Поиск жилья , информация о продукции, вакансиях, встречаться , сравнение продукции компании с конкурентами, исследование отзывов в сети.
В Интернете опубликовано много полезной информации, а умение извлекать данные поможет в жизни и работе.
Давайте научимся получать информацию с помощью API вебдрайвера.
В этой публикации я приведу два примера, код которых доступен на github. В конце статьи есть скринкаст о том, как программа управляет браузером.
Программа или скрипт использует веб-драйвер для управления вашим браузером – вводите текст, переходите по ссылкам, нажимайте на элемент, извлекайте данные со страницы и ее элементов, делайте снимки экрана сайта и т. д. Для работы вебдрайвера нужны два компонента: браузер/сервер протокола и клиентская часть в виде библиотеки для вашего языка программирования.
Вы можете использовать API веб-драйвера из разных языков программирования и виртуальных машин: официальные клиенты webdriver доступен для C#, Ruby, Python, Javascript (Node), а также клиенты сообщества для Perl, Perl 6, PHP, Haskell, Objective-C, Javascript, R, Dart, Tcl. На данный момент Webdriver — это стандарт W3C, над которым все еще работают. работа в процессе .
API Webdriver изначально появился в проекте Selenium для целей тестирования в результате развития API Selenium-RC. В качестве сервера используется отдельный процесс, «понимающий» язык протокола.
Этот процесс контролирует ваш браузер.
Доступны следующие драйверы:
- AndroidDriver
- ChromeDriver
- FirefoxDriver
- InternetExplorerДрайвер
- SafariДрайвер
- HtmlUnitDriver — это оболочка для библиотеки эмулятора браузера HtmlUnit, которая запускается в том же Java-процессе, что и клиентская часть.
- PhantomJSDriver — это автономный браузер и драйвер на основе веб-кита, работающий в том же процессе, что и сервер.
Минимум теории для дальнейшей работы.
Последовательность действий в клиенте Итак, наш выбор фантомы .
Это полноценный браузер, управление которым осуществляется по протоколу вебдрайвера.
Вы можете запускать множество его процессов одновременно, графическая подсистема не требуется, javascript полностью выполняется внутри (в отличие от ограничений htmlunit).
Если вы пишете скрипты на javascript и передаете его как параметр при запуске, то phantomJS может выполнять их без протокола веб-драйвера, и даже доступна отладка с использованием другого браузера.
Следующее относится в основном к API java/groovy. В клиентах других языков список функций и параметров должен быть аналогичным.
Получаем сервер с веб-драйвером.
Скачивает phantomjs из репозитория maven, распаковывает и возвращает путь к этому браузеру.String phantomJsPath = PhantomJsDowloader.getPhantomJsPath()
Чтобы использовать его, вам необходимо подключить к проекту библиотеку от maven: com.github.igor-suhorukov:phantomjs-runner:1.1. Вы можете пропустить этот шаг, если вы ранее установили веб-драйвер для вашего браузера в локальную файловую систему.
Создать клиент, подключиться к серверу
WebDriver driver = new PhantomJSDriver(settings)
Настраивает порт для взаимодействия по протоколу webdriver, запускает процесс phantomjs и подключается к нему.
Откройте нужную страницу в браузере
driver.get(url)
Открывает страницу в браузере по указанному адресу.
Мы получаем интересующую нас информацию
WebElement leftmenu = driver.findElement(By.id("leftmenu"))
List<WebElement> linkList = leftmenu.findElements(By.tagName("a"))
Экземпляр драйвера и производный от него элемент имеют два полезных метода: findElement, findElements. Первый возвращает элемент или выдает исключение NoSuchElementException, если элемент не найден.
Второй возвращает коллекцию элементов.
Элементы можно выбрать с помощью следующих запросов org.openqa.selenium.By:
- идентификатор
- имя
- название тэга
- XPath
- имя класса
- cssSelector
- ссылкаТекст
- частичныйLinkText
Выполнять действия с элементами на странице и со страницей
С элементом можно сделать следующее:- MenuItem.click() — отправляет событие щелчка элементу
- inputField.sendKeys("бла-бла") — отправляет события нажатия клавиш элементу.
- formButton.submit() — отправляет данные формы, вызывая событие отправки.
driver.getScreenshotAs(type)
Делает снимок окна браузера.
Рекомендую библиотеку как полезное дополнение к стандартной функции создания снимков.
выстрел - позволяет сделать снимок только определенного элемента в окне и позволяет сравнивать элементы как изображения.
