Question

我在python中进行网页布局分析。基本任务是以给定HTML源代码的方式编程测量元素的大小，以便我们可以获得网页语料库的内容/广告比率，广告块位置，广告块大小的统计数据。

一种显而易见的方法是使用width / height属性，但它们并不总是可用。此外，需要在加载到DOM后计算width: 50%之类的内容。所以我想将HTML源代码加载到一个窗口大小预定义的浏览器（如mechanize，虽然我不确定窗口的大小是否可以设置）是一种很好的尝试方法，但机械化不支持无论如何返回元素大小。

在python中有没有通用的方法（没有宽度/高度属性），最好是用一些库？

谢谢！

Answer 1

我建议你看看Ghost - 用python编写的webkit web客户端。它支持JavaScript，因此您可以轻松调用JavaScript函数并获取其返回值。示例显示了如何查找谷歌文本框宽度：

>>> from ghost import Ghost
>>> ghost = Ghost()
>>> ghost.open('https://google.lt')
>>> width, resources = ghost.evaluate("document.getElementById('gbqfq').offsetWidth;")
>>> width
541.0  # google text box width 541px

Answer 2

要正确获取所有最终尺寸，您需要渲染内容，考虑所有CSS样式表，以及可能所有的javascript。因此，从Python程序中获取大小的唯一方法是在Python中使用完整的Web浏览器实现，使用可以执行此操作的库，或远程引导浏览器进行远程处理。

后一种方法可以使用Selenium工具完成 - 检查如何从Python程序中获取javascript表达式的结果：Can Selenium web driver have access to javascript global variables?

如何使用python以编程方式测量HTML源代码中元素的大小？

2 个答案: