Python Selenium mengakses sumber HTML

Bagaimana saya bisa mendapatkan sumber HTML dalam variabel menggunakan modul Selenium dengan Python?

Saya ingin melakukan sesuatu seperti ini:

from selenium import webdriver

browser = webdriver.Firefox()
browser.get("http://example.com")
if "whatever" in html_source:
    # Do something
else:
    # Do something else

Bagaimana saya bisa melakukan ini? Saya tidak tahu cara mengakses sumber HTML.

Anda perlu mengakses page_sourceproperti:

from selenium import webdriver

browser = webdriver.Firefox()
browser.get("http://example.com")

html_source = browser.page_source
if "whatever" in html_source:
    # do something
else:
    # do something else

Dengan Selenium2Library Anda dapat menggunakan get_source()

import Selenium2Library
s = Selenium2Library.Selenium2Library()
s.open_browser("localhost:7080", "firefox")
source = s.get_source()

driver.page_source akan membantu Anda mendapatkan kode sumber halaman. Anda dapat memeriksa apakah teks ada di sumber halaman atau tidak.

from selenium import webdriver
driver = webdriver.Firefox()
driver.get("some url")
if "your text here" in driver.page_source:
    print('Found it!')
else:
    print('Did not find it.')

Jika Anda ingin menyimpan sumber halaman dalam variabel, tambahkan baris di bawah ini setelah driver.get :

var_pgsource=driver.page_source

dan ubah kondisi if menjadi:

if "your text here" in var_pgsource:

Dengan menggunakan sumber halaman Anda akan mendapatkan seluruh kode HTML.
Jadi pertama-tama tentukan blok kode atau tag yang Anda perlukan untuk mengambil data atau mengklik elemen ..

options = driver.find_elements_by_name_("XXX")
for option in options:
    if option.text == "XXXXXX":
        print(option.text)
        option.click()

Anda dapat menemukan elemen dengan nama, XPath, id, link dan jalur CSS.

Untuk menjawab pertanyaan Anda tentang mendapatkan URL yang akan digunakan untuk urllib, cukup jalankan kode JavaScript ini:

url = browser.execute_script("return window.location;")

Anda cukup menggunakan WebDriverobjek, dan akses ke kode sumber halaman melalui @propertybidangnyapage_source ...

Coba cuplikan kode ini :-)

from selenium import webdriver
driver = webdriver.Firefox('path/to/executable')
driver.get('https://some-domain.com')
source = driver.page_source
if 'stuff' in source:
    print('found...')
else:
    print('not in source...')

from bs4 import BeautifulSoup
from selenium import webdriver

driver = webdriver.Chrome()
html_source_code = driver.execute_script("return document.body.innerHTML;")
html_soup: BeautifulSoup = BeautifulSoup(html_source_code, 'html.parser')

Sekarang Anda dapat menerapkan fungsi BeautifulSoup untuk mengekstrak data ...

Saya akan merekomendasikan untuk mendapatkan sumber dengan urllib dan, jika Anda akan mengurai, gunakan sesuatu seperti Beautiful Soup .

import urllib

url = urllib.urlopen("http://example.com") # Open the URL.
content = url.readlines() # Read the source and save it to a variable.