7

我正在尝试抓取网站“ http://everydayhealth.com ”。但是,我发现页面会动态呈现。因此,当我单击“更多”按钮时,将显示一些新消息。但是,使用 splinter 单击按钮不会让“browser.html”自动更改为当前的 html 内容。有没有办法让它获得最新的 html 源代码,使用 splinter 或 selenium?我在 splinter 中的代码如下:

import requests
from bs4 import BeautifulSoup
from splinter import Browser

browser = Browser()
browser.visit('http://everydayhealth.com')
browser.click_link_by_text("More")

print(browser.html)

根据@Louis 的回答,我将程序改写如下:

from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait

driver = webdriver.Firefox()
driver.get("http://www.everydayhealth.com")
more_xpath = '//a[@class="btn-more"]'
more_btn = WebDriverWait(driver, 10).until(lambda driver: driver.find_element_by_xpath(more_xpath))
more_btn.click()
more_news_xpath = '(//a[@href="http://www.everydayhealth.com/recipe-rehab/5-herbs-and-spices-to-intensify-flavor.aspx"])[2]'
WebDriverWait(driver, 5).until(lambda driver: driver.find_element_by_xpath(more_news_xpath))

print(driver.execute_script("return document.documentElement.outerHTML;"))
driver.quit()

但是,在输出文本中,我仍然找不到更新页面中的文本。例如,当我搜索“Milk Your Friend or Foe?”时,它仍然没有返回任何内容。有什么问题?

4

2 回答 2

3

使用 Selenium,假设这driver是您的初始化WebDriver对象,这将为您提供与您进行调用时 DOM 状态相对应的 HTML:

driver.execute_script("return document.documentElement.outerHTML;")

返回值是一个字符串,所以你可以这样做:

print(driver.execute_script("return document.documentElement.outerHTML;"))
于 2014-11-08T17:24:54.677 回答
-1

当我将 Selenium 用于此类任务时,我知道browser.page_source确实会更新。

于 2014-11-08T15:38:28.963 回答