Python QtWebKit 将网页保存到文件

Posted 2023-03-29

【中文标题】Python QtWebKit 将网页保存到文件

【英文标题】：Python QtWebKit save webpage to file

【发布时间】：2011-09-15 15:14:53

【问题描述】：

将使用 QWebView() 显示的网页保存到文件的最佳和最简单的方法是什么？

from PyQt4.QtCore import *
from PyQt4.QtWebKit import *
from PyQt4.QtGui import *
from PyQt4.QtScript import *
import sys
import time

currentfile = "test.htm"
app = QApplication(sys.argv)
web = QWebView()
web.load(QUrl("http://news.google.com"))
web.show()
data =  web.page().currentFrame().documentElement().toInnerXml()
open(currentfile,"w").write(data)
sys.exit(app.exec_())

【参考方案1】：

由于页面加载是异步的，您必须等待loadFinished 信号才能尝试保存。

然后您可以使用 web.page().currentFrame().tohtml() 检索页面内容，它返回一个 python unicode 字符串，您可以使用 codecs 模块将其写入文件：

from PySide.QtCore import *
from PySide.QtGui import *
from PySide.QtWebKit import *
import sys
import codecs

class Downloader(QObject):
    # To be emitted when every items are downloaded
    done = Signal()

    def __init__(self, urlList, parent = None):
        super(Downloader, self).__init__(parent)
        self.urlList = urlList
        self.counter = 0        
        # As you probably don't need to display the page
        # you can use QWebPage instead of QWebView
        self.page = QWebPage(self)      
        self.page.loadFinished.connect(self.save)
        self.startNext()

    def currentUrl(self):
        return self.urlList[self.counter][0]

    def currentFilename(self):
        return self.urlList[self.counter][1]

    def startNext(self):
        print "Downloading %s..."%self.currentUrl()
        self.page.mainFrame().load(self.currentUrl())

    def save(self, ok):
        if ok:            
            data = self.page.mainFrame().toHtml()
            with codecs.open(self.currentFilename(), encoding="utf-8", mode="w") as f:
                f.write(data)
            print "Saving %s to %s."%(self.currentUrl(), self.currentFilename())            
        else:
            print "Error while downloading %s\nSkipping."%self.currentUrl()
        self.counter += 1
        if self.counter < len(self.urlList):            
            self.startNext()
        else:
            self.done.emit()

urlList = [("http://news.google.com", "google.html"), 
    ("http://www.***.com","stack.html"), 
    ("http://www.imdb.com", "imdb.html")]

app = QApplication(sys.argv)
downloader = Downloader(urlList)
# Quit when done
downloader.done.connect(app.quit)

# To view the pages
web = QWebView()
# To prevent user action that would interrupt the current page loading
web.setDisabled(True) 
web.setPage(downloader.page)
web.show()

sys.exit(app.exec_())

【讨论】：

非常感谢！ ;) 还有一个简单的问题：迭代多个链接的最佳方法是什么？

在save()函数的末尾，你可以简单地更改currentfile中的文件名，而不是app.quit()，然后用下一个url调用web.load()。

这就是我试图做的，但它并没有真正等待第一个正确加载并在第一个 URL 上生成下载错误......

@Cat 我更新了代码以允许下载多个链接。您得到的错误可能来自与变量范围相关的问题。

alexisdm，有什么方法可以等待 javascript 完成加载，而不仅仅是页面？它仍然只保存基本页面...

【参考方案2】：

页面需要先加载 QtWebKit 有什么原因吗？只需使用命令行实用程序 wget 或 curl，就可以完成这项工作。