Question

我需要从某些零售商产品页面中抓取一些网址，但我需要获取的具体网址不在网页的html部分。对于每个人都可以点击进入带有我需要抓取的URL的页面，html看起来像这样：

<div id="name" class="hand bold" onclick="AVON.productcontrol.Go(45714);">ADVANCE TECHNIQUES Color Protection Conditioner Bonus Size</div>

我写了以下内容以从网页获取网址，但由于我需要的实际网址似乎没有存储在网页中，因此无法满足我的需求：

def getUrls（URL）：

"""input: product page url
    output: list of urls to products
"""
connection = urllib.urlopen(URL)
dom =  lxml.html.fromstring(connection.read())
selAnchor = CSSSelector('a')
foundElements = selAnchor(dom)
urlList = [e.get('href') for e in foundElements]

return urlList

有没有办法获得'onclick'之后的功能链接（我想AVON.productcontrol.Go（＃）;）带你去？我并不完全理解html，虽然我已经阅读了一些关于onclick的内容，但我无法弄清楚该功能在＆＃39; onclick＆＃39;作品。

Answer 1

为了找到您点击的URL，您需要找到“Go”功能的JavaScript源代码并阅读并理解它。它隐藏在标记内或某些JavaScript .js文件中，该文件由HTML页面直接或间接引用。快乐挖掘！

或者：您使用Selenium（http://docs.seleniumhq.org/）之类的工具自动与网页进行互动，只需点击即可查看您的网页。

从HTML（python）中的函数检索URL

1 个答案: