selenium grid 使用

selenium除了可用于web的单元测试以外，用来作数据抓取也是一个很好的工具，对于数据由复杂的AJAX调用加载的网页，直接调用浏览器渲染是开发效率最高的方式。python调用它的文档也很详细。

单机版的selenium安装简单，python调用也很简单：

from selenium import webdriver

browser= webdriver.Firefox()

browser.get('https://www.google.com.sg/')
print browser.find_element_by_id('lga')

browser.close()
browser.quit()

便可实现打开google，获取element的功能。

selenium grid是一个更高级的服务。能够将多个单机链接成网络，并发的提供浏览器渲染的功能。浏览本页文档便可完成配置。简单来讲就是以下三步：

1. 下载jar包 （Selenium Standalone Server）
2. 启动hub： java -jar selenium-server-standalone-2.44.0.jar -role hub
3. 启动node： java -jar selenium-server-standalone-2.44.0.jar -role node  -hub http://localhost:4444/grid/register

调用方法就是WebDriver的的类型初始化参数有变：

from selenium.webdriver.remote.webdriver import WebDriver
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities


browser = WebDriver(command_executor='http://127.0.0.1:4444/wd/hub',
                    desired_capabilities=DesiredCapabilities.FIREFOX)


browser.get('https://www.google.com.sg/')
print browser.find_element_by_id('lga')


browser.close()
browser.quit()

另外，能够经过自定义sevelet来在外层包装出日志、代理等功能，详情可见文档。