我需要从动态变化的 html 中抓取一些信息。有问题的网站是: https://www.mitartlending.com/featuredartworks。在这里,当您单击给定的图像并将鼠标悬停在放大的图像上时,会弹出一个文本叠加层。我正在尝试抓取该文本。在尝试用 BS 做到这一点后,我决定我可能不得不使用硒。你会如何着手解决这个问题?到目前为止,我有:
from selenium import webdriver
driver = webdriver.Chrome('/Users/Abramo/SeleniumDrivers/chromedriver')
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
driver.get('https://www.mitartlending.com/featuredartworks')
driver.implicitly_wait(3)
my_element = driver.find_element_by_xpath(f'/html/body/div[5]/div[2]/div/main/section/div/div/div/div[3]/div/div/div/div[1]/div/a/img')
my_element.click()
copy_from = driver.find_element_by_class_name('sqs-lightbox-meta overlay-description-visible')
my_next_button = driver.find_element_by_class_name('sqs-lightbox-next')
答案 0 :(得分:0)
您可以通过
找到这些图像中的任何一个images = driver.find_elements_by_xpath('//img[contains(@class,'thumb-image loaded')]')
因此,例如点击您可以使用的第二张图片
images[1].click()
要将鼠标悬停在元素上,您可以这样做:
from selenium.webdriver.common.action_chains import ActionChains
hover = ActionChains(driver).move_to_element(images[1])
hover.perform()
现在,当文本出现时,您可以使用
来定位并获取它text = driver.find_elements_by_xpath('(//img[contains(@class,'thumb-image loaded')])[2]/..//p').text
对于那里的任何其他图像也可以这样做。
总而言之,代码将如下所示:
from selenium.webdriver.common.action_chains import ActionChains
images = driver.find_elements_by_xpath('//img[contains(@class,"thumb-image loaded")]')
images[1].click()
time.sleep(2)
hover = ActionChains(driver).move_to_element(images[1])
hover.perform()
time.sleep(2)
text = driver.find_elements_by_xpath('(//img[contains(@class,"thumb-image loaded")])[2]/..//p')
for t in text:
print(t.text)
我添加 sleeps 只是为了简化它,而更喜欢使用预期的条件等待
答案 1 :(得分:0)
数据都在属性中。你只需要提取适当的。不需要硒的开销。
import requests
from bs4 import BeautifulSoup as bs
r = requests.get('https://www.mitartlending.com/featuredartworks')
soup = bs(r.content, 'lxml')
results = {i['data-title']:' '.join(bs(i['data-description'], 'lxml').text.split('\n')) for i in soup.select('.margin-wrapper > a')}
print(results)