Скриншоты можно получить как:
- OutputType.BASE64 — строка в этом формате, можно, например, встроить изображение во встроенный HTML
- OutputType.BYTES — массив байтов и поиграйтесь с ним как можно лучше.
- OutputType.FILE — временный файл, для многих инструментов наиболее удобный способ
Закрытие соединения с браузером
driver.quit()
Закрывает протокольное соединение и в нашем случае останавливает процесс phantomjs.
Пример 1: Прогулка по профилям в социальных сетях с помощью крутого скрипта
Давайте запустим команду: java -jar groovy-grape-aether-2.4.5.1.jar crawler.groovy http://??.
com/catalog.php
Ссылки на файлы необходимые для запуска: Скрипт в консоли напечатает путь к созданному им html-файлу на основе информации из соцсети.
На странице вы увидите имя пользователя, момент последнего посещения социальной сети и скриншот всей страницы пользователя.
Зачем запускать groovy-скрипт, используя groovy-grape-aether-2.4.5.1 О сборке паза groovy-grape-aether-2.4.5.1.jar недавно рассказал в статье «Уличная магия в скриптах или что связывает Groovy, Ivy и MavenЭ» .
Основное отличие от groovy-all-2.4.5.jar — это возможность механизма Grape более корректно работать с репозиториями по сравнению с плющ кстати, используя библиотеку эфир , а также наличие классов доступа к репозиториям в сборке.
groovy package com.github.igorsuhorukov.phantomjs
@Grab(group='commons-io', module='commons-io', version='2.2')
import org.apache.commons.io.IOUtils
@Grab(group='com.github.detro', module='phantomjsdriver', version='1.2.0')
import org.openqa.selenium.*
import org.openqa.selenium.phantomjs.PhantomJSDriver
import org.openqa.selenium.phantomjs.PhantomJSDriverService
import org.openqa.selenium.remote.DesiredCapabilities
@Grab(group='com.github.igor-suhorukov', module='phantomjs-runner', version='1.1')
import com.github.igorsuhorukov.phantomjs.PhantomJsDowloader
public class Crawler {
public static final java.lang.String USER_AGENT = "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2228.0 Safari/537.36"
public static void run(String baseUrl) {
def phantomJsPath = PhantomJsDowloader.getPhantomJsPath()
def DesiredCapabilities settings = new DesiredCapabilities()
settings.setJavascriptEnabled(true)
settings.setCapability("takesScreenshot", true)
settings.setCapability("userAgent", com.github.igorsuhorukov.phantomjs.Crawler.USER_AGENT)
settings.setCapability(PhantomJSDriverService.PHANTOMJS_EXECUTABLE_PATH_PROPERTY, phantomJsPath)
def WebDriver driver = new PhantomJSDriver(settings)
def randomUrl = null
def lastVisited=null
def name=null
boolean pass=true
while (pass){
try {
randomUrl = getUrl(driver, baseUrl)
driver.get(randomUrl)
def titleElement = driver.findElement(By.id("title"))
lastVisited = titleElement.findElement(By.id("profile_time_lv")).
getText() name = titleElement.findElement(By.tagName("a")).
getText() pass=false } catch (NoSuchElementException e) { System.out.println(e.getMessage()+".
Try again.") } } String screenshotAs = driver.getScreenshotAs(OutputType.BASE64) File resultFile = File.createTempFile("phantomjs", ".
html")
OutputStreamWriter streamWriter = new OutputStreamWriter(new FileOutputStream(resultFile), "UTF-8")
IOUtils.write("""<html><head><meta http-equiv="content-type" content="текст/html; кодировка = UTF-8"></head><body>
<p>${name}</p><p>${lastVisited}</p>
<img alt="Встроенное изображение" src="data:image/png;base64,${screenshotAs}"></body>
</html>""", streamWriter)
IOUtils.closeQuietly(streamWriter)
println "html ${resultFile} created"
driver.quit();
}
static String getUrl(WebDriver driver, String baseUrl) {
driver.get(baseUrl)
def elements = driver.findElements(By.xpath("http://div[@id='content']//a"))
def element = elements.get((int) Math.ceil(Math.random() * elements.size()))
String randomUrl = element.getAttribute("href")
randomUrl.contains("catalog") ? getUrl(driver, randomUrl) : randomUrl
}
}
Crawler.run(this.args.getAt(0))
Те, кто хорошо знает грувы, заметят, что Геб более подходящее решение.
Но поскольку он скрывает всю работу с вебдрайвером за своим DSL, для наших образовательных целей Geb не подходит. По эстетическим соображениям я с вами согласен!
Пример 2: Извлечение данных проекта из Java-источника с помощью Java-программы
Пример доступна здесь .
