В прошлом, когда я использовал BeautifulSoup и lxml для анализа веб-страниц, это было довольно просто, потому что ссылки все выглядели так: <a href="www.website.com">Website</a>
. Тем не менее, я столкнулся с некоторыми веб-страницами, где ссылки отображаются в браузере, но не в источнике страницы.Разбор ссылок, где Javascript генерирует HTML?
К примеру, на this Edmunds.com page, секция Past Long-Term Road Tests
выглядит следующим образом:
1991 Acura NSX
2011 Acura TSX Sport Wagon
...
Однако исходный код Past Long Long-Term Road Tests
секции the page выглядит следующим образом:
<script type="text/javascript">
PAGESETUP.addControl(function() {
function linksObj(){
var elink = "|acura|nsx|1991|long-term-road-test|"; //generates edmunds.com/acura/nsx/1991/long-term-road-test/
this.link0 = {anchor:elink,label:"1991 Acura NSX"};
var elink = "|acura|tsx-sport-wagon|2011|long-term-road-test|"; //generates edmunds.com/acura/tsx-sport-wagon/1991/long-term-road-test/
this.link1 = {anchor:elink,label:"2011 Acura TSX Sport Wagon"};
...
}
var links_obj = new linksObj();
var links_container = document.getElementById('links_list_offpage2');
var more_link = "";
var more_link_text = "";
var elinks = new EDMUNDS.linksList(links_obj, links_container,more_link, more_link_text);
}, 'low');
</script>
Строка Javascript var elink = "|acura|nsx|1991|long-term-road-test|";
расширена до edmunds.com/acura/nsx/1991/long-term-road-test
в браузере.
инструменты, как BeautifulSoup и LXML не находят ссылки, которые генерируются в JavaScript. Как я могу разобрать эти ссылки?
Скопируйте функцию 'EDMUNDS.linkList'. Я думаю –