如何使用 Mechanize 抓取 HP 打印机状态页？

Question

状态页面如下所示：

http://h20000.www2.hp.com/bc/docs/support/SupportDocument/c00002742/c00004781.gif

您看到设备状态标题下方的文本了吗？这就是我想要刮的。

导航至时，状态页面会更新。我从页面源代码中提取了此内容：

<form id="deviceStatusPage"   method="post" action="this.LCDispatcher?nav=hp.DeviceStatus">

我似乎无法理解它实际上在做什么，因此很难制定出良好的抓取策略。我相当确定解决方案将是微不足道的，但我似乎根本无法开始。

应该说我一直在玩机械化和美丽汤。前者似乎可以实现我想要的目标，但我不确定如何实现。

Answer 1

使用抓取库。 BeautifulSoup 是一个很棒的。 mechanize 和 BeautifulSoup 一起构成了非常有用的抓取工具。