Question

我正在尝试加载youtube页面并获取<embed>元素，如下所示。但是，找不到embed元素（soup.find('embed')返回None）。

import urllib
import urllib2
from bs4 import BeautifulSoup
import mechanize

YT_URL = 'http://www.youtube.com/watch'
vidId = 'OuSdU8tbcHY'

br = mechanize.Browser()
# Browser options
br.set_handle_equiv(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)
# User-Agent (this is cheating, ok?)
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('%s?v=%s' % (YT_URL, vidId))
soup = BeautifulSoup(br.response().read())
print soup.find('embed')

但是，当我将汤写入html文件并在浏览器中加载时，它会加载<embed>元素。据推测，这与浏览器的机械化和某种document.onload()魔法有什么关系？

如何模拟加载页面的浏览器，以便我可以看到<embed>元素？

Answer 1

页面使用js以动态方式加载内容。机械化根本无法处理它。你有两个选择：

尝试在脚本
切换到浏览器内工具，例如selenium

以下是使用selenium的相同示例：

import selenium.webdriver as webdriver

url = "http://www.youtube.com/watch?v=OuSdU8tbcHY"

driver = webdriver.Firefox()
driver.get(url)

embed = driver.find_elements_by_tag_name('embed')[0]

print embed

希望有所帮助。

模拟浏览器访问以加载所有html元素

1 个答案: