Obtenga la fuente HTML de WebElement en Selenium WebDriver usando Python

Estoy usando los enlaces de Python para ejecutar Selenium WebDriver:

from selenium import webdriver
wd = webdriver.Firefox()

Sé que puedo tomar un webelement así:

elem = wd.find_element_by_css_selector('#my-id')

Y sé que puedo obtener la fuente de la página completa con ...

wd.page_source

Pero, ¿hay alguna forma de obtener la "fuente del elemento"?

elem.source   # <-- returns the HTML as a string

Los documentos de selenium webdriver para Python son básicamente inexistentes y no veo nada en el código que parezca habilitar esa funcionalidad.

¿Alguna idea sobre la mejor manera de acceder al HTML de un elemento (y sus elementos secundarios)?

Puede leer el innerHTMLatributo para obtener la fuente del contenido del elemento o outerHTMLpara la fuente con el elemento actual.

Pitón:

element.get_attribute('innerHTML')

Java:

elem.getAttribute("innerHTML");

C#:

element.GetAttribute("innerHTML");

Rubí:

element.attribute("innerHTML")

JS:

element.getAttribute('innerHTML');

PHP:

$element->getAttribute('innerHTML');

Probado y funciona con el ChromeDriver.

Realmente no hay una forma directa de obtener el código fuente html de a webelement. Tendrás que usar JS. No estoy muy seguro acerca de los enlaces de Python, pero puede hacerlo fácilmente en Java. Estoy seguro de que debe haber algo similar a la JavascriptExecutorclase en Python.

 WebElement element = driver.findElement(By.id("foo"));
 String contents = (String)((JavascriptExecutor)driver).executeScript("return arguments[0].innerHTML;", element); 

Claro que podemos obtener todo el código fuente HTML con este script a continuación en Selenium Python:

elem = driver.find_element_by_xpath("//*")
source_code = elem.get_attribute("outerHTML")

Si desea guardarlo en un archivo:

with open('c:/html_source_code.html', 'w') as f:
    f.write(source_code.encode('utf-8'))

Sugiero guardar en un archivo porque el código fuente es muy, muy largo.

En Ruby, usando selenium-webdriver (2.32.1), hay un page_sourcemétodo que contiene toda la fuente de la página.

Usar el método de atributo es, de hecho, más fácil y más directo.

Usando Ruby con las gemas Selenium y PageObject, para obtener la clase asociada con un determinado elemento, la línea sería element.attribute(Class).

El mismo concepto se aplica si desea obtener otros atributos vinculados al elemento. Por ejemplo, si quería la cadena de un elemento, element.attribute(String).

Parece anticuado, pero que esté aquí de todos modos. La forma correcta de hacerlo en su caso:

elem = wd.find_element_by_css_selector('#my-id')
html = wd.execute_script("return arguments[0].innerHTML;", elem)

o

html = elem.get_attribute('innerHTML')

Ambos están trabajando para mí (selenium-server-standalone-2.35.0)

Java con Selenium 2.53.0

driver.getPageSource();

Espero que esto pueda ayudar: http://selenium.googlecode.com/svn/trunk/docs/api/java/org/openqa/selenium/WebElement.html

Aquí se describe el método Java:

java.lang.String    getText() 

Pero desafortunadamente no está disponible en Python. Por lo tanto, puede traducir los nombres de los métodos a Python desde Java y probar otra lógica utilizando los métodos actuales sin obtener toda la fuente de la página ...

P.ej

 my_id = elem[0].get_attribute('my-id')

Esto funciona a la perfección para mí.

element.get_attribute('innerHTML')

InnerHTML devolverá el elemento dentro del elemento seleccionado y externalHTML volverá dentro del HTML junto con el elemento que haya seleccionado

Ejemplo: - Ahora suponga que su Elemento es el siguiente

<tr id="myRow"><td>A</td><td>B</td></tr>

Salida del elemento innerHTML

<td>A</td><td>B</td>

Salida del elemento externalHTML

<tr id="myRow"><td>A</td><td>B</td></tr>

Ejemplo en vivo: -

http://www.java2s.com/Tutorials/JavascriptDemo/f/find_out_the_difference_between_innerhtml_and_outerhtml_in_javascript_example.htm

A continuación encontrará la sintaxis que requiere según un enlace diferente. Cambiar el innerHTMLaouterHTML según lo requerido.

Pitón:

element.get_attribute('innerHTML')

Java:

elem.getAttribute("innerHTML");

Si desea HTML de página completa use el siguiente código: -

driver.getPageSource();

WebElement element = driver.findElement(By.id("foo"));
String contents = (String)((JavascriptExecutor)driver).executeScript("return      arguments[0].innerHTML;", element); 

¡Este código también funciona para obtener JavaScript de la fuente!

Y en la prueba de selenio de PHPUnit es así:

$text = $this->byCssSelector('.some-class-nmae')->attribute('innerHTML');

Si está interesado en una solución para el control remoto en Python, aquí le mostramos cómo obtener innerHTML:

innerHTML = sel.get_eval("window.document.getElementById('prodid').innerHTML")

El método para obtener el HTML renderizado que prefiero es el siguiente:

driver.get("http://www.google.com")
body_html = driver.find_element_by_xpath("/html/body")
print body_html.text

Sin embargo, el método anterior elimina todas las etiquetas (sí, también las etiquetas anidadas) y devuelve solo contenido de texto. Si también está interesado en obtener el marcado HTML, utilice el siguiente método.

print body_html.getAttribute("innerHTML")