Написание ботов для сайтов с AJAX, с помощью Selenium или PhantomJS. Как отслеживать изменения, вносимые в DOM уже JSом (либо сами AJAX-запросы)?
Начну с начала.
Свое изучение столь перспективного направления, как разработка ботов (автоматических клиентов) для всяких-разных сайтов/сервисов, я в свое время, как и любая школота, начал с браузерных движков (WebBrowser - Internet Explorer и Awesomium).
Первыми камнями преткновения стали:
1) столь популярный ныне AJAX, который на многих сайтах динамически подгружал некий контент, и это нельзя было толком отследить, а значит, и получить этот контент
2) загрузка файлов в поля input type=file (через JS невозможно загрузить файл в такое поле, разве что методом тупого автокликинга, ну а каких-то особых средств для этого, движки не предоставляли (хотя теоретически вполне могли бы, мать их!))
Тогда я открыл для себя HTTP-сниффер (Fiddler - мой любимый), а затем и HTTP-запросы (надо сказать, запросы я открыл чуть ранее - работая с официальными API, вроде как у VK, но то знакомство было очень поверхностным, да и это уже совсем оффтоп, ибо мы говорим о тех сайтах, у которых подходящего API вообще нет).
Низкоуровневость этого подхода обеспечивает основные его плюсы (быстродействие, и универсальность - прокатывает для 99,99% всех сайтов), но она же и создает недостатки: трудоемкость и нестабильность-нестойкость к любым мерам по борьбе с ботами от админов.
Очень тяжело имитировать все заголовки, какие отправляет браузер (а иначе серверу очень легко бот отличить от браузера).
Порой сложно разобраться, какие точно отсниффенные запросы надо отправлять, а какие нет.
Также сложно иногда разобраться, как JS генерирует иные значения (и наладить алгоритм у себя).
И т.д.
В целом это приемлемо для многих случаев, поэтому отказываться от этого подхода я не собираюсь. Но каждой задаче - свой инструмент.
А есть задачи, где стабильность и быстрота написания - важнее быстродействия.
Возвращаться к простым браузерным движкам желания нет, потому к Selenium и PhantomJS сперва относился скептически.
Но очень подкупило то, что PhantomJS, оказывается, содержит те самые "особые средства" для загрузки файлов в input type=file, которые простые не-специальные движки (мать их!) не предоставляют!
И вот вопросы:
1) Загрузка файлов - ОК. А можно ли с помощью PhantomJS также и отслеживать, перехватывать изменения в DOM-модели, которые вносит JS с AJAX-запросов?
Вроде там есть возможность перехватывать те запросы (пример кода в треде таки не помешает)))
А если надо отловить именно изменения в DOM? Mutation Events там работают? А может и для этого есть "особые средства"?
2) А как там дела у Selenium в плане загрузки файлов, отслеживания HTTP-запросов, изменений в DOM?
1) А зачем для такого выкосоуровнего инструмента отслеживать такую низкоуровневость как изменение DOM? Максимум что нужно это XPath для вытаскивания данных и wait() для ожидания появления данных вычисляемых через JS или подтягиваемых через AJAX.
2) На сколько я помню ни каких. Банально даже статуст HTTP ответа получить нельзя.
Нужно просто понимать, что Selenium и webdriver в частности писались для тестирования, а не написания ботов. То, что он используется и для ботов, просто побочный эффект. Поэтому что-то как ни крути придется допиливать руками. В контексте PhantomJS к примеру дописать для него JS скрипты (как вариант, стоит ознакомиться к CasperJS в котором какой-то набор JS уже написан) которые дополнят недостающий функционал.
> А зачем для такого выкосоуровнего инструмента отслеживать такую низкоуровневость как изменение DOM?
Причем здесь уровень?
Вот не понимаю, чем вообще мыслят те, кто додумался за-deprecate-ить Mutation Events и считает подобные фичи - лишними или вредными.
> wait() для ожидания появления данных вычисляемых через JS или подтягиваемых через AJAX.
Какой именно wait()?
> Нужно просто понимать, что Selenium и webdriver в частности писались для тестирования, а не написания ботов
Направления-то сильно схожие.
Написание ботов - это автоматизация всего, что делает юзер в браузере.
И при тестировании тоже желательно иметь возможность автоматизировать ВСЁ. Всё, Карл!
Средний