python selenium根据子元素查找父元素

如题，其实本质的需求是找到A元素之后，根据A元素找到它对应的B元素，即，找到A，同时找到B；而不是根据A找B，即只找到B；这样讲很绕，很拗涩是不是？所以，很多兄弟想真正解决这个问题的时候google或百度进去，看了半天才发现文不对题，浪费了时间。

为了更进一步解释清楚，请看个栗子🌰：

拿我自己的csdn专栏 PHP篇 ，作为Mark党，看到这么多好棒的文章（这样夸自己是不是很无耻捏？😛，其实我自己都脸红了捏🤗）怎么办，怎么办，怎么办？当然是马上M起来啊，可是一个一个复制粘贴，很不像猿的style，怎么办？跑程序喽！！

Markdown的链接格式是酱紫滴：［标题］（url）;最简单的想法就是Python＋selenium，然后获取页面元素，拼成这个格式。

• 先看文档结构图：

思路一： 获取<ul class="column_article_list">下的所有li里的a链接，然后获取<ul class="column_article_list">下的所有li里的h2标题，再把两个list对应拼接成结果；思路没有问题，但操作比较麻烦，而且这个类如果用到其他页面的时候，如果这个li里有多个超链接，这个方法就不好使了。

思路二： 获取<ul class="column_article_list">下的所有li里的h2标题，再通过h2获取父级的父级即a链接，通用，方便，简单，但问题就是如何获取？直接上代码：

locator = (By.XPATH, '//h2[@class="title"]')
titles = self.timeout.until(EC.presence_of_all_elements_located(locator))
for t in titles:
　　　　# 通过标题获取对应的文章的超链接
       link = t.find_element(By.XPATH, './/..//..')
       # 组合成markdown格式超链
       fmt = "[%s](%s)" % (t.text, link.get_attribute('href'))
       print(fmt)

　　

解释一下，有学员问到为什么使用parent不能获取父级元素？
在selenium中，通过webdriver　api获取得元素，是webelement.@@xxWebElement(其中的@@xx是根据浏览器驱动来的)；而WebElement的parent，返回的是WebDriver也就是回到了driver上去，因此，这样走，不是不行，而是绕远了，而且，也不会和当前的对像对应相关了，所反而不如上面的思路二直接一些。

下面是送福利时间，直接上完整csdn专辑页面转M代码：

#!/usr/bin/env python
# -*- coding:utf8 -*-

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

class CSDNMarkdown(object):
    driver = None
    timeout = None
    album_url = ""
    waiter = None

    def __init__(self, album):
        '''
        初始化
        '''

        # 请求url
        self.album_url = album

        # 初始化webdriver
        self.driver = webdriver.Firefox()
        # 打开页面
        self.driver.get(self.album_url)
        # 设置等待上限5秒
        self.timeout = WebDriverWait(self.driver, 5)
        self.waiter = WebDriverWait(self.driver, 2)

    def turn(self):
        # 获取第一页文章标题及超链接，并组合markdown链接
        self.get_title()

        # 先打开第二页
        p = self.driver.current_url
        # 翻页直到最后一页
        while p is not None:
            p = self.next()
            # 获取每一页文章标题及超链接，并组合markdown链接
            self.get_title()

    def next(self):
        try:
            # 判断是否到了末页
            locator = (By.CSS_SELECTOR, '.js-page-next.js-page-action.ui-pager.ui-pager-disabled')
            self.waiter.until(EC.presence_of_element_located(locator))
            return None
        except:
            # 判断是否有分页
            try:
                # 找到下一页按钮
                locator = (By.CSS_SELECTOR, '.js-page-next.js-page-action.ui-pager')
                nextPage = self.timeout.until(EC.presence_of_element_located(locator))
                # 翻页
                nextPage.click()
                return self.driver.current_url
            except:
                return None

    def get_title(self):
        # 获取专栏的每一项的标题
        titles = self.driver.find_elements(By.XPATH, '//h2[@class="title"]')
        for t in titles:
            # 通过标题获取对应的文章的超链接
            link = t.find_element(By.XPATH, './/..//..')
            # 组合成markdown格式超链
            fmt = "[%s](%s)" % (t.text, link.get_attribute('href'))
            print(fmt)

    def __del__(self):
        self.driver.close()


if __name__ == "__main__":
    album_url = 'https://blog.csdn.net/yageeart/article/category/854202'
    app = CSDNMarkdown(album_url)
    app.turn()

　　

最后，如果你也想尝试自动化测试，或者多了解下自动化测试，一起来吧：