Для запуска вам понадобится Java8, так как используются потоки и try-with-resources. git clone https://github.com/igor-suhorukov/java-webdriver-example.git
mvn clean package -Dexec.args=" http://java-source.net "
В этом примере я использую XPath и Axis для извлечения информации со страницы.
Например, фрагмент класса Проект .
WebElement main = driver.findElement(By.id("main"));
name = main.findElement(By.tagName("h3")).
getText(); description = main.findElement(By.xpath("http://h3/following-sibling::table/tbody/tr/td[1]")).
getText(); link = main.findElement(By.xpath("http://td[text()='HomePage']/following-sibling::*")).
getText(); license = main.findElement(By.xpath("http://td[text()='License']/following-sibling::*")).
getText();
Некоторые данные взяты с сайта.
Файл Projects.xml — результат работы программы <Эxml version="1.0" encoding="UTF-8" standalone="yes"?>
<projects source=" http://java-source.net ">
<category>
<category>Open Source Ajax Frameworks</category>
<project>
<name>DWR</name>
<description>DWR is a Java open source library which allows you to write Ajax web sites. It allows code in a browser to use Java functions running on a web server just as if it was in the browser. DWR works by dynamically generating Javascript based on Java classes. The code does some Ajax magic to make it feel like the execution is happening on the browser, but in reality the server is executing the code and DWR is marshalling the data back and forwards.</description>
<license>Apache Software License</license>
<link> http://getahead.org/dwr </link>
</project>
<project>
<name>Google Web Toolkit</name>
<description>Google Web Toolkit (GWT) is an open source Java software development framework that makes writing AJAX applications like Google Maps and Gmail easy for developers who don't speak browser quirks as a second language. Writing dynamic web applications today is a tedious and error-prone process; you spend 90% of your time working around subtle incompatibilities between web browsers and platforms, and JavaScript's lack of modularity makes sharing, testing, and reusing AJAX components difficult and fragile. GWT lets you avoid many of these headaches while offering your users the same dynamic, standards-compliant experience. You write your front end in the Java programming language, and the GWT compiler converts your Java classes to browser-compliant JavaScript and HTML.</description>
<license>Apache Software License</license>
<link> http://code.google.com/webtoolkit/ </link>
</project>
<project>
<name>Echo2</name>
<description>Echo2 is the next-generation of the Echo Web Framework, a platform for developing web-based applications that approach the capabilities of rich clients. The 2.0 version holds true to the core concepts of Echo while providing dramatic performance, capability, and user-experience enhancements made possible by its new Ajax-based rendering engine.</description>
<license>Mozilla Public License</license>
<link> http://www.nextapp.com/platform/echo2/echo/ </link>
</project>
<project>
<name>ICEfaces</name>
<description>ICEfaces is an integrated Ajax application framework that enables Java EE application developers to easily create and deploy thin-client rich Internet applications (RIA) in pure Java. ICEfaces leverages the entire standards-based Java EE ecosystem of tools and execution environments. Rich enterprise application features are developed in pure Java, and in a pure thin-client model. There are no Applets or proprietary browser plug-ins required. ICEfaces applications are JavaServer Faces (JSF) applications, so Java EE application development skills apply directly and Java developers are isolated from doing any JavaScript related development.</description>
<license>Mozilla Public License</license>
<link> http://www.icefaces.org </link>
</project>
<project>
<name>SweetDEV RIA</name>
<description>SweetDEV RIA is a complete set of world-class Ajax tags in Java/J2EE. It helps you to design Rich GUI in a thin client. SweetDEV RIA provides you Out-Of-The-Box Ajax tags. Continue to develop your application with frameworks like Struts or JSF. SweetDEV RIA tags can be plugged into your JSP pages.</description>
<license>Apache Software License</license>
<link> http://sweetdev-ria.ideotechnologies.com </link>
</project>
<project>
<name>ItsNat, Natural AJAX</name>
<description>ItsNat is an open source (dual licensed GNU Affero General Public License v3/commercial license for closed source projects) Java AJAX Component based Web Framework. It offers a natural approach to the modern Web 2.0 development. ItsNat simulates a Universal W3C Java Browser in the server. The server mimics the behavior of a web browser, containing a W3C DOM Level 2 node tree and receiving W3C DOM Events using AJAX. Every DOM server change is automatically sent to the client and updated the client DOM accordingly. Consequences: pure (X)HTML templates and pure Java W3C DOM for the view logic. No JSP, no custom tags, no XML meta-programming, no expression languages, no black boxed components where the developer has absolute control of the view. ItsNat provides an, optional, event based (AJAX) Component System, inspired in Swing and reusing Swing as far as possible such as data and selection models, where every DOM element or element group can be easily a component.</description>
