Python mechanize SelectControl 应具有值时为空

Question

我正在尝试自动从网络表单下载一些数据。我正在使用 python 的 mechanize 模块。

网址在这里：http://www.hiv.lanl.gov/components/sequence/HIV/search/search.html 我需要填写序列长度、亚型和基因组区域。我已经弄清楚了序列长度和基因组区域，但我在选择子类型时遇到了麻烦。当我加载表单时得到一个空的 SelectControl 并且机械化不会让我选择任何东西。

此代码应加载网站：

import mechanize
import cookielib

# Browser
br = mechanize.Browser()

# Cookie Jar
cj = cookielib.LWPCookieJar()
br.set_cookiejar(cj)

# Browser options
br.set_handle_equiv(True)
br.set_handle_gzip(True)
br.set_handle_redirect(True)
br.set_handle_referer(True)
br.set_handle_robots(False)

# Follows refresh 0 but not hangs on refresh > 0
br.set_handle_refresh(mechanize._http.HTTPRefreshProcessor(), max_time=1)

br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]

br.open('http://www.hiv.lanl.gov/content/sequence/HIV/mainpage.html')
br.follow_link(text = 'Search Interface')

br.select_form(nr = 1)

任何帮助将不胜感激。

-会

编辑： 我尝试使用 BeautifulSoup 重新解析 HTML（根据 SO question），但没有运气。

新编辑： 以下是mechanize 表单的摘录。

<search POST http://www.hiv.lanl.gov/components/sequence/HIV/search/search.comp multipart/form-data
  <TextControl(value SequenceAccessions SA_GenBankAccession 1=)>
  <SelectControl(master=[Any, *HIV-1, HIV-2, SIV, SHIV, syntheticwholeDNA, NULL])>
  <TextControl(value SEQ_SAMple SSAM_common_name 1=)>
  <SelectControl(slave=[])>
  <TextControl(value SequenceEntry SE_sequenceLength 4=)>
  <CheckboxControl(sample_year_exact=[*1])>
  <TextControl(value SEQ_SAMple SSAM_Sample_year 11=)>
  <TextControl(value SEQ_SAMple SSAM_Sample_country 1=)>
  <CheckboxControl(recombinants=[Recombinants])>

由于某种原因，slave 控件未填充可能的选项。

Answer 1

问题在于 Subtype <select> 选项是由 Javascript 填充的，它无法执行机械化。 Javascript 代码在页面加载时运行，使用 HIV-1 列表填充从属选项：

addLoadEvent(fillList(document.forms['search'].slave, lists['HIV-1']));

但是，Virus -> Subtype 的映射存储在this Javascript file search.js 中。您可能需要将此映射存储在 Python 脚本中并手动设置从属表单值。