使用 QtWebKit 在内存中渲染多个网页会在第二页中断，为啥？

Posted 2023-03-29

【中文标题】使用 QtWebKit 在内存中渲染多个网页会在第二页中断，为啥？

【英文标题】：Rendering multiple webpages in memory using QtWebKit breaks on second page, why?使用 QtWebKit 在内存中渲染多个网页会在第二页中断，为什么？

【发布时间】：2012-07-04 23:16:33

【问题描述】：

我正在使用 PyQt4 的 QtWebKit 在内存中渲染网页，因为我需要执行 javascript，因为我需要检索嵌入式 Flash 视频元素。目前我使用的代码如下所示：

import sys
from PyQt4.QtGui import *
from PyQt4.QtCore import *
from PyQt4.QtWebKit import QWebSettings, QWebPage

class Render(QWebPage):
    def __init__(self, url):
        self.app = QApplication(sys.argv)
        QWebPage.__init__(self)

        # Settings
        s = self.settings()
        s.setAttribute(QWebSettings.AutoLoadImages, False)
        s.setAttribute(QWebSettings.JavascriptCanOpenWindows, False)
        s.setAttribute(QWebSettings.PluginsEnabled, True)

        self.loadFinished.connect(self._loadFinished)
        self.mainFrame().load(QUrl(url))
        self.app.exec_()

    def _loadFinished(self, result):
        self.frame = self.mainFrame()
        self.app.quit()

def get_page_source(url):
    r = Render(url)
    html = r.frame.toHtml()
    return html

现在这可以正常工作了，尽管初始化非常慢（需要 5-30 秒之间的任何时间开始），但它只适用于单个页面。这意味着在第一个网页上，我的最终输出如下所示：

<div>
    <embed type="application/x-shockwave-flash" src="/player.swf"   style="undefined" id="mediaplayer" name="mediaplayer" quality="high" allowfullscreen="true" wmode="opaque" flashvars="width=560&amp;height=440&amp;autostart=true&amp;fullscreen=true&amp;file=FILELINK"></embed>
</div>

但在连续尝试中，它看起来像这样：

<div>
    <font>
        <u>
            <b>
                <a href="http://get.adobe.com/flashplayer/">ATTENTION:<br>This video will not play. You currently do not have Adobe Flash installed on this computer. Please click here to download it (it's free!)
                </a>
            </b>
        </u>
    </font>
</div>

这里发生了什么我不知道的事情？

【问题讨论】：

您到底想检索什么 - 只是 'file=FILELINK'？

@HughBothwell 是的，但这不是问题。我需要知道为什么它在连续尝试检索页面后会中断。

【参考方案1】：

看起来您的 javascript 解释器只在第一页启动；第二个页面加载但永远不会运行它的javascript；但这与您的真正问题无关，即视频文件的名称隐藏在看起来像的代码块中

<script type="text/javascript">
    var googleCode = 'czEuYWRkVmFyaWFibGUoImZpbGUiLCJodHRwOi8vd2lsbGlhbS5yaWtlci53aW1wLmNvbS9sb2FkdmlkZW8vMDA5YzUwMzNkZmYyMDQ3MmJiYzBjMjk2NmJjNzI2MjIvNGZmNGQ2ZDYvd2ViLXZpZGVvcy9iZTVjYWI2YjcxNmU0OWExZjFiYzc3NGNlMjVlZDg0Yl93YWtlci5mbHYiKTs=';
    eval(lxUTILsign.decode(googleCode));
</script>

如果你调用一个javascript控制台并运行lxUTILsign.decode(googleCode);你会得到

"s1.addVariable(\"file\",\"http://worf.wimp.com/loadvideo/2e368b70f8577ad167087530fc73748d/4ff4f5df/web-videos/35e78d1932b24f80ae3a9210fce008c4_titanic.flv\");"

坏消息是 lxUTILsign 被彻底混淆了； 好消息是，这无关紧要，因为它只是一个 base64 解码器，而 Python 已经有了一个（包括电池，宝贝！）。

import base64
import urllib2
import re

def get_video_url(page_url):
    html = urllib2.urlopen(url).read()
    match = re.search("googleCode = '(.*?)'", html)
    if match is None:
        raise ValueError('googleCode not found')
    googleString = base64.b64decode(match.group(1))
    match = re.search('","(.*?)"', googleString)
    if match is None:
        raise ValueError("didn't find video url")
    return match.group(1)

url = 'http://www.wimp.com/titanicpiano/'
print get_video_url(url)

返回

http://worf.wimp.com/loadvideo/8656607f77689f759d54b4ec7207152d/4ff4ff9c/web-videos/35e78d1932b24f80ae3a9210fce008c4_titanic.flv

【讨论】：

Welp，这是一种方法，比实际呈现页面要快得多。我不知道它是从哪里获取网址的。非常感谢。