当我按班级搜索时，BeautifulSoup的findAll为什么返回一个空列表？

Question

我正在尝试使用h2标签进行网页抓取，但是BeautifulSoup返回了一个空列表。

<h2 class="iCIMS_InfoMsg iCIMS_InfoField_Job">

html=urlopen("https://careersus-endologix.icims.com/jobs/2034/associate-supplier-quality-engineer/job")
bs0bj=BeautifulSoup(html,"lxml")
nameList=bs0bj.findAll("h2",{"class":"iCIMS_InfoMsg iCIMS_InfoField_Job"})
print(nameList)

Answer 1

内容位于iframe中，并通过js更新（因此在初始请求中不存在）。您可以使用页面用于获取iframe内容的同一链接（iframe src）。然后从具有信息的脚本标签中提取字符串，并加载json，提取description（即html），然后传递回bs，然后选择h2标签。现在，如果需要，您现在还将剩余的信息存储在第二个汤对象中。

import requests
from bs4 import BeautifulSoup as bs
import json

r = requests.get('https://careersus-endologix.icims.com/jobs/2034/associate-supplier-quality-engineer/job?mobile=false&width=1140&height=500&bga=true&needsRedirect=false&jan1offset=0&jun1offset=60&in_iframe=1')
soup = bs(r.content, 'lxml')
script = soup.select_one('[type="application/ld+json"]').text
data = json.loads(script)
soup = bs(data['description'], 'lxml')
headers = [item.text for item in soup.select('h2')]
print(headers)

---

Answer 2

答案隐藏在两个元素中：

1. javascript呈现的内容：document.onload之后
2. 尤其是由js管理的内容在此注释之后，并且确实由js呈现。块开始的行是：“ <！--BEGIN ICIMS-->”（添加空格以避免空白）

您可以想象，当您调用bs4方法时，h2 class =“ ICISM class here”不存在。

解决方案？ 恕我直言，实现所需目标的最佳方法是使用硒，以获得完整的渲染网页。

也检查一下 Web-scraping JavaScript page with Python