我正在尝试加载 YouTube 页面并获取 <embed>
元素如下。但是,找不到嵌入元素( soup.find('embed')
返回 None
)。
import urllib
import urllib2
from bs4 import BeautifulSoup
import mechanize
YT_URL = 'http://www.youtube.com/watch'
vidId = 'OuSdU8tbcHY'
br = mechanize.Browser()
# Browser options
br.set_handle_equiv(True)
br.set_handle_redirect(True)
br.set_handle_referer(True)
br.set_handle_robots(False)
# Follows refresh 0 but not hangs on refresh > 0
br.set_handle_refresh(mechanize._http.HTTPRefreshProcessor(), max_time=1)
# User-Agent (this is cheating, ok?)
br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]
br.open('%s?v=%s' % (YT_URL, vidId))
soup = BeautifulSoup(br.response().read())
print soup.find('embed')
但是,当我将汤写入 html 文件并将其加载到浏览器中时,它会加载 <embed>
元素。据推测,这与浏览器与机械化不同以及某种document.onload()
有关。魔法?
如何模拟浏览器加载页面,以便我可以看到<embed>
元素?
最佳答案
页面使用js动态加载内容。机械化根本无法应对。您在这里有两个选择:
- 尝试在脚本中手动模拟这些js调用
- 切换到浏览器内工具,例如 selenium
这是使用selenium
的相同示例:
import selenium.webdriver as webdriver
url = "http://www.youtube.com/watch?v=OuSdU8tbcHY"
driver = webdriver.Firefox()
driver.get(url)
embed = driver.find_elements_by_tag_name('embed')[0]
print embed
希望有帮助。
关于python - 模拟浏览器访问加载所有html元素,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18383574/