Selenium Web Scraping with Beautiful Soup on Dynamic Content 和隐藏数据表

Question

真的需要这个社区的帮助！

我正在使用 Selenium 和 Beautiful Soup 对 Python 中的动态内容进行网页抓取。 问题是定价数据表无法解析为 Python，即使使用以下代码：

html=browser.execute_script('return document.body.innerHTML')
sel_soup=BeautifulSoup(html, 'html.parser')  

然而，我后来发现，如果我在使用上述代码之前点击网页上的“查看所有价格”按钮，我可以将该数据表解析为 python。

我的问题是如何在不使用 Selenium 单击所有“查看所有价格”按钮的情况下解析和访问我的 python 中那些隐藏的动态 td 标签信息，因为有这么多。

我正在执行 Web Scraping 的网站的网址是 https://www.cruisecritic.com/cruiseto/cruiseitineraries.cfm?port=122， 附图是我需要的动态数据表的html。 enter image description here

非常感谢这个社区的帮助！

Answer 1

您应该在加载后定位元素并通过arguments[0]而不是通过document获取整个页面

html_of_interest=driver.execute_script('return arguments[0].innerHTML',element)
sel_soup=BeautifulSoup(html_of_interest, 'html.parser')

这有2个实际案例：

1

该元素尚未加载到 DOM 中，您需要等待该元素：

browser.get("url")
sleep(experimental) # usually get will finish only after the page is loaded but sometimes there is some JS woo running after on load time

try:
    element= WebDriverWait(browser, delay).until(EC.presence_of_element_located((By.ID, 'your_id_of_interest')))
    print "element is ready do the thing!"
    html_of_interest=driver.execute_script('return arguments[0].innerHTML',element)
    sel_soup=BeautifulSoup(html_of_interest, 'html.parser')
except TimeoutException:
    print "Somethings wrong!"   

2

该元素位于影子根中，您需要先扩展影子根，可能不是您的情况，但我会在这里提及它，因为它与将来参考有关。例如：

import selenium
from selenium import webdriver
driver = webdriver.Chrome()
from bs4 import BeautifulSoup


def expand_shadow_element(element):
  shadow_root = driver.execute_script('return arguments[0].shadowRoot', element)
  return shadow_root

driver.get("chrome://settings")
root1 = driver.find_element_by_tag_name('settings-ui')

html_of_interest=driver.execute_script('return arguments[0].innerHTML',root1)
sel_soup=BeautifulSoup(html_of_interest, 'html.parser')
sel_soup# empty root not expande

shadow_root1 = expand_shadow_element(root1)

html_of_interest=driver.execute_script('return arguments[0].innerHTML',shadow_root1)
sel_soup=BeautifulSoup(html_of_interest, 'html.parser')
sel_soup