Welcome to OGeek Q&A Community for programmer and developer-Open, Learning and Share
Welcome To Ask or Share your Answers For Others

Categories

0 votes
1.1k views
in Technique[技术] by (71.8m points)

python 使用 Selenuim怎么抓取动态生成的html内容???

python 使用 Selenuim抓取的网页内容,但是动态生成的部分无法拿到?还有其它办法可以拿到吗


与恶龙缠斗过久,自身亦成为恶龙;凝视深渊过久,深渊将回以凝视…
Welcome To Ask or Share your Answers For Others

1 Reply

0 votes
by (71.8m points)

用selenium执行js是可以往下滚动页面,实现ajax的加载的。
spider.driver.execute_script('window.scrollTo(0, document.body.scrollHeight)')

就好像这个scrapy的语句。
不过selenium有些网站是有防护的。头条就有这种防护,也就是如果用的可视化浏览器可以看到不会加载任何的新闻内容的。
你可以试试在实例化webdriver后加入这条语句

self.driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
                "source": """
                Object.defineProperty(navigator, 'webdriver', {
                get: () => undefined
                     })
                """})

这个试过对12306有效。

如果不行可以换splash试试。


与恶龙缠斗过久,自身亦成为恶龙;凝视深渊过久,深渊将回以凝视…
OGeek|极客中国-欢迎来到极客的世界,一个免费开放的程序员编程交流平台!开放,进步,分享!让技术改变生活,让极客改变未来! Welcome to OGeek Q&A Community for programmer and developer-Open, Learning and Share
Click Here to Ask a Question

...