python - 如何使用 Python 保存 "complete webpage"而不仅仅是基本的 html

Question

我正在使用以下代码使用 Python 保存网页:

import urllib
import sys
from bs4 import BeautifulSoup

url = 'http://www.vodafone.de/privat/tarife/red-smartphone-tarife.html'
f = urllib.urlretrieve(url,'test.html')

问题:此代码将 html 保存为没有 javascript、图像等的基本 html。我想将网页保存为完整的(就像我们在浏览器中有选项一样)

更新:我现在使用以下代码来保存 webapge 的所有 js/images/css 文件，以便它可以保存为完整的网页，但我的输出 html 仍然像基本 html 一样保存:

import pycurl
import StringIO

c = pycurl.Curl()
c.setopt(pycurl.URL, "http://www.vodafone.de/privat/tarife/red-smartphone-tarife.html")

b = StringIO.StringIO()
c.setopt(pycurl.WRITEFUNCTION, b.write)
c.setopt(pycurl.FOLLOWLOCATION, 1)
c.setopt(pycurl.MAXREDIRS, 5)
c.perform()
html = b.getvalue()
#print html
fh = open("file.html", "w")
fh.write(html)
fh.close()

Answer 1

尝试使用 selenium 模拟您的浏览器.该脚本将弹出网页的 save as 对话框。您仍然需要弄清楚如何模拟按 Enter 以开始下载，因为文件对话框超出了 selenium 的范围(您的操作方式也取决于操作系统)。

from selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.keys import Keys

br = webdriver.Firefox()
br.get('http://www.google.com/')

save_me = ActionChains(br).key_down(Keys.CONTROL)\
         .key_down('s').key_up(Keys.CONTROL).key_up('s')
save_me.perform()

我也认为遵循 @Amber 的建议来获取链接的资源可能更简单，因此是更好的解决方案。不过，我认为使用 selenium 是一个很好的起点，因为 br.page_source 将为您提供整个 dom 以及 javascript 生成的动态内容。