提取其他Content python请求

时间:2019-02-16 16:25:36

标签: python web-scraping python-requests scraper

我希望从网页中提取生成的内容。

我正在使用python 3中的库请求返回如下页面

 import requests 
 url = "https://app.updateimpact.com/treeof/org.json4s/json4s- 
  native_2.11/3.5.2"

 html_doc = requests.get(url)
 print(html_doc.text)

虽然检索文本似乎只是填充。我应该使用哪些工具来深入研究内容并提取其中的信息?

2 个答案:

答案 0 :(得分:1)

JavaScript需要在页面上运行才能提供很多内容。使用硒等方法可以使其运行。请注意,需要额外的等待条件以确保某些内容已加载。然后,您可以使用硒语法提取信息或将html从page_source转储到BeautifulSoup。

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait 
from selenium.webdriver.support import expected_conditions as EC
from bs4 import BeautifulSoup as bs

d = webdriver.Chrome()
d.get('https://app.updateimpact.com/treeof/org.json4s/json4s-native_2.11/3.5.2')
dependencies = WebDriverWait(d, 5).until(EC.presence_of_element_located((By.CSS_SELECTOR , '.stats-list')))
print(dependencies)
soup = bs(d.page_source, 'lxml')
print(soup.select_one('#tree').text) # example

答案 1 :(得分:0)