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


回答:

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。


回答:

你需要了解Selenuim抓取动态内容的机制,即被js解析后的页面内容,大致流程如下

selenium -> webdriver -> chromedriver  -> cdp协议

python 使用 Selenuim怎么抓取动态生成的html内容???
推荐https://learnku.com/articles/...

以上是 python 使用 Selenuim怎么抓取动态生成的html内容??? 的全部内容, 来源链接: utcz.com/a/163889.html

回到顶部