_by_id('username').send_keys(username) # 输入用户名
         self.dr.find_element_by_id('password').send_keys(password) # 输入密码
         # self.dr.find_element_by_id('verifycode').send_keys('XXXXX') 这里原来是需要验证码的，后来取消掉了
         self.dr.find_element_by_id('weblogin').click() # 点击登录按钮
         time.sleep(3)

     def _gethtmlcontent(self):
         """获取当前页面的html的所有内容"""
         content = self.dr.page_source # 将该页面的内容 返回给content保存起来方便后面解析
         return content

     def _geturl(self,pagesource):
         """
         找出所有的a标签，然后筛选掉非导航连接的a标签。返回的是一个dict
         """
         result = dict()
         soup = BeautifulSoup(pagesource, "lxml")
         eles = soup.find_all("a")
         flag = 0
         for ele in eles:
             if '#' in ele['href']:
                 continue
             tmp = ele.string
             if tmp is not None and '@' not in tmp:
                 flag += 1
                 ele_url = ele['href'].split('?')[0]
                 # print('{0} ==> {1}'.format(tmp,ele_url))
                 result[tmp] = ele_url

         # print('Find out {0} datas.'.format(len(result)))
         return result

     def _writetotxt(self,contents):
         """
         将结果写入文件中
         """
         print('写入开始')
         with open('urlcontent.txt','w') as f:
            for title,value in contents.items():
                 f.write('{0} ==> {1}\n'.format(title,value))
         print('写入完毕')

     def test_run(self):
         self._login()
         pagesources = self._gethtmlcontent()
         result = self._geturl(pagesources)
         self._writetotxt(result)

 if __name__ == '__main__':
     unittest.main()

第二种全都是使用webdriver来解析的：

 #coding=utf-8

 """
 是为了获取XXX系统菜单的url
 使用的是selenium登录，查找元素，获取元素的属性
 """
 from selenium import webdriver
 import unittest
 import time

 # 登录url
 url = 'http://XXX.XXX.com/'
 username = 'XXX'
 password = 'XXX'

 class GetUrl(unittest.TestCase):
     def setUp(self):
         self.dr = webdriver.Chrome()
         self.dr.get(url)

     def tearDown(self):
         self.dr.quit()

     def _login(self):
         # time.sleep(2)
         self.dr.find_element_by_id('username').send_keys(username)
         self.dr.find_element_by_id('password').send_keys(password)
         # self.dr.find_element_by_id('verifycode').send_keys('XXXXX')
         self.dr.find_element_by_id('weblogin').click()
         time.sleep(3)

     def _geturl(self):
　　　　　　# 这里返回的是一个list，然后里面是一个个字典
         result = list()
         eles = self.dr.find_elements_by_css_selector('menu.u-menu a')
         for ele in eles:
             tmp = dict()
             href = ele.get_attribute('href').split('?')[0]
             # 获取菜单 的名称
             name = ele.get_attribute('innerHTML')
             if "<i>" not in name:
                 tmp['name'] = name.strip()
                 tmp['href'] = href
                 result.append(tmp)
                 # print('name: {0},href: {1}'.format(name,href))
         return result

     def _writetotxt(self,contents):
         print("一共{0}条数据".format(len(contents)))
         print('写入开始')
         with open('urlcontent.txt','w') as f:
             for content in contents:
                 f.write('{0} ==> {1}\n'.format(content['name'],content['href']))
         print('写入完毕')

     def test_run(self):
         self._login()
         self._writetotxt(self._geturl())

 if __name__ == '__main__':
     unittest.main()

好了，就到这里吧。。。