使用xpath（python3）的href属性为空

Question

在python3中使用chrome和xpath，我尝试提取“href”属性on this web page的值。 “href”属性包含指向我感兴趣的电影预告片（法语为“bande-annonce”）的链接。

首先，使用 xpath，“a”标签似乎是“span”标签。事实上，使用这段代码：

response_main=urllib.request.urlopen("http://www.allocine.fr/film/fichefilm_gen_cfilm=231874.html")
htmlparser = etree.HTMLParser()
tree_main = etree.parse(response_main, htmlparser)
tree_main.xpath('//*[@id=\"content-start\"]/article/section[3]/div[2]/div/div/div/div[1]/*')

我得到这个结果：

[<Element span at 0x111f70c08>]

所以“div”标签不包含“a”标签，而只有一个“span”标签。我读过浏览器中的 html 可视化并不总是反映服务器发送的“真实”html。因此我尝试使用这个命令来提取href：

    response_main=urllib.request.urlopen("http://www.allocine.fr/film/fichefilm_gen_cfilm=231874.html")
htmlparser = etree.HTMLParser()
tree_main = etree.parse(response_main, htmlparser)
tree_main.xpath('//*[@id=\"content-start\"]/article/section[3]/div[2]/div/div/div/div[1]/span/@href')

不幸的是，这没有返回任何内容...当我使用以下命令检查“span”标签中的属性时：

tree_main.xpath('//*[@id=\"content-start\"]/article/section[3]/div[2]/div/div/div/div[1]/span/@*')

我得到了“class”属性的值，但没有关于“href”的...：

['ACrL3ZACrpZGVvL3BsYXllcl9nZW5fY21lZGlhPTE5NTYwMDcyJmNmaWxtPTIzMTg3NC5odG1s meta-title-link']

我需要一些帮助来了解这里发生的事情。为什么“a”标签是“span”标签？对我来说最重要的问题是，如何提取“href”属性的值？

非常感谢您的帮助！

Answer 1

使用JavaScript 动态生成的必需链接。使用urllib.request，您只能获得初始的HTML 页面源，而在执行完所有JavaScript 之后，您需要HTML。

您可以使用selenium + chromedriver 来获取动态生成的内容：

from selenium import webdriver as web
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.ui import WebDriverWait as wait 

driver = web.Chrome("/path/to/chromedriver")
driver.get("http://www.allocine.fr/film/fichefilm_gen_cfilm=231874.html")
link = wait(driver, 10).until(EC.presence_of_element_located((By.XPATH, "//div[@class='meta-title']/a[@class='xXx meta-title-link']")))
print(link.get_attribute('href'))