我正在尝试爬取 Github 的提交页面来做一些分析。页面在这里
但是,有两个标签叫做“js-diff-progressive-container”,每个标签都有很多子标签。见下文
当我使用 urllib2.Request() 和 urllib2.urlopen() 获取html页面并使用beautifulsoup解析html代码时,似乎只能获取第一个“js-diff-progressive-container”标签及其子标签. 对于第二个,我会得到一个标签,它的类是“js-diff-progressive-retry”。解析代码在这里:
for tag in soup.find_all('div', class_='js-diff-progressive-container'):
print 1
for div in tag.find_all('div'):
id = div.get('id')
if id:
id = id.split('-')
print id
if id[0] == 'diff':
div2 = div.find_all('div')
class_div = div2[0]
if class_div.get('data-path'):
changed_class.append(class_div.get('data-path'))
有人告诉我,由于此标签是动态加载的,因此我无法一次获取所有 html 代码。如何获取整个 html 页面代码?