问题描述
我正在编写一个抓取程序。我首先使用 selenium 来获取元素的源(一个 mp4 文件),然后我看到 selenium 主要用于自动化和测试,而不是抓取。我认为使用其他刮板模块会更合理。但是当我使用 requests+beautifulsoup
或 urllib2/3+beautifulsoup
时,我无法获得检查元素。他们正在获取页面源代码,但在我正在工作的网页中,页面源代码与我检查时弹出的 HTML 不同。 (我不太了解检查和页面源之间的区别,但我想这与 JS 有关系。)有什么想法可以解决这个问题吗?
这是我的代码:
from bs4 import BeautifulSoup
import requests
response = requests.get("https://animefrenzy.org/stream/one-piece-episode-974")
soup = BeautifulSoup(response.text,"lxml")
print(soup)
这是我想要的 html 字符串: Inspect
这是我执行上述代码时得到的结果: terminal result
解决方法
如果您只想要 HTML(源代码),那么这里是获取它的代码。
from selenium import webdriver
import time
driver = webdriver.Firefox/Chrome(executable_path=r'/path/to/webdriver')
driver.get('https://animefrenzy.org/stream/one-piece-episode-974')
time.sleep(10)
html=driver.page_source
print(html)
这应该给你你想要的 HTML,我们使用 time.sleep(10)
因为页面必须加载 javascript 并更改页面的内容。如果您没有得到想要的 HTML,请尝试将睡眠时间更改为更多,以便该页面完全加载。