selenium爬虫翻页、刷新+循环的深坑

最近在用selenium开发爬虫，爬取网站就是51job，在爬虫时，总会在翻页后就遇到这类错误：

StaleElementReferenceException: Message: stale element reference: element is not attached to the page document

总之，就是这个StaleElementReferenceException，差点给我搞崩溃了。因为这个错误其实并不难理解，Stale就是“过期的、失效的、坏掉的”意思，而这个错误也说的很明确，当前你使用的这个selenium element，并未attach到网页上，是个错误的element

下面，我就讲讲我的分析，说说这个错误为什么会出现、可能会在什么情况下出现、以及该怎么解决，或者更准确地说，应该是怎么规避它

1. 发现问题

我的爬虫代码已经过于复杂，在这里用伪代码+注释的方式简介一下：

具体情况就是，我在逐页爬取各个职位链接（为了直观，把链接甩这儿，其实没啥特别意义）。由于职位链接有多页，所以我每爬完一页后要翻页。翻页后，再次对每个职位链接click时，出现上面所述的StaleElementReferenceException错误

while True:
    job_elements_list = driver.find_elements(...)  # 找到当前页面上所有的岗位链接
    for job_ele in job_elements_list :   # 挨个链接点进去、获取页面信息
        job_ele.click()  # when you in 2nd **while** loop -> Boom!!!!!!!!!!!!
        do_somt_analyze()
    # 当前页都爬完，翻页
    fanye_button = driver.find_element(By.CSS_SELECTOR, fanye_button_css)  # 找到翻页按钮
    fanye_button.click()  # 点它！

    if is_last_page:  # 当走到最后一页，没法再翻页的时候，结束这罪恶的循环
        break
    

2. 定位与分析问题

经过我几次三番的尝试后，我基本可以把问题定位在“翻页”上。当然了，页面刷新、后退、前进等操作，只要是你在当前页面重新加载了，就都可以出现这个问题。

既然StaleElementReferenceException这个问题出自element的过期和失效，自然容易想到，我可能在第二页的页面上，仍然在使用第一页相同位置的元素进行click。这的确可能会导致问题，这也是不少其他博客提到的错误。但经排查，我这个问题还没这个简单。因为按理说如果真的是在爬取第二页时还在用上一页的element，那意味着我再打开第二页时，element没有重新获取，那就再获取一遍就完了呗？事实证明，我也并没有犯这个错误，因为如上代码，我每翻一页，元素都会再次获取。

看到我上面标红的字了吗？“再次获取”，是否意味着获取到的元素，就是新的（第二页的）？

问题就是出在这里！！！！！

当我还在纠结，为何我单步调试似乎就没问题、一跑起来就出这个bug 的时候，我突然意识到，由于翻页操作并没有打开新的标签页，而代码的运行速度要比网页加载速度快上好多，这就导致了，我做了翻页、正在打开第二页后，while-loop内我再次获取新的职位链接element时，可能获取的还是第一页的网页中的对应element。所以我哪怕每次都重新获取页面element，但你没能保证你这个页面是新页面，所以自然也无法保证你这个element是前一页的stale element，还是下一页的新element。而我单步调试时，手速较慢，翻页后给了网页足够的加载时间，此时第二页加载好了，所以我获取的就都是第二页上的新element，自然也就没了这个bug

3. 解决问题

问题已经掰扯清楚了，那么说说咋解决。

其实这个问题，说白了就是“未等网页加载完毕就获取元素”的问题，强制sleep一会儿倒是也能解决，但显然既低效又可能出现少量的没等够时间的问题。所以有两个思路：

思路1：等待网页加载完成（按理说可行，但我没成功过...）

我们需确认翻页后的当前页已经完成全部加载，那么每次翻页后都先等待网页加载完毕就好了嘛。这方面，网上有不少例子，包括显式等待(driver.implicitly_wait(5))、隐式等待(等待网页最外层元素(我爬取的网站是html)加载完毕，代码很简单不再赘述)，但我尝试都会出现偶尔不成功的现象，实属怪异。希望有成功的铁子们给我段样例代码，看看到底是我错了，还是别的什么原因

思路2：重新开个新标签页（打不过，我跑还不行吗？o(╥﹏╥)o）

emmm，这是被逼无奈下的选择——等待页面加载完，经常会等不到或等错，那直接新开的标签页吧，毕竟新标签页不会存在上一页的元素，也就不可能定位到和第二页位置一样、却是stale的元素了。最终这种方法尝试可行，现将我写得一小段代码留在下面：

def my_click_and_jump(element, switch_new_tab=False):
    '''
    单击，并跳转到新标签页
    :param element: 被点击的element
    :param switch_new_tab: 是否要在新标签页打开链接。默认不跳转
    :return: 新选项卡window对象
    '''
    time.sleep(1.5)
    element.click()

    if switch_new_tab:
        driver.execute_script(f'window.open("{driver.current_url}", "_blank");') # 注意js语句要带分号
        driver.close() # 关闭当前标签页（即第一页）

    # jump to new tab（即第二页）
    driver.switch_to.window(driver.window_handles[-1])
    return driver.current_window_handle

---

总之，这个问题就到此为止了。其实，就算每个页面强行sleep它个10s，也能暴力解决问题。但我就是想把这个离谱的问题搞清楚。如此刨根问底，不知又有多少意义呢？