我对 MechanicalSoup 和网络抓取完全陌生。 我一直致力于解析 html 时间表并将其制作成icalendar(ics)文件以在移动设备上获取它。 (我已经成功做到了,耶)。
现在,为了使其正常工作,我在选择时间表后下载了时间表网站的 html。现在我需要使用 Python 来实际导航到时间表。
这是到目前为止我的代码(我被困住了,因为 HTML 太乱了,我不知道该怎么做,而且 MechanicalSoup 的文档还没有那么大):
import argparse
import mechanicalsoup
from getpass import getpass
browser = mechanicalsoup.StatefulBrowser(
soup_config={'features': 'lxml'},
raise_on_404=True,
user_agent='MyBot/0.1: mysite.example.com/bot_info',
)
browser.open("http://keaplan.kea.dk/sws/prodE2017/default.aspx")
browser.select_form(WHAT TO SELECT :D)
请参阅此处的 HTML :( http://keaplan.kea.dk/sws/prodE2017/default.aspx 我想做以下事情:
td class=“FilterPanel” #go to the table containing this td
div id = pFilter #set value to BYG
div id = pObject #set value to BAKINT-2l
submit (which will redirect to the timetable i need)
并从提交的重定向中下载 html。
非常感谢您的帮助!
最佳答案
select_form
的参数是 CSS 选择器。如果您只有一种形式,那么 "form"
就可以解决问题(MechanicalSoup 的下一版本实际上会将其作为默认参数)。否则,请使用浏览器的开发人员工具,例如 Firefox 具有右键单击 -> 检查元素 -> 右键单击 -> 复制 -> CSS 选择器,这可能是一个很好的起点。
就您而言,即使有一个有趣的布局,也只有一种形式,所以:
browser.select_form("form")
不幸的是,您指向的页面部分是由 JavaScript 生成的(您正在搜索的 select
元素不会出现在通过解析页面获得的 soup 对象中)。查看 MechanicalSoup 从您的页面看到的内容
browser.launch_browser()
:-(。您可以通过使用 new_control 自行创建缺少的控件来解决此问题。
关于python - MechanicalSoup 棘手的 html 表格,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46634416/