如何使用Python保存“完整网页”而不仅仅是基本html

  • Z时代
  • 2024-01-10
  • 分类：问答

我正在使用以下代码使用Python保存网页：

import urllib
import sys
from bs4 import BeautifulSoup
url = 'http://www.vodafone.de/privat/tarife/red-smartphone-tarife.html'
f = urllib.urlretrieve(url,'test.html')

：此代码将html保存为基本html，而不包含javascript，图像等。我想将网页保存为完整（就像我们在浏览器中有选择）

：我现在正在使用以下代码保存webapge的所有js / images /

css文件，以便可以将其保存为完整的网页，但是仍然像基本html一样保存了我的输出html：

import pycurl
import StringIO
c = pycurl.Curl()
c.setopt(pycurl.URL, "http://www.vodafone.de/privat/tarife/red-smartphone-tarife.html")
b = StringIO.StringIO()
c.setopt(pycurl.WRITEFUNCTION, b.write)
c.setopt(pycurl.FOLLOWLOCATION, 1)
c.setopt(pycurl.MAXREDIRS, 5)
c.perform()
html = b.getvalue()
#print html
fh = open("file.html", "w")
fh.write(html)
fh.close()

回答：

尝试使用selenium模拟您的浏览器。该脚本将弹出save

as网页对话框。您仍然需要弄清楚如何模拟按Enter键开始下载，因为文件对话框超出了硒的范围（您的操作方式也取决于OS）。

from selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.keys import Keys
br = webdriver.Firefox()
br.get('http://www.google.com/')
save_me = ActionChains(br).key_down(Keys.CONTROL)\
         .key_down('s').key_up(Keys.CONTROL).key_up('s')
save_me.perform()

我也认为遵循 @Amber的

建议来获取链接的资源可能更简单，因此是更好的解决方案。不过，我认为使用硒是一个不错的起点，因为它br.page_source将使您了解整个dom以及javascript生成的动态内容。

以上是 如何使用Python保存“完整网页”而不仅仅是基本html 的全部内容， 来源链接： utcz.com/qa/412230.html

回到顶部