javascript - 解析 Javascript 生成 HTML 的链接？

Question

过去，当我使用BeautifulSoup和lxml来解析网页时，这非常容易，因为链接都是这样的:<a href="www.website.com">Website</a> 。但是，我遇到过一些网页，其中链接出现在浏览器中但不在页面源中。

例如，在this Edmunds.com page上，Past Long-Term Road Tests部分如下所示:

1991 Acura NSX
2011 Acura TSX Sport Wagon
...

<小时/>

但是，Past Long Long-Term Road Tests的源代码the page 部分看起来像这样:

<script type="text/javascript">
PAGESETUP.addControl(function() {
function linksObj(){
var elink = "|acura|nsx|1991|long-term-road-test|"; //generates edmunds.com/acura/nsx/1991/long-term-road-test/
this.link0 = {anchor:elink,label:"1991 Acura NSX"};
var elink = "|acura|tsx-sport-wagon|2011|long-term-road-test|"; //generates edmunds.com/acura/tsx-sport-wagon/1991/long-term-road-test/
this.link1 = {anchor:elink,label:"2011 Acura TSX Sport Wagon"};
...
}
var links_obj = new linksObj();
var links_container = document.getElementById('links_list_offpage2');
var more_link = "";
var more_link_text = "";
var elinks = new EDMUNDS.linksList(links_obj, links_container,more_link, more_link_text);
}, 'low');
</script>

Javascript 行 var elink = "|acura|nsx|1991|long-term-road-test|";扩展为 edmunds.com/acura/nsx/1991/long-term-road-test在浏览器中。

<小时/>

BeautifulSoup 和 lxml 等工具找不到 Javascript 中生成的链接。我如何解析这些链接？

Answer 1

使用 headless browser如ghost.py运行页面的 JavaScript，并且您应该可以毫无问题地废弃 JS 更改的 DOM。