使用 python 和 selenium 抓取动态网页

Question

在网站的顶部，有几个链接标记为 1、2、3 和 next。如果点击了一个由数字标记的链接，它会动态地将一些数据加载到内容div 中。如果按下 next，它将转到标签为 4、5、6、next 的页面 并显示第 4 页的数据。

我想从内容div中抓取所有按下的链接的数据（我不知道有多少，它一次只显示3个，下一个）

请举例说明如何做。例如，考虑网站 www.cnet.com。

请指导我下载使用 selenium 的系列页面并自行解析它们以处理漂亮的汤。

Answer 1

一般布局（未测试）：

#!/usr/bin/env python
from contextlib import closing
from selenium.webdriver import Firefox # pip install selenium

url = "http://example.com"

# use firefox to get page with javascript generated content
with closing(Firefox()) as browser:
    n = 1
    while n < 10:
        browser.get(url) # load page
        link = browser.find_element_by_link_text(str(n))
        while link:
           browser.get(link.get_attribute("href")) # get individual 1,2,3,4 pages
           #### save(browser.page_source)
           browser.back() # return to page that has 1,2,3,next -like links
           n += 1
           link = browser.find_element_by_link_text(str(n))

        link = browser.find_element_by_link_text("next")
        if not link: break
        url = link.get_attribute("href")