<license>GNU General Public License (GPL)</license>
<link> http://www.itsnat.org </link>
</project>
<project>
<name>ThinWire</name>
<description>ThinWire is an development framework that allows you to easily build applications for the web that have responsive, expressive and interactive user interfaces without the complexity of the alternatives. While virtually any web application can be built with ThinWire, when it comes to enterprise applications, the framework excels with its highly interactive and rich user interface components.</description>
<license>GNU Library or Lesser General Public License (LGPL)</license>
<link> http://www.thinwire.com/ </link>
</project>
</category>
<category>
<category>Open Source Aspect-Oriented Frameworks</category>
<project>
<name>AspectJ</name>
<description>AspectJ is a seamless aspect-oriented extension to the Java programming language, Java platform compatible and easy to learn and use. AspectJ enables the clean modularization of crosscutting concerns such as: error checking and handling, synchronization, context-sensitive behavior, performance optimizations, monitoring and logging, debugging support, multi-object protocols.</description>
<license>Mozilla Public License</license>
<link> http://eclipse.org/aspectj/ </link>
</project>
<project>
<name>AspectWerkz</name>
<description>AspectWerkz is a dynamic, lightweight and high-performant AOP framework for Java. AspectWerkz offers both power and simplicity and will help you to easily integrate AOP in both new and existing projects. AspectWerkz utilizes runtime bytecode modification to weave your classes at runtime. It hooks in and weaves classes loaded by any class loader except the bootstrap class loader. It has a rich and highly orthogonal join point model. Aspects, advices and introductions are written in plain Java and your target classes can be regular POJOs. You have the possibility to add, remove and re-structure advice as well as swapping the implementation of your introductions at runtime. Your aspects can be defined using either an XML definition file or using runtime attributes.</description>
<license>GNU Library or Lesser General Public License (LGPL)</license>
<link> http://aspectwerkz.codehaus.org/ </link>
</project>
<project>
<name>Nanning</name>
<description>Nanning Aspects is a simple yet scaleable aspect-oriented framework for Java.</description>
<license>BSD License</license>
<link> http://nanning.codehaus.org/ </link>
</project>
<project>
<name>JBossAOP</name>
<description>JBoss-AOP allows you to apply interceptor technology and patterns to plain Java classes and Dynamic Proxies. It includes: * Java Class Interception. Field, constructor, and method interception, public, private, protected, and package protected, static and class members. * Fully compositional pointcuts caller side for methods and constructors, control flow, annotations. * Aspect classes Advices can be incapsulated in scoped Java classes * Hot-Deploy. Interceptors can be deployed, undeployed, and redeployed at runtime for both dynamic proxies and classes.(working) * Introductions. The ability to add any arbitrary interface to a Java class. Either an interceptor or a 'mixin' class can service method calls for the attached interfaces. * Dynamic Proxies. The ability to define a dynamic proxy and an interceptor chain for it. Proxies can either be created from an existing class, or from a set of interfaces ala java.lang.reflect.Proxy. * Metadata and Attribute Programming. The ability to define and attach metadata configuration to your classes or dynamic proxies. Interceptors can be triggered when metadata is added to a class. We also have Metadata Chains, the ability to define defaults at the cluster and application level, as well as the ability to override configuration at runtime for a specific method call. * Dynamic AOP. All aspected objects can be typecasted to an AOP api. You can do things like add/remove new interceptors to a specific instance or add/remove instance configuration/metadata at runtime.</description>
<license>GNU Library or Lesser General Public License (LGPL)</license>
<link> http://www.jboss.org/products/aop </link>
</project>
<project>
<name>dynaop</name>
<description>dynaop, a proxy-based Aspect-Oriented Programming (AOP) framework, enhances Object-Oriented (OO) design in the following areas: code reuse decomposition dependency reduction</description>
<license>Apache Software License</license>
<link> https://dynaop.dev.java.net/ </link>
</project>
<project>
<name>CAESAR</name>
<description>CAESAR is a new aspect-oriented programming language compatible to Java, that is, all Java programs will run with CAESAR.</description>
<license>GNU General Public License (GPL)</license>
<link> http://caesarj.org/ </link>
</project>
<project>
<name>EAOP</name>
