如何从“chrome://downloads”页面获取字符串

Question

我使用Chromedriver 下载文件，然后我想解析"chrome://downloads" 以获取下载状态，但我无法获取字符串，请参考下面的代码和结果。我还检查了 Chrome 中的HTML。我可以看到<span id="name">Noto-hinted (1).zip</span>，但如果我使用view page source，我找不到字符串"Noto-hinted (1).zip"。是<span id="name" hidden="[[completelyOnDisk_]]">[[data.file_name]]</span>

import time, bs4
from selenium import webdriver

url = "https://noto-website.storage.googleapis.com/pkgs/Noto-hinted.zip"
browser = webdriver.Chrome()
browser.get(url)
time.sleep(5)
browser.get("chrome://downloads/")
time.sleep(30)
soup = bs4.BeautifulSoup(browser.page_source,"lxml")
webElemlist = soup.find('span', id='name')
print(webElemlist)
time.sleep(300)

browser.quit()

输出：

<span id="name"> </span>

Answer 1

我将“lxml”更改为“html”，我收到如下警告消息，但仍然无法获取字符串。

警告（来自警告模块）： 文件“C:\Python362\lib\site-packages\bs4__init__.py”，第 181 行 标记类型=标记类型）） UserWarning：没有明确指定解析器，因此我使用了适用于该系统的最佳 HTML 解析器（“lxml”）。这通常不是问题，但如果您在另一个系统或不同的虚拟环境中运行此代码，它可能会使用不同的解析器并表现不同。

导致此警告的代码位于文件的第 1 行。要消除此警告，请更改如下所示的代码：

BeautifulSoup(YOUR_MARKUP})

到这里：

BeautifulSoup(YOUR_MARKUP, "lxml")

Answer 2

您是否尝试从屏幕上获取下载项目？ 右键单击您尝试单击的元素，然后选择“检查”。 这将打开控制台，当您将鼠标悬停在它们上方时，您可以看到页面每个元素的特定标签。

我为包裹找到了这个：

<div id="title-area">
    <a is="action-link" id="file-link" tabindex="0" role="link" hidden="" href="https://noto-website.storage.googleapis.com/pkgs/Noto-hinted.zip">Noto-hinted.zip</a>
    <span id="name">Noto-hinted.zip</span>
    <span id="tag"></span>
</div>

您需要做的就是使用 ID 获取这些标签的文本。这也适用于您下载文件后。

编辑：

test = """
<div id="title-area">
    <a is="action-link" id="file-link" tabindex="0" role="link" hidden="" href="https://noto-website.storage.googleapis.com/pkgs/Noto-hinted.zip">Noto-hinted.zip</a>
    <span id="name">Noto-hinted.zip</span>
    <span id="tag"></span>
</div>
"""
soup = BeautifulSoup(test, "lxml")

fileDiv = soup.find("span", {"id": "name"}).text

print(fileDiv)

如果上述方法不起作用，请尝试这样做：

soup = bs4.BeautifulSoup(browser.page_source,"html.parser")