如何使用 BeautifulSoup 和 Python 调用 JavaScript 函数

Posted 2023-02-23

【中文标题】如何使用 BeautifulSoup 和 Python 调用 JavaScript 函数

【英文标题】：How to call JavaScript function using BeautifulSoup and Python

【发布时间】：2018-07-14 04:10:37

【问题描述】：

作为我项目的一部分，我正在执行网络抓取以从网站获取数据。我可以提出请求并获取 dom 中存在的数据。但是，一些数据会在 javascript onClick 函数上呈现。

一种方法是，使用 selenium 点击链接（调用 javascript 函数）并抓取渲染数据，但这个过程很耗时，我不想打开浏览器。

除了 selenium 之外还有其他方法可以实现吗？

网址：http://catalog.fullerton.edu/preview_entity.php?catoid=16&ent_oid=1849

在此网页的课程部分，所有课程都是超链接，一旦有人点击课程，就会调用一个javascript方法。我需要在 javascript 函数调用之后呈现的数据。

【参考方案1】：

你不能。如果要运行 JavaScript，则需要使用无头浏览器。否则，您将不得不反汇编 JavaScript 并查看它的作用。

当您的浏览器的开发者工具在“网络”选项卡中打开时单击该元素：

您现在可以看到 JavaScript 从该 URL 下载新的 html。您可以使用 urllib 轻松发送相同的请求。

【参考方案2】：

你可以使用https://pypi.org/project/requests-html/这个库来渲染JavaScript内容，然后用beautiful soup来解析它。

例子：

from requests_html import HTMLSession  
  
def render_JS(URL):
    session = HTMLSession()
    r = session.get(URL)
    r.html.render()
    return r.html.text

【参考方案3】：

你不能单独使用 BeautifulSoup 来做到这一点。创建这个模块是为了抓取 HTML（超文本标记语言）而不是 JavaScript、CSS 或任何其他网络语言。

它可以在<script></script> 标签之间提取（这将非常有用），但除此之外，BeautifulSoup 就不是你需要的了。

要调用 JavaScript 函数，您需要 headless browser，例如 PhantomJS 或 Selenium。也有人尝试解析 JavaScript 以及使用 regex（这不是一个好主意）和使用其他方法（推荐）this question 中描述了一些方法并且可能有用。