一、前言
有不少粉絲，甚至一些行業中有一定經驗的朋友都說selenium性能差、很慢，打開一個網頁要等半天才開始執行，初學的粉絲提出這個問題我能夠理解，行業作業經驗數年還這樣說我就有點詫異了，看來很多小伙伴還是沒有閱讀官方檔案的習慣，這里就簡單的講解一下為什么你會覺得selenium慢以及如何解決這個問題：
當我們通過webdriver（比如啟動谷歌瀏覽器：webdriver.Chrome()）啟動瀏覽器時，會啟動一個沒有任何快取、cookie的瀏覽器，這個時候通過driver.get("https://xxx")去訪問頁面自然是慢的，因為它需要加載該頁面的資源，如果它的圖片、樣式、js檔案過大時，這個時候就會變得更慢，
跟我們平時直接將瀏覽器清除快取再訪問是一個道理，這并不是Selnium本身性能存在缺陷，
但這時小伙伴們肯定會有疑惑，就算清了瀏覽器快取重新訪問，也沒有通過Selnium來跑的那么慢呀！想要點擊的按鈕都出現半天了，它都還不進行點擊，這不叫慢嗎？
這其實跟Selenium的頁面加載策略有關，
文章目錄
- 一、前言
- 二、Selenium的頁面加載策略詳解
- 三、總結
二、Selenium的頁面加載策略詳解
Selnium的頁面加載策略（pageLoadStrategy）有三種：
- normal：等待整個頁面加載完畢再開始執行操作
- eager：等待整個dom樹加載完成，即
DOMContentLoaded這個事件完成，也就是只要 HTML 完全加載和決議完畢就開始執行操作，放棄等待圖片、樣式、子幀的加載， - none：等待html下載完成，哪怕還沒開始決議就開始執行操作，
默認情況下，當 Selenium WebDriver 加載頁面時，它遵循的是normal加載策略，所以就會導致頁面加載過慢，特別是在圖片、樣式等檔案過大時，慢的就尤其明顯了，
所以我們可以根據實際情況調整Selenium的頁面加載策略來縮短等待時間，提高執行速度，
下圖是默認情況（未手動指定加載策略）來訪問愛奇藝首頁，然后點擊電影，共耗時：7s左右
下圖是使用eager加載策略來訪問愛奇藝首頁，然后點擊電影，共耗時：3.6s左右
配置代碼如下：
chrome_options = Options()
chrome_options.page_load_strategy = 'eager'
driver = webdriver.Chrome(options=chrome_options)
可以明顯的看到訪問速度變快了，
以為就這樣了嗎？還可以更快！
加載策略設定為none，并引入retry做重試（目的是為了防止報錯，當然設定隱式等待也可，但沒retry穩妥）可以只用2s左右就能執行完成，完整代碼如下：
import datetime
from retrying import retry # 需第三方庫，需pip進行安裝
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.by import By
@retry(wait_fixed=10, stop_max_attempt_number=1)
def click(path):
driver.find_element(By.XPATH, path).click()
chrome_options = Options()
chrome_options.page_load_strategy = 'none'
driver = webdriver.Chrome(options=chrome_options)
start_time = datetime.datetime.now()
driver.get('https://www.iqiyi.com/')
click('//*[@id="block-C"]/div/div/div/div[1]/div[1]/div/div[1]/div/div/a/span[2]')
end_time = datetime.datetime.now()
print(end_time - start_time)
三、總結
所以selenium并不慢，只是你加載策略沒有選擇對而誤認為它慢，
當我們遇到比較費解或疑惑的問題時，應該第一時間去看看官方檔案，說不定它已經有了解決方案了，
另外，本專欄教程將無限期停止更新，因為最近在寫更有意思、更干貨的專欄《從0構建自動化測驗平臺》 歡迎訂閱支持！
在線演示地址：http://121.43.43.59/ （帳號：admin 密碼：123456）
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/381995.html
標籤：python