如何使用python“抓取”包含弹出窗口的网站？

Question

我正在尝试使用 python 抓取 etherscan 站点的某个部分，因为没有用于此功能的 api。基本上去this link 并且需要按下验证，这样做之后会出现一个弹出窗口，您可以看到here。我需要刮的是这部分0x0882477e7895bdc5cea7cb1552ed914ab157fe56，以防消息以图片中的消息开头。

我编写了下面的 python 脚本来启动它，但我不知道如何与站点进行进一步交互，以便让该弹出窗口出现在前台并抓取信息。这可以吗？

from bs4 import BeautifulSoup
from requests import get

headers = {'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:60.0) Gecko/20100101 Firefox/60.0','X-Requested-With': 'XMLHttpRequest',}
url = "https://etherscan.io/proxyContractChecker?a=0xa0b86991c6218b36c1d19d4a2e9eb0ce3606eb48"
response = get(url,headers=headers )
soup = BeautifulSoup(response.content,'html.parser')

谢谢

Answer 1

import requests
from bs4 import BeautifulSoup


def Main(url):
    with requests.Session() as req:
        r = req.get(url, headers={'User-Agent': 'Ahmed American :)'})
        soup = BeautifulSoup(r.content, 'html.parser')
        vs = soup.find("input", id="__VIEWSTATE").get("value")
        vsg = soup.find("input", id="__VIEWSTATEGENERATOR").get("value")
        ev = soup.find("input", id="__EVENTVALIDATION").get("value")
        data = {
            '__VIEWSTATE': vs,
            '__VIEWSTATEGENERATOR': vsg,
            '__EVENTVALIDATION': ev,
            'ctl00$ContentPlaceHolder1$txtContractAddress': '0xa0b86991c6218b36c1d19d4a2e9eb0ce3606eb48',
            'ctl00$ContentPlaceHolder1$btnSubmit': "Verify"
        }
        r = req.post(
            "https://etherscan.io/proxyContractChecker?a=0xa0b86991c6218b36c1d19d4a2e9eb0ce3606eb48", data=data, headers={'User-Agent': 'Ahmed American :)'})
        soup = BeautifulSoup(r.content, 'html.parser')
        token = soup.find(
            "div", class_="alert alert-success").text.split(" ")[-1]
        print(token)


Main("https://etherscan.io/proxyContractChecker")

输出：

0x0882477e7895bdc5cea7cb1552ed914ab157fe56

Answer 2

我不同意@InfinityTM。通常此类问题遵循的工作流程是您需要向网站发出 POST 请求。

看，如果您点击验证，就会向网站发出 POST 请求，如下图所示：

这个POST请求是用这个headers发出的：

还有这个参数：

您需要弄清楚如何使用正确的 URL、标头、参数和 cookie 发送此 POST 请求。完成请求后，您将收到回复：

其中包含您要在 div 下 抓取 类为“alert alert-success”的信息：

总结

所以你需要遵循的步骤是：

1. 导航到您的网站，并收集您的 POST 请求所需的所有信息（请求 URL、Cookie、标头和参数）。
2. 使用 requests 库发出请求。
3. 收到 响应后，抓取您对 BS 感兴趣的数据。

如果这为您指明了正确的方向，请告诉我！ :D