Как получить html с обработанным javascript исходным кодом с помощью селена

Я запускаю запрос на одной веб-странице, затем получаю URL-адрес результата. Если я щелкнул правой кнопкой мыши на html-источнике, я могу увидеть код html, созданный JS. Если я просто использую urllib, python не сможет получить JS-код. Поэтому я вижу некоторое решение, использующее селен. Вот мой код:

from selenium import webdriver
url = 'http://www.archives.com/member/Default.aspx?_act=VitalSearchResult&lastName=Smith&state=UT&country=US&deathYear=2004&deathYearSpan=10&location=UT&activityID=9b79d578-b2a7-4665-9021-b104999cf031&RecordType=2'
driver = webdriver.PhantomJS(executable_path='C:\python27\scripts\phantomjs.exe')
driver.get(url)
print driver.page_source

>>> <html><head></head><body></body></html>         Obviously It not right!!

Вот исходный код, который мне нужен в правом щелчках, (я хочу часть ИНФОРМАЦИЯ)

</script></div><div class="searchColRight"><div id="topActions" class="clearfix 
noPrint"><div id="breadcrumbs" class="left"><a title="Results Summary"
href="Default.aspx?    _act=VitalSearchR ...... <<INFORMATION I NEED>> ... 
to view the entire record.</p></div><script xmlns:msxsl="urn:schemas-microsoft-com:xslt">

        jQuery(document).ready(function() {
            jQuery(".ancestry-information-tooltip").actooltip({
href: "#AncestryInformationTooltip", orientation: "bottomleft"});
        });

=========== Итак, мой вопрос =============== Как получить информацию, созданную JS?

Ответ 1

Вам нужно будет получить документ через javascript вы можете использовать функцию seleniums execute_script

from time import sleep # this should go at the top of the file

sleep(5)
html = driver.execute_script("return document.getElementsByTagName('html')[0].innerHTML")
print html

Это позволит получить все внутри <html>

Ответ 2

Нет необходимости использовать это обходное решение, вы можете использовать вместо этого:

driver = webdriver.PhantomJS()
driver.get('http://www.google.com/')
html = driver.find_element_by_tag_name('html').get_attribute('innerHTML')

Ответ 3

Я думаю, что вы получаете исходный код до того, как JavaScript предоставил динамический HTML.

Сначала попробуйте поставить несколько секунд сна между навигацией и получить источник страницы.

Если это сработает, вы можете перейти на другую стратегию ожидания.

Ответ 4

Вы пытаетесь использовать Dryscrape этот браузер полностью поддерживается тяжелыми js-кодами, попробуйте, я надеюсь, что он сработает для вас

Ответ 5

У меня та же проблема с получением исходного кода Javascript из Интернета, и я решил ее, используя приведенное выше предложение Победы.

* Сначала: execute_script

driver=webdriver.Chrome()
driver.get(urls)
innerHTML = driver.execute_script("return document.body.innerHTML")
#print(driver.page_source)

* Второй: анализ html с помощью beautifulsoup (Вы можете скачать beautifulsoup с помощью команды pip)

 import bs4    #import beautifulsoup
 import re
 from time import sleep

 sleep(1)      #wait one second 
 root=bs4.BeautifulSoup(innerHTML,"lxml") #parse HTML using beautifulsoup
 viewcount=root.find_all("span",attrs={'class':'short-view-count style-scope yt-view-count-renderer'})   #find the value which you need.

* Третий: распечатайте нужное вам значение

 for span in viewcount:
    print(span.string)

* Полный код

from selenium import webdriver
import lxml

urls="http://www.archives.com/member/Default.aspx?_act=VitalSearchResult&lastName=Smith&state=UT&country=US&deathYear=2004&deathYearSpan=10&location=UT&activityID=9b79d578-b2a7-4665-9021-b104999cf031&RecordType=2"

driver = webdriver.PhantomJS()


##driver=webdriver.Chrome()
driver.get(urls)
innerHTML = driver.execute_script("return document.body.innerHTML")
##print(driver.page_source)

import bs4
import re
from time import sleep

sleep(1)
root=bs4.BeautifulSoup(innerHTML,"lxml")
viewcount=root.find_all("span",attrs={'class':'short-view-count style-scope yt-view-count-renderer'})


for span in viewcount:
print(span.string)

driver.quit()

Ответ 6

Я встретил ту же проблему и окончательно решил желаемые возможности.

from selenium import webdriver
from selenium.webdriver.common.proxy import Proxy
from selenium.webdriver.common.proxy import ProxyType

proxy = Proxy(
     {
          'proxyType': ProxyType.MANUAL,
          'httpProxy': 'ip_or_host:port'
     }
)
desired_capabilities = webdriver.DesiredCapabilities.PHANTOMJS.copy()
proxy.add_to_capabilities(desired_capabilities)
driver = webdriver.PhantomJS(desired_capabilities=desired_capabilities)
driver.get('test_url')
print driver.page_source