使用Selenium和Python访问多层ShadowRoot嵌套HTML的方法及Wordle解谜机器人页面HTML获取问题

嘿，针对你的两个问题，我来给你详细解答：

Shadow DOM是浏览器用来封装组件内部结构的机制，普通的Selenium元素查找方法没法直接穿透ShadowRoot，得逐层获取才行。具体步骤如下：

• 先找到包含ShadowRoot的宿主元素（就是带有shadow-root标记的元素的父元素）
• 通过宿主元素的.shadow_root属性获取ShadowRoot对象
• 如果还有嵌套的ShadowRoot，重复上面两步，逐层深入

举个多层嵌套的例子，假设页面结构是这样的：

<div id="outer-host">
  #shadow-root
    <div id="inner-host">
      #shadow-root
        <p id="target-text">我是嵌套在两层ShadowRoot里的内容</p>
    </div>
</div>

对应的Python代码实现：

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

driver = webdriver.Chrome()
driver.get("你的目标页面URL")

# 第一步：等待外层ShadowRoot的宿主元素加载完成
outer_host = WebDriverWait(driver, 10).until(
    EC.presence_of_element_located((By.ID, "outer-host"))
)
# 获取外层ShadowRoot
outer_shadow = outer_host.shadow_root

# 第二步：在外层ShadowRoot内找到内层宿主元素
inner_host = outer_shadow.find_element(By.ID, "inner-host")
# 获取内层ShadowRoot
inner_shadow = inner_host.shadow_root

# 现在就能访问最内层的目标元素了
target_text = inner_shadow.find_element(By.ID, "target-text").text
print(target_text)

如果嵌套层数更多，就按这个逻辑继续逐层获取就行。另外，也可以用JavaScript执行来直接获取，写法更简洁：

target_text = driver.execute_script("""
  return document.querySelector('#outer-host')
    .shadowRoot.querySelector('#inner-host')
    .shadowRoot.querySelector('#target-text').textContent;
""")

你遇到的核心问题其实也是Shadow DOM导致的——Wordle的游戏界面完全封装在ShadowRoot里面，直接获取body的innerHTML肯定拿不到游戏相关内容，因为那些内容都藏在ShadowRoot内部。

我帮你调整了代码，同时优化了一些细节（比如用等待替代time.sleep，更可靠）：

from selenium.common.exceptions import NoSuchElementException, TimeoutException, ElementClickInterceptedException
from selenium.webdriver.common.keys import Keys
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
import time

# 初始化Chrome浏览器（现在ChromeDriver无需指定executable_path，只要版本匹配即可）
chrome_options = webdriver.ChromeOptions()
driver = webdriver.Chrome(options=chrome_options)
driver.get("https://www.powerlanguage.co.uk/wordle/")

wait = WebDriverWait(driver, 10)
try:
    # 先尝试关闭初始弹窗（如果有的话）
    close_btn = wait.until(EC.element_to_be_clickable((By.CLASS_NAME, "Modal-module_closeBtn__b4z74")))
    close_btn.click()
except TimeoutException:
    # 没有弹窗就点击body激活输入区域
    body = wait.until(EC.presence_of_element_located((By.TAG_NAME, "body")))
    body.click()

# 输入猜测单词并提交
body.send_keys("adieu")
body.send_keys(Keys.ENTER)

# 等待结果加载（这里可以换成等待行元素状态变化的更精准等待）
time.sleep(2)

# 找到Wordle游戏的核心宿主元素<game-app>，它包含了整个游戏的ShadowRoot
game_app = wait.until(EC.presence_of_element_located((By.TAG_NAME, "game-app")))
game_shadow = game_app.shadow_root

# 现在可以获取游戏内的完整内容了，比如遍历每一行的字母状态
game_rows = game_shadow.find_elements(By.TAG_NAME, "game-row")
for row in game_rows:
    # game-row本身也有ShadowRoot，需要继续获取
    row_shadow = row.shadow_root
    tiles = row_shadow.find_elements(By.TAG_NAME, "game-tile")
    for tile in tiles:
        letter = tile.get_attribute("letter")
        status = tile.get_attribute("evaluation")
        print(f"字母: {letter}, 状态: {status}")  # status取值：correct（正确）、present（存在但位置错）、absent（不存在）

# 如果要获取整个游戏区域的innerHTML，执行这行即可
game_inner_html = game_shadow.get_attribute('innerHTML')
print(game_inner_html)

为什么之前的body.get_attribute('innerHTML')没用？因为game-app的内容是在它的ShadowRoot里，不属于body的直接DOM结构。浏览器开发者工具会自动展开ShadowRoot内容展示给你，但Selenium默认不会穿透，必须手动获取ShadowRoot才能访问里面的元素和HTML。

内容的提问来源于stack exchange，提问作者amc-man