Python Selenium 访问 HTML 源

Question

如何使用 Python 中的 Selenium 模块获取变量中的 HTML 源？

我想做这样的事情：

from selenium import webdriver

browser = webdriver.Firefox()
browser.get("http://example.com")
if "whatever" in html_source:
    # Do something
else:
    # Do something else

我该怎么做？我不知道如何访问 HTML 源。

Answer 1

您需要访问 page_source 属性：

from selenium import webdriver

browser = webdriver.Firefox()
browser.get("http://example.com")

html_source = browser.page_source
if "whatever" in html_source:
    # do something
else:
    # do something else

Answer 2

from bs4 import BeautifulSoup
from selenium import webdriver

driver = webdriver.Chrome()
html_source_code = driver.execute_script("return document.body.innerHTML;")
html_soup: BeautifulSoup = BeautifulSoup(html_source_code, 'html.parser')

现在您可以应用 BeautifulSoup 函数来提取数据...

Answer 3

driver.page_source将帮助您获取页面源代码。您可以检查文本是否存在于页面源中。

from selenium import webdriver
driver = webdriver.Firefox()
driver.get("some url")
if "your text here" in driver.page_source:
    print('Found it!')
else:
    print('Did not find it.')

如果要将页面源存储在变量中，请在 driver.get 之后添加以下行：

var_pgsource=driver.page_source

并将 if 条件更改为：

if "your text here" in var_pgsource:

Answer 4

通过 Selenium2Library，您可以使用 get_source()

import Selenium2Library
s = Selenium2Library.Selenium2Library()
s.open_browser("localhost:7080", "firefox")
source = s.get_source()

Answer 5

通过使用页面源代码，您将获得完整的 HTML 代码。
因此，首先决定您需要在其中检索数据或单击元素的代码块或标签。

options = driver.find_elements_by_name_("XXX")
for option in options:
    if option.text == "XXXXXX":
        print(option.text)
        option.click()

您可以通过名称、XPath、id、链接和 CSS 路径查找元素。

Answer 6

要回答有关获取用于 urllib 的 URL 的问题，只需执行以下 JavaScript 代码：

url = browser.execute_script("return window.location;")

Answer 7

您可以简单地使用 WebDriver 对象，并通过其 @property 字段 page_source 访问页面源代码...

尝试以下代码片段： -)

from selenium import webdriver
driver = webdriver.Firefox('path/to/executable')
driver.get('https://some-domain.com')
source = driver.page_source
if 'stuff' in source:
    print('found...')
else:
    print('not in source...')

Answer 8

完整代码：

from selenium import webdriver

# Initialize the WebDriver
driver = webdriver.Chrome()  # Use the appropriate WebDriver for your browser

# Navigate to the desired URL
driver.get("https://www.example.com/")

# Access the page's HTML source
html_source = driver.page_source

if "whatever" in html_source:
   # do something
else:
   # do something else

# if you want to display complete source code.
print(html_source)

# Close the WebDriver
driver.quit()

Answer 9

我建议使用 urllib 获取源代码，如果您打算解析，使用类似 Beautiful Soup 的内容。

import urllib

url = urllib.urlopen("http://example.com") # Open the URL.
content = url.readlines() # Read the source and save it to a variable.