Python如何爬取網頁中js新增的內容 （程式碼）

這篇文章帶給大家的內容是關於Python如何爬取網頁中js添加的內容 （程式碼），有一定的參考價值，有需要的朋友可以參考一下，希望對你有所幫助。

當我們進行網頁爬蟲時，我們會利用一定的規則從傳回的 HTML 資料中提取出有效的資訊。但是如果網頁中含有 JavaScript 程式碼，我們必須經過渲染處理才能取得原始資料。此時，如果我們仍採用常規方法從中抓取數據，那麼我們將一無所獲。那麼，透過Web kit可以簡單解決這個問題。 Web kit 可以實現瀏覽器所能處理的任何事情。對某些瀏覽器來說，Web kit就是其底層的網頁渲染工具。 Web kit是QT庫的一部分，因此如果你已經安裝QT和PyQT4庫，那麼你可以直接運行之。

1、環境準備

Linux：sudo apt-get install python##-qt4

Windows：

第一步：下載.whl，網址：

https://www.lfd.uci.edu/~gohlke/pythonlibs/ #pyqt4，這裡可以下載不同的python版本對應的套件。

第二步：選擇一個目錄，將下載好的檔案放到該目錄下，然後cmd下，cd進入該目錄，執行指令：pip install PyQt4- 4.11.4-cp36-cp36m-win_amd64.whl，完成安裝。

第三個步驟：校驗是否安裝成功。

2、解決方案

首先透過Web kit 發送請求訊息，然後等待網頁完全載入後將其賦值到某個變數中。接下來我們利用

lxml從 HTML 資料中提取出有效的資訊。這個過程需要一點時間。

import sys
from PyQt4.QtWebKit import *
from PyQt4.QtGui import *
from PyQt4.QtCore import *

class Render(QWebPage):  # 用来渲染网页,将url中的所有信息加载下来并存到一个新的框架中
    def __init__(self,url):
        self.app = QApplication(sys.argv)
        QWebPage.__init__(self)
        self.loadFinished.connect(self._loadFinished)
        self.mainFrame().load(QUrl(url))
        self.app.exec_()
    def _loadFinished(self, result):
        self.frame = self.mainFrame()
        self.app.quit()

url = 'http://jandan.net/ooxx'
r = Render(url)
html = r.frame.toHtml()
print(html)

 那麼，後面的工作就是解析HTML程式碼了，這裡不做解說。

以上是Python如何爬取網頁中js新增的內容 （程式碼）的詳細內容。更多資訊請關注PHP中文網其他相關文章！