python 我怎样才能获得浏览器上看到的网站的Html?

bvjxkvbb  于 2022-12-10  发布在  Python
关注(0)|答案(1)|浏览(206)

一个网站在打开后会加载网站的一部分,当我使用request和urllib3等库时,我无法获取稍后加载的部分,我如何才能获取浏览器中看到的这个网站的html。我无法使用Selenium打开浏览器并获取html,因为这个过程不应该在浏览器中变慢。
我尝试了htppx、httplib2、urllib、urllib3,但是我无法获得后来加载的部分。

fnx2tebb

fnx2tebb1#

您可以使用BeautifulSoup库或Selenium来模拟类似于用户的页面加载和等待加载其他HTML元素。
我建议使用Selenium,因为它包含WebDriverWait类,可以帮助您抓取额外的HTML元素。
这是我的简单例子:

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

# Replace with the URL of the website you want
url = "https://www.example.com"

# Adding the option for headless browser
options = webdriver.ChromeOptions()
options.add_argument("headless")
driver = webdriver.Chrome(options=options)

# Create a new instance of the Chrome webdriver
driver = webdriver.Chrome()

driver.get(url)

# Wait for the additional HTML elements to load
wait = WebDriverWait(driver, 10)
wait.until(EC.presence_of_all_elements_located((By.XPATH, "//*[contains(@class, 'lazy-load')]")))

# Get  HTML 
html = driver.page_source

print(html)

driver.close()

在上面的例子中,你可以看到我正在使用explicit wait等待(10秒)一个特定的条件发生。更具体地说,我正在等待,直到带有'lazy-load'类的元素被.XPath定位,然后我检索HTML元素。
最后,我建议检查BeautifulSoupSelenium,因为它们都有强大的功能来废弃网站和自动化基于Web的任务。

相关问题