<description>Event-based Aspect-Oriented Programming (EAOP) for Java. EAOP 1.0 realizes the EAOP model through the following characteristics: * Expressive crosscuts: execution points can be represented by events and crosscuts can be expressed which denote arbitrary relations between events. * Explicit aspect composition: Aspects may be combined using a (extensible) set of aspect composition operators. * Aspects of aspects: Aspects may be applied to other aspects. * Dynamic aspect management: Aspects may be instantiated, composed and destroyed at runtime.</description>
<license>GNU General Public License (GPL)</license>
<link> http://www.emn.fr/x-info/eaop/tool.html </link>
</project>
<project>
<name>JAC</name>
<description>JAC (Java Aspect Components) is a project consisting in developing an aspect-oriented middleware layer.</description>
<license>GNU Library or Lesser General Public License (LGPL)</license>
<link> http://jac.objectweb.org/ </link>
</project>
<project>
<name>Colt</name>
<description>Open Source Libraries for High Performance Scientific and Technical Computing in Java</description>
<license>The Artistic License</license>
<link> http://hoschek.home.cern.ch/hoschek/colt/ </link>
</project>
<project>
<name>DynamicAspects</name>
<description>DynamicAspects enables you to do aspect-oriented programming in pure Java. Using the \"instrumentation\" and \"agent\" features introduced with Sun JDK 1.5, aspects can be installed and deinstalled during runtime!</description>
<license>BSD License</license>
<link> http://dynamicaspects.sourceforge.net/ </link>
</project>
<project>
<name>PROSE</name>
<description>The PROSE system (PROSE stands for PROgrammable extenSions of sErvices) is a dynamic weaving tool (allows inserting and withdrawing aspects to and from running applications) PROSE aspects are regular JAVA objects that can be sent to and be received from computers on the network. Signatures can be used to guarantee their integrity. Once an aspect has been inserted in a JVM, any occurrence of the events of interest results in the execution of the corresponding aspect advice. If an aspect is withdrawn from the JVM, the aspect code is discarded and the corresponding interception(s) will no longer take place.</description>
<license>Mozilla Public License</license>
<link> http://prose.ethz.ch/Wiki.jspЭpage=AboutProse </link>
</project>
<project>
<name>Azuki Framework</name>
<description>The Azuki Framework is a java application framework, designed to reduce the development, deployment and maintenance costs of software systems. The Azuki Framework provides also an unique combination of powerful design patterns (decorator, injection, intercepter, command, proxy.).
It provides a rapid application assembly from known components in order to build large systems. The software conception is split into two main stages : * Creation of independent components (technical & business service).
* Definition of component dependencies (weaving)</description>
<license>GNU Library or Lesser General Public License (LGPL)</license>
<link> http://www.azuki-framework.org/ </link>
</project>
<project>
<name>CALI</name>
<description>CALI is a framework to prototype and compose Aspect-Oriented Programming Languages on top of Java. It is based on an abstract aspect language that its extensible to implement new AOPL. As proof of approach and methodology, the following language have been implemented: -AspectJ (Dynamic part of AspectJ, where intertype declartion can be implemented using regular AspectJ); -EAOPJ : An implementation of Event-Based AOP for Java; -COOL: A DSAL for coordination; -Decorator DSAL. You can use CALI to implement your new AOPL and compose it with existing implementation or using existing implementation to write your applications with aspects form different AOPL.</description>
<license>Other</license>
<link> http://www.emn.fr/x-info/cali/ </link>
</project>
</category>
</projects>
Вот как тот же пример работает с драйвером ChromeDriver (org.seleniumhq.selenium:selenium-chrome-driver:2.48.2).
В отличие от PhantomJS, в этом случае вы можете видеть, что происходит при запуске программы: переход по ссылкам, отрисовка страницы.
Заключение
API Webdriver можно использовать на разных языках программирования.Написать скрипт или программу для управления браузером и извлечения информации со страниц достаточно просто: данные со страницы удобно получать с помощью тега Id, CSS-селектора или выражения XPath. Есть возможность фотографировать страницу и отдельные элементы на ней.
На основе примеров и документации можно разработать скрипты практически любой сложности для работы с сайтом.
Для разработки и отладки лучше использовать обычный браузер и веб-драйвер для него.
PhantomJS лучше подходит для полностью автоматической работы.
Удачи в извлечении открытой и полезной информации из Интернета! Теги: #webdriver #java #webcrawler #phantomjs #Groovy #grape #разработка веб-сайтов #с открытым исходным кодом #java #Groovy & Grails #тестирование веб-сервисов
-
Психология Восприятия Формы В Логотипах
19 Oct, 24 -
Ген Выживания
19 Oct, 24 -
Помогите С Альфа-Тестом!
19 Oct